[AI 探討] AI︑Machine Learning︑Deep Learning簡單介紹

前言

由於接下來工作內容要開始玩電腦視覺(Computer Vision, CV)

在開始摸CV之前來好好研究一下幾個常見名詞: AI︑ Machine Learning ︑Deep Learning

以前完全沒碰過這個技術... ...等於是從0開始

前兩年因為AlphaGo在圍棋上不斷擊敗職業棋士，因此AI才開始變成熱門話題

因為早期電腦硬體的效能和限制只能用來解決一些簡單的問題，無法實際用在解決現實生活

的問題，所以變成只有在發展理論，但是卻一直不是熱門話題。

台大李琳山教授便是語音辨識先驅，很多華語語音辨識都參考到他的研究。

另外，有興趣學machine learning卻不知從何開始，可以考慮台大林軒田教授的開放課程，只

能說強者一個~

coursera 連結如下:

https://zh-tw.coursera.org/instructor/htlin

ptt鄉民也整理出來學習路線:
https://www.ptt.cc/bbs/DataScience/M.1518514290.A.816.html

正文

人工智慧(AI)

指由人類製造出來能夠表現出智慧的技術。通常是指電腦模擬或模擬人類思維過程的行為能力。

在電影裡看到機器人像人類一樣有自我意識，可以做很多非特定任務的工作，這就是人工智慧。

基本上擁有一個rule-based的系統也是屬於AI範疇下。

所謂的rule-based就是指根據經驗設定判斷依據，例如: ⌈狗只會汪汪叫︑貓只會喵喵叫⌋︑⌈貓不太理人︑狗很黏人⌋

不過現在可以實現的人工智慧還侷限於⌈弱人工智慧(Narrow AI)⌋，這些技術只能完成特定任務。

機器學習(Machine Learning)

一種實現人工智慧的方法，使用演算法來分析資料並學習，然後對已發生或未發生的事件做出決定或預測。

通常透過大量的資料和演算法來⌈訓練⌋，給予它學習如何執行任務的能力。

機器學習流程大概如下: 資料輸入  → 特徵擷取 → 建立模型  → 答案輸出







透過大量資訊輸入來訓練並且不斷更正提高正確率，並且建立出一個誤差低︑準確度高的模型。

常見演算法包括: 決策數學習︑歸納邏輯程式設計︑聚類︑強化學習等等。

而現在熱門應用領域則是電腦視覺(CV)，可以很快速找辨識出物體

︑

深度學習(Deep Learning)

一種實現機器學習的技術，使用神經網路(Neural Network, NN)做分析的機器學習方法。

深度學習流程大概如下: 資料輸入→ 建立模型 → 答案輸出




神經網路的靈感來自於我們對人類大腦生物學的理解，所有的神經元之間相互聯繫。

神經網路就是一堆函數的集合，我們丟進去一堆數值，整個網路就輸出一堆數值，並且從裡

面找出一個最好的結果。

大概長成這個樣子:

結語

未來會用GPU跑caffe演算法，到時再來發心得文






︑