B 航線：沒有標準答案，AI 是怎麼「自己找規則」的？

有些勇者一生都在尋找：命運的規則

前言：

相對有答案的《監督式學習》來說，《非監督式學習》的命運稍悲慘一點，它的學習要靠自己摸索找答案。

這種自己摸索的技術，也是目前 AI 領域最受矚與期待的。
我將這部分拆成二大塊，一塊放在《非監督式學習》；另一塊內容較深，我會放在《生成式 AI》那一航線。

非監督式學習，其實只在解三種問題

既然沒有標準答案，
非監督式學習能做的事，其實就沒那麼多。
如果把所有模型、名詞先收起來，
它本質上只在回答三個問題：

1. 哪些資料彼此相似？
2. 哪些特徵才是真正重要的？
3. 哪些事件常常一起發生？

這三個問題，正好對應到三種最核心、也最常被考到的模型方向。

一、聚類分析（Clustering）：

AI 先分群，再請人來解釋

聚類分析做的不是「判斷對錯」，
而是嘗試回答：

👉 這些資料，應該要被分成幾群？