[AI小學堂(一)]人工智慧AI vs 機器學習 vs 深度學習

身為一個在念大學的時候，連人工智慧都還沒什麼聽過的人 (剛時也確實還算是人工智慧的萌芽階段)，自然是沒有機會在學校裡接觸人工智慧，在這一波AI浪潮之中，我想很多人跟我一樣，第一個念頭就是要開始學習接觸人工智慧相關的知識，擔心被時代淘汰。我們這個系列就是希望以非常科普的角度來解釋人工智慧，希望能做到即使不是電機相關科系的人也能聽懂到底人工智慧是怎麼一回事 (如果我能做到讓所有人都能多少理解一些，也算是一件功德吧?)

我們第一個要釐清的事情就是，大家都說AI，可是AI的術語這麼多，有人工智慧(AI: Artificial Intelligence)，也有機器學習 (Machine Learning), 也有深度學習(Deep Learning)，另外還有類神經網路，到底互相是什麼關係呢?

這其實是一個層層相扣的框架，其中最外層的框架就是人工智慧(Artifical Intelligence)，這指的是希望電腦或是人造的系統能夠有類似人腦一樣的思考迴路，進而可以解決複雜的問題。

人工智慧有著非常非常多的作法，包括Expert System, Genetec Algorithms...等等，但是其中最著名的自然就是機器學習Machine Learning這個框架，那麼機器學習Machine Learning又是什麼呢? 機器學習指的就是，可以透過資料來訓練這種AI，藉由這種訓練，讓這個AI將來的產出Output變得更加的精準。這種可以透過資料學習的特性，就好像賦予的AI一種能夠精進的潛力，所以我們稱為機器學習。

舉例而言其中一種常見的機器學習的做法叫做特徵選擇Feature Selection，也就是將大量的資料依照特徵來歸類，舉例來說我們可以把房地產的種類歸類幾種特徵，如房屋的大小，房間多寡，地段，等等等....如何選擇哪些屬性是特徵，可以說是這類機器學習最重要的課題，會大大的影響整個機器學習的準確率。

但是深度學習在機器學習中可以說是完全不同的一支，因為深度學習把特徵選擇這件事情完全交給了神經網路。那麼回過頭來說，什麼又是深度學習(Deep Learning)呢?

深度學習(Deep Learning)實際上是一種機器學習(Machine Learning)的子集合，主要利用神經網路(Neural Network)的模型作為資料處理的手段。為什麼深度學習(Deep Learning)要叫做"Deep"呢? 這就要提到神經網路Neural Network了(也稱為類神經網路 Artificial Neural Network)，所謂的神經網路，顧名思義就是希望模擬人類大腦神經連結傳輸的方式，來作為電腦資料處理還有推導的方式，這樣的做法受到人類大腦中有數量眾多相互連結的神經元啟發，一個基礎的神經網路長相可能是像這樣

這些圖上的小圓點我們稱之為Neurons (神經元)是神經網路的最基本節點，我們把直立的一排小圓點看成是一層，資料是從左邊到右邊一層一層的傳輸過去，一個神經網路會有所謂的Input layer(輸入資料的層) + output layer (輸出資料的層) + 中間這些Hidden Layers (隱藏層)。而Deep Learning的神經網路的中間這些Hidden layers的層數可以非常非常的多，甚至高達數百層以上，所以我們說這樣的神經網路很"深" "Deep"，這也就是Deep Learning 深度學習的由來了。為什麼需要這麼"深"的網路? 為什麼需要這麼"多"的神經元? 到底深度學習是要怎麼學?? 這就是我們後面的專題會探討的了。

最後我們在總結一下，深度學習屬於機器學習的範疇，而機器學習又屬於人工智慧的範疇。深度學習是建立在神經網路這樣的架構上的方法，也是近年來產業界被討論最多，應用最廣的人工智慧方法。這兩個也會是我們的專題裡面主要討論的重點，希望大家跟著我們一起學習，慢慢摸索這個AI的前緣新世界。