Lyrics Star

在開始學習一項技術時，最重要的莫過於將目標及其他相關聯的知識搞清楚

人工智慧究竟是甚麼?

你可能想到電影科幻情節裡那無所不能、天馬行空的人工智慧，或者是與人一模一樣的機器人，確實都是人工智慧，

但當你在探討一門學科時，就該了解現實與理想。

一分為二來說

強人工智慧(夢想)：無所不能或能模擬真實人類所有行為情感的機器人，一種理想、一種未來

弱人工智慧(現實)：現今討論與約可行的人工智慧，只能處理特定要求，如圖、文、博弈等

而接下來我們要談的全都是從弱人工智慧的角度來出發

而在此之前我們先來了解一下人工智慧的歷史

圖片來源from  https://www.nvidia.com/zh-tw/

我們可以看到人工智慧不是一個新詞

第一次人工智慧

早在1950年就已經有了第一次的人工智慧

而那時人工智慧的出現僅僅在電腦出現後的幾年

主要是跑跑寫好的數學程式邏輯就稱之為人工智慧了

第二次人工智慧 機器學習(Machine Learning/ML)

這時候的電腦運算能力、儲存空間有了一定程度的提升，

此時的人工智慧在專業領域已被龐大的使用

垃圾郵件的辨別、知識系統的興起等等

第一次人工智慧與機器學習的差異大概可以用這個例子來說明

第一次人工智慧:

a = b 則結果為 c , a=d則結果為f....

機器學習:

試著去分類abc，然後不斷學習和修正自身去減少錯誤

第三次人工智慧 深度學習(Deep Learning)

人工智慧再度復甦，帶著翻天覆地之勢，席捲了我們的生活，

此時的人工智慧不在只運用在專業領域更深入到我們的日常生活當中，

應用有如：人臉表情模擬、冰箱溫度調整、語音助理等等

而大家最常常混淆的便是機器學習以及深度學習

在這我先讓大家來看一張圖片

圖片來自 https://www.xenonstack.com/

從這張圖可以知道機器學習與深度學習最大的差別在於學習過程中人為的干預

在這裡強調一下沒有說深度學習就比機器學習來的高大上

機器學習最主要處理的東西是非抽象的東西

將人類的經驗模擬出來，擷取其特徵，不斷去判斷優化自身

在這時期一個傳統的學科復甦變得越來越重要了!那便是統計

而深度學習則真要用一句話來說就是一種實現機器學習的技術

深度學習跳過了中間人為經驗特徵的處理

而深度學習可以說是與深度神經網絡DNNc緊緊綁再一起

主要是解決一些抽象的問題

甚麼是抽象，一些我們根本無法處理或找出特徵模擬的東西

而透過DNNc能找出這類抽象的公式

機器學習與深度學習皆有其優缺點

沒有說深度學習一定比機器學習好

有時機器學習只需要少量的資料就能算出很好的結果

但使用深度學習卻需要龐大的資料卻不一定能有更好的結果

現今最熱門的科技單詞莫過於IOT, Big Data, 5G 還有我們主題AI

但細細想來所有的科技其實都有其脈絡關係