影像辨識是AI領域裡最直覺、也最好玩的應用之一。
我們在第一個例子就提過「教寶寶認蘋果」，那其實就是影像辨識的核心。現在，我們來深入看看，電腦究竟是**怎麼「看」**一張圖片的。
人類看一張貓的照片，會立刻認出「喔，是隻貓」。但電腦看到的完全不一樣，對電腦來說，一張圖片只是一大堆數字。想像一下，你把一張照片無限放大，最後會看到什麼？沒錯，就是一個個微小的色塊，叫做「像素 (Pixel)」。電腦看到的就是這些像素的數值（例如：這個點的紅色是255、綠色是120、藍色是80）。
那麼，電腦要如何從這一堆雜亂的數字中，認出「貓」呢？
讓我們把電腦的學習過程，想像成一個從零開始玩樂高積木的小朋友。
用樂高學辨識 🧱
第一層：學習辨識「最小的積木」 (低階特徵)
一開始，電腦不會直接去找「貓的耳朵」或「貓的眼睛」，那太複雜了。
它會先從最基本的圖案學起，就像小朋友先認識最基本的樂高積木：
- 一條橫線 (一塊 2x1 的紅色積木)
- 一條直線 (一塊 1x2 的藍色積木)
- 一個角落 (一塊L形的積木)
- 一個漸層色塊
- 一個圓弧
電腦會掃描整張圖片，努力找出這些最基礎的「圖案積木」。
(電腦先學會辨識這些基礎線條和邊緣)
第二層：學習用積木「組裝小零件」 (中階特徵)
當電腦認識了基礎積木後，它會開始學習如何將這些積木組合成稍微複雜一點的「小零件」。
就像小朋友學會了：
- 「兩個圓弧」和「一個小圓點」可以組成一顆「眼睛」👀。
- 「好幾條直線」可以組成一排「鬍鬚」鬚。
- 「一個三角形的邊緣組合」可以變成一隻「耳朵」👂。
這時，電腦還不知道這是一隻貓，但他已經能在圖片中找到「眼睛」、「鬍鬚」、「耳朵」這些由基礎線條組成的「零件」了。
(再把線條組合成眼睛、鼻子等器官)
第三層：學習將零件「拼成完整的模型」 (高階特徵)
最後一步，就是把所有辨識出來的「零件」組合起來，拼出最終的模型。
小朋友學會了：如果我看到一個模型，它是由「兩隻尖尖的耳朵」＋「兩顆圓圓的眼睛」＋「一個倒三角的鼻子」＋「六根長長的鬍鬚」... 用這樣的空間關係組合在一起，那這個模型 99% 的機率就是「貓」！
(最後，將所有器官組合起來，就能認出整張臉)
生活中的影像辨識例子：
- 手機人臉解鎖 (Face ID)：你的手機就是用這個方法，學習了你臉上「眼睛、鼻子、嘴巴」這些零件的獨特組合方式，所以別人解不開。
- 停車場車牌辨識：系統先在畫面中找到「長方形」這個零件（車牌），然後再辨識裡面的「數字」和「字母」零件。
- 醫療影像分析：醫生可以訓練AI，讓它在X光片或CT掃描圖中，學會辨識出代表「腫瘤」或「病變」的特殊圖案組合。
- 自動駕駛：車子的電腦不斷地辨識路上的「行人」、「汽車」、「紅綠燈」、「斑馬線」等各種物體模型，才能安全行駛。
簡單來說：
影像辨識就是教電腦「拆解」畫面，從最基本的線條和顏色學起，一步步組合，最終認出複雜的物體。這是一個由小到大、由簡入繁的學習過程！
光說不練不過癮，對吧？
下一歩，我們將一起來玩一個由 Google 開發的超簡單AI工具 Teachable Machine？它可以讓你在幾分鐘內，「親手訓練」一個專屬於你的影像辨識模型喔！完全不用寫任何程式碼！
