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!