寶太太的人工智慧: 人工智慧學校 AI Academy 台北第三期筆記- AI初探

Change is the only constant. (改變是唯一的不變。)

從AlphaGo 2016年以四勝一敗擊敗韓國棋王李世乭（이세돌）後，第三波的AI發展更熱烈的被討論與廣為人知，然而到底什麼是人工智慧呢？

人工智慧指的是讓機器擁有類似人類智慧的技術，而今天的人工智慧指的是第三波的人工智慧。本波的AI不是只以知識規則的統整，更是在海量資料/大數據的推播助瀾下，可以不需要專家，直接用機器學習，即非採用專家給的邏輯，而由機器自行歸納的多重規則來下判斷，以提高辨識率 (聰明程度)，再輔以更強的運算能力與不同的方法，如CNN圖像識別或RNN語意辨識，大幅提高效能，找出比人類說得出口的規則更加精準的規則。但當然不同的方法也有其限制，如強化學習 (Reinforcement learning)只能用在封閉的系統， Ex. AlphaGo

可以從機器學習論文的成長曲線看出本波AI會成為未來發展關鍵。

以技術角度來看，人工智慧包含傳統人工智慧與機器學習。傳統人工智慧指的就是基於人類經驗制定原則的方法，機器學習則包含所有讓電腦自行由大量資料中學習出規則的方法。

以人類來說，很多事情是直覺或是常識，但對電腦來說需要歸納成規則才能work。

我們懂的事情，比我們能表達出來的更多。--Polanyi's Paradox, 1964.

機器學習技術又包含傳統機器學習與深度學習。
兩者的差別是，深度學習技術所計算出來的規則是有層次的 (layers)，規則非人類指定的，
因此人類不一定知道為什麼，但好處是準。機器學習學到的規則，跟你想得不太一樣。
ex. 分辨數字的"9"是看上面的頭

而傳統機器學習的產出皆是單一層次的規則，例如線性迴歸或決策樹就屬於傳統機器學習。
相較於傳統機器學習，深度學習需要的資料量較大，運算量的需求也更為龐大，

但好處是它可以處理高維度的問題，也就是具有上百、上千、甚至上萬個變數的問題。

例如涉及文字、影像、聲音、影片等生活中常見的問題通常皆是高維度的問題，
若有足夠的資料量，深度學習通常可以提供比傳統機器學習更好的解答，
舉凡我們最近所見的臉部辨識、語音辨識、無人車等等，因此深度學習是目前人工智慧的主流技術。