在AlphaGo挑戰世界冠軍棋士李世乭，以4比1的成績取得勝利後，深度學習這個名詞一下成為熱門關鍵字，其實這種技術的應用範圍不只限於圍棋而已，影像辨識、垃圾信件過濾、網友留言分類等等工作，也都能在深度學習的協助下讓電腦自動進行。
能自我學習進化的人工智慧
人工智慧（Artificial Intelligence，簡稱AI）指的是由人工製造出來的系統，並透過系統的運作展現推理、知識、規劃、學習、交流、感知等智慧，進而模仿人類解決問題的能力。
從人工智慧的運作方式，可以粗分為弱人工智慧與強人工智慧，前者不需要和人類一樣具有完整的認知能力，也沒有完整的思考能力，基本上只能用於處理特定工作，例如只能下圍棋的AlphaGo就是個例子。而後者則比較偏向科幻電影中出現的情節，它不但具有知覺與自我意識，也能夠像人一樣思考，簡單地說，就是像「哆啦A夢」這類能夠自主思考的機器人。以現今科技發展來看，目前尚未出現真正的強人工智慧，現成的技術仍以弱人工智慧為主。
機器學習是人工智慧的1個分支，而這次要討論的深度學習則是機器學習底下的子分支，它能夠對資料運用特徵學習法（Feature Learning），在規模龐大的資料中自動進行學習，並將結果用於分析輸入的資料。
由於深度學習牽涉到許多深度神經網路、卷積神經網路等專業領域與數學知識，並不是相當好懂，筆者也不打算在這邊深入研究，有興趣想進一步瞭解的讀者，建議可以參考這部由國立臺灣大學資訊網路與多媒體研究所的李宏毅教授所講解的影片。
筆者在這邊，以AlphaGo作為簡單的例子，來說明深度學習的運作概念。AlphaGo的思考模式並不是像人類一樣，透過理解圍棋的戰略與對手的棋風，來決定棋子的落點，而是在知道規則（棋子可以下在哪些位子，什麼情況可以獲得勝利）後，透過輸入大量資料（輸入棋譜或是讓2套系統互相對戰）的方式，讓系統自動學習在什麼情況下、做那些決定最容易獲勝。
如此一來系統就能反覆學習、提升自己的實力。但有趣的是，系統並非真正瞭解「圍棋的奧妙」，而是單純透過數學演算的方式，選擇獲勝機會最大的走法。
▲深度學習是人工智慧的1種分支，能夠讓系統在參考大量資料、學習之後提升「智力」，讓系統越來越聰明。
利用深度學習讓購物更便捷
深度學習相當適合用於分類，我們可以透過告訴系統「什麼東西屬於哪些類別」，之後就能讓系統自動進行訓練，並調整演算法中的參數，或是告訴系統訓練的結果是否正確，來讓分類結果更加準確。
舉例來說，荷蘭皇家航空公司就採用深度學習協助客服人員處理社群媒體的訊息。這套系統可以分析過去產生的客服資料，並自動學習其中的模式，當有顧客傳送電子郵件、即時通訊、社群媒體、簡訊等訊息時，系統就會自動為訊息分類，並預測最佳回應方式，這時候客服中心人員只需要審核並小幅修改，就能回訊給顧客，大幅提升回訊速度。
由來自紐西蘭的IMAGR公司，所開發的SmartCart智慧購物手推車系統，也是以深度學習搭配影像辨識為基礎，讓系統透過分析商品圖片來學習辨識商品，來達成自動結帳的功能。在使用SmartCart的流程中，消費者需要先下載超市的App，然後就可以自由在超市內選購商品，當商品放入手推車的時候，手推車上的攝影機就會自動進行辨識，並將商品價格顯示在App中，當消費者完成採買後，錢會直接從綁定的付款方式中扣除，不需結帳就能直接離開超市。
由於深度學習仍然屬於弱人工智慧，所以它並不像人類一樣具有自主意識，甚至不知道自己在作的工作為何，只是跟著演算法不斷找出「最符合需求」的答案，從上面的例子來看，就是從各種回覆範本與商品種類中，選出最適當的回覆與正確辨識商品。所以至少在這個階段，我們還不必擔心人工智慧會像科幻電影中，產生取代人類的構想。
▲SmartCart利用深度學習提高商品辨識的準確度，讓消費者可以拿完東西直接走出超市，不必等待排隊結帳。
說文解字使用範例：
O：深度學習技術能夠強化電腦的人工智慧。
X：如果考試成績不好，可以考慮參加補習班的深度學習課程。
