這系列 Machine Learning 教學文章，將帶您了解人工智慧、機器學習、深度學習的差異、該怎麼選擇資料訓練機器學習系統、以及機器學習系統又是如何被訓練的？
人工智慧 (Artificial Intelligence)
什麼是人工智慧？
人工智慧 (AI) 是能讓事物變更聰明的科技，我們可以這樣定義：「讓機器展現人類的智慧。」它是一個能讓電腦執行人類工作的廣義術語，而人工智慧的範圍眾說紛紜，隨著時間推衍產生更多的應用和變化。
人工智慧在哪裡？
現今所執行的系統是一種弱人工智慧的形式 – 系統可以做一件或是多件事情，而做的程度與人類相當，甚至超越人類。比如說我們透過寫程式碼來創建學習系統，訓練它辨識物體或是手勢。舉例來說：自然語言處理、電子遊戲行為的人工智慧、機器學習都是弱人工智慧的形式。
人工智慧：常見使用案例
- 物體識別
- 語音識別 / 聲波探測
- 自然語言處理 / 語意分析
- 創造力 – e.g. 風格轉換 – 學習用藝術家的風格繪畫
- 預測 – 當輸入未曾見過的例子時，預測所得到的輸出是什麼
- 語言翻譯
- 修復 / 轉換 – e.g. 利用機器學習來判斷一張照片中存在著什麼物件，或是對照片進行人臉辨識
- 延伸閱讀：更多 AI 實用案例
機器學習 (Machine Learning)
什麼是機器學習?
機器學習(ML)通常可以這樣定義：「透過從過往的資料和經驗中學習並找到其運行規則，最後達到人工智慧的方法。」
機器學習包含透過樣本訓練機器辨識出運作模式，而不是用特定的規則來編程。這些樣本可以在資料中找到。換句話說，機器學習是一種弱人工智慧(narrow AI)，它從資料中得到複雜的函數(或樣本)來學習以創造演算法(或一組規則)，並利用它來做預測。
從例子中學習
機器學習是關於如何預測未來。它透過以下的方式去進行訓練：
- 它需要資料(去訓練系統)
- 從資料中學習樣本
- 根據步驟2所獲得的經驗，替未曾見過的新資料做分類，並推測它可能是什麼
機器學習的厲害之處在於它可以自主學習。現在的機器學習應用都做得不錯，比如識別物件，同樣的 ML 系統仍然可以使用在未來的物件，並不需要重寫程式碼，這是相當方便且強大的。
不同的編程方式
傳統的編程
編寫一個有明確規則的計算機程序
if email contains V ! agra
then mark is-spam;
if email contains …
if email contains …
機器學習程序
編寫一個能學習例子的計算機程序
try to classify some emails;
change self to reduce errors;
repeat;
深度學習(Deep Learning)
什麼是深度學習?
深度學習(DL)可以這樣被定義：「一種實現機器學習的技術。」
這樣的DL技術被稱為深度神經網絡（deep neural networks – DNNs）。在DNNs的情況下，深度學習本質上就是DL所在的代碼結構，它們被安排在鬆散地模仿人類大腦的圖層中，學習模式中的模式(learning patterns of patterns)。
總結
人工智慧這個概念可以追溯到1950年代，是相當長的一段時間。到了1980年，機器學習開始越來越受歡迎。大約到了2010年，DL在弱人工智慧系統方面有了重大的進展。你可以發現這三個詞彼此之間的聯繫 – 基本上是彼此的子集。深度學習驅動機器學習，最後實現了人工智慧。
