12.1 人工智慧的巨量資料學習法

從人工智慧到機器學習、深度學習

　　人工智慧（Artificial Intelligence，簡稱 AI）是「透過電腦來展現人類智慧」的技術，起源於 1950 年代，目標在於以電腦解決問題，發展至今日，舉凡醫療、製造、電子產品、交通、翻譯、金融等領域，都已經廣泛運用。 　　機器學習（Machine Learning, 簡稱 ML），是人工智慧的一個分支，也是進一步實現人工智慧的方式。人工智慧需要由人告知電腦如何解決，而機器學習則讓電腦從海量的資料中自行學習，並且自己逐步精進。 　　深度學習（Deep Learning, 簡稱 DL）是機器學習的分支，以人工神經網路為架構，讓機器朝人類更進一步發展，把機器學習推向實際運用，為人工智慧開創了新紀元，也是當今的主流。

巨量資料如何學習？

機器進行學習會經歷以下過程：

• 收集資料（Gathering data ）

• 準備數據（Preparing that data）

• 選擇模型（Choosing a model）

• 訓練機器（Training）

• 評估分析（Evaluation）

• 調整參數（Hyperparameter tuning）

• 預測推論（Prediction）

　　機器學習和人工智慧的不同之處，在於需要「輸入資料」，並不帶偏見地針對資料做識別，再透過資料跑預測。這個過程，其實類似於人腦的經驗學習法則：

人工智慧可以這樣用

　　最近，為紀念音樂之父巴哈的生日到來，Google 也利用 AI 幫大家實現創作夢！在這個頁面中，只要放入喜歡的音符，系統就會依照巴哈先生的偉大創作，譜出最合適的旋律，讓你搖身一變成了巴哈接班人！教會機器，並讓機器運作分析，就是人工智慧巨量資料學習法的精髓！

小結

　　機器學習成就了科技！聊天機器人、Alphago、自動駕駛等，大量使用這項技術，受惠的領域更超乎想像。聊天機器人某種程度取代了客服人員，也大量用於行銷推廣，機器人能培養成警察、醫療人員、萬能助理，無人駕駛運用於多元領域，降低人類自行操作的風險。將人工智慧視為時代尖端的領導者，一點也不為過！