2024-01-31|閱讀時間 ‧ 約 27 分鐘

2024 讓你 8分鐘 懂機器學習: 01 機器學習 vs 人工智慧

圖片來源 : DALL-E 生成

圖片來源 : DALL-E 生成

2023 年,被世人稱做 生成式 AI 世代的元年 ,網路上不斷地湧現出各式各樣的 AI 工具,改變了我們生活的一切。

那 AI 到底是什麼?

圖片來源 : DALL-E 生成

要了解這個問題,我們首要得去理解的是,人工智慧 與 機器學習 到底有什麼關聯?


人工智慧 (Artificial Intelligence, AI)

簡單來說,就是透過電腦去模仿人類解決問題。我們來透過一個日常生活中常見的情況,舉一個簡單的例子吧:

今天 不斷地打噴嚏,且眼睛開始發癢 。很難受的你,最後決定去診所看病。你向醫生描述了症狀,於是根據你的描述,醫生推理出了,你其實只是過敏 而已。

圖片來源 : DALL-E 生成


醫生到底怎麼判斷出你的病況的?其實在醫學相關知識中,就有寫到哪些病會有哪些症狀。而醫生根據這些內容,整理出了一套規則:

規則1:如果病人有發燒且有咳嗽,則診斷為流感。
規則2:如果病人有咳嗽打噴嚏,但沒有發燒,則被診斷為感冒。
規則3:如果病人不斷打噴嚏,沒有咳嗽不舒服感,則被診斷為過敏。

醫生便透過你的症狀,查找這個規則,發現:

這個症狀只符合 規則3 ,因此醫生推斷你得了過敏而已。

圖片來源 : DALL-E 生成


剛剛上述,透過定好規則來用症狀推測疾病的方法,就是較為早期人們製作人工智慧的其中一種方法,稱作 規則式系統(Rule-based Systems)。

當然,人工智慧還包含了更多種方法,比如說:

知識表徵(Knowledge Representation):這是人工智慧中的一個重要領域,涉及理解和表示外部世界的知識。這包括對概念、實體、事實、事件等的建模,以及如何有效地存儲和檢索這些知識。自然語言處理(NLP):NLP不僅僅是關於理解和生成語言,它還包括情感分析、語言翻譯、語義理解等多個方面。專家系統(Expert Systems):這些是設計來模仿人類專家決策過程的系統。它們通常用於特定領域(如醫學診斷、金融分析等),依賴於豐富的領域知識和推理規則。電腦視覺(Computer Vision):這個領域專注於讓機器理解和解釋視覺信息。

這些方法,不用全部都懂沒關係!這些僅僅只是 人工智慧 所涵蓋的所有內容,而接下來要介紹的 機器學習,只是 人工智慧 當中,其中一個實現的方法。


機器學習(Muchine Learning, ML)

大家不用把 機器學習 想的太難,其實他就只是 人工智慧 的其中一個分支。機器學習 是透過 資料 的訓練,讓機器找出 資料 與 結果 的關係。舉個例子:

當你今天第一次看見兔子的時候,肯定會不清楚原來他是兔子。於是你的朋友告訴你,這個就是兔子。過了幾天後,你再次看見兔子,因為還不太熟悉,你可能會半信半疑,覺得這個 可能是兔子 。隨著你看兔子的次數越來越多,你會慢慢地可以從兔子的各種特徵,去辨認這隻動物到底是不是兔子。經過長時間的訓練後,最後一眼就能看出,這就是兔子。

圖片來源 : DALL-E 生成


而 機器學習 就類似於,模仿人類在學習的過程,透過不斷的訓練,最後學會怎麼去判斷。換句話說, 機器學習 就類似於透過學習去模仿人類的智慧,因此屬於 人工智慧 的細項。而機器學習,又細分為以下四種:

監督式學習 (Superviesd learning):所有資料都有被 標註(label),因此每一筆資料都有答案。以剛剛的兔子為例,就像是你朋友把一堆照片給你,照片上面有標註 是 或 不是 兔子。於是你開始不斷地複習這些照片,慢慢地你就能學會辨識兔子。

非監督式學習(Unsupervised learning):所有資料都沒有被 標註(label),因此沒有資料有答案。就像是說,你朋友給你一堆照片,上面有不同種類的動物,但他並沒有在照片上寫上這隻動物是什麼。最後,在不斷的複習之下,你只能將類似的動物做分類。得出結論,毛茸茸的這些是動物 A,很大隻有長鼻子的是動物 B。

半監督式學習(Semi-supervised learning):部分資料有被 標註(label),因此只有部分資料會有答案。類似於,你的朋友給了你一堆照片,上面只有部分照片寫有  或 不是 兔子。因此你只能透過觀察那些有寫答案的照片,上面兔子的特徵到底是什麼,最後去辨認並分類剩餘沒有答案的照片。

強化式學習(Reinforcement learning):電腦自己去與環境互動,透過成效去學習。我們舉個例子,今天朋友帶你去兔子園,但他完全沒告訴你可以幹嘛,於是你就到處走走、到處摸摸。突然,你找到了飼料,並裝好了飼料給兔子吃。你朋友這時候就現身說,你做了一個正確的事情,超棒的。此時你便知道,拿飼料給兔子吃,是一個正確的行為,於是你就會經常去做這件事情。


總結

差異

機器學習就是人工智慧的一種方式,而人工智慧是屬於更廣的意義。

人工智慧:模仿人類的智慧,去解決問題。機器學習:模仿人類不斷學習,學會如何解決某個特定問題。


下一章

在下一章節,準備帶給各位更深層的機器學習的概念,讓大家為後續更為艱深的內容奠下基礎。


參考資料

[Machine-Learning] 3分鐘了解機器學習在學什麼 ? 
Shang-Jou Ian (Terry毛) 
Mar 26, 2019

分享至
成為作者繼續創作的動力吧!
© 2024 vocus All rights reserved.