http:%2F%2Ff7.wretch.yimg.com%2Friverkid%2F53%2F1809765275.jpg

AI人工智慧無疑是2017年最熱門的話題,這個已經提出半世紀的概念,在AlphaGo打敗棋王後,開始獲得廣泛討論,也在各項技術大幅提升下,變成一個即將發生的未來,而其中最關鍵的技巧在於「機器學習」及「深度學習」。

 

最近有幸上了台大教授的機器學習課程後,對於AI又有重新的理解。

 

在一個網路流傳的六方格圖片中,很多人都認為AI是一個很科幻的技術,朋友都以為工程師可以呼風喚雨,操控一個充滿晶片的大腦,但工程師內心知道,其實這就是一連串的「If-else」,有的時候還要幫他做Error handling。這是大部分工程師都可以知道的「假AI」,或者我們將它定義為自動化,只要訂好所有規矩,電腦就能夠按照指令,日夜不停的工作,並將這些資料蒐集到大數據資料庫內,供研究者做後續分析。

 

那什麼是真的AI呢?

 

從工程師的角度而言,AI其實就是一種演算法不斷進化的結果,或者說就是一層一層複雜的函數加上機率產生出來的結果。

在任何事件開始時,都是一個未知的世界,就像嬰兒一樣,一片空白,這時候會開始進入探索模式,每嘗試一個動作,就有父母會給你獎賞甚至糾正,慢慢引導你前往一條道路,人工智慧也是一樣概念。

 

它有三個要數:函式、訓練資料以及評分機制。每次初始函式設定的參數會透過訓練資料來計算結果是否符合預期,越接近預期,就會得到越高獎勵。如此一來,電腦就可以透過不斷調整參數的方式,深度演化。

 

機器學習總有可能遇到瓶頸,如果已經在該領域達到頂尖,機器可能無法往下一步前進,因此我們要在提出深度學習的概念,用工程師語言來說,就是「模組化」。舉例來說,辨別世界上長頭髮的男生很難,因為這個世界的樣本不夠多,但如果可以分成辨別「長髮」和「男生」,這樣樣本數就夠多了。每一層都先選定最基本的元素,第二層在開始交錯,以此類推,就能深度學習各種技能。

 

聽起來很炫,但說穿了這就是一種技術,例如手機不斷進步,從2G5G,電腦、平板也日新月異,接下來無人駕駛也將可能蔚為風潮。只是這項AI技術和「大量學習」有關,這點就和其他技術不同了,只要資料夠多、運算速度夠快,很快都能改變我們的生活方式。

 

這是基本概念,撇開技術不談,這就是一種訓練的過程,人類世界很複雜,機器世界當然也更複雜,唯一的差別在於,人要休息,機器可以不用休息。當我們越突破這項領域,其實也代表自己越渺小,但別忘了,評分員還是我們,如何在這股潮流中找到一席之地,每個人現在就可以開始學習。

 

學習一項未知技能...
學習擁抱錯誤嘗試...
學習挑戰全新領域...

 

深度學習,是AI成功的關鍵,而它的價值在於不斷嘗試,將所有N個技能階層式向下擴張,從N變成N平方以此類推,聽起來速度很快,也有點可怕。但換個角度來說,既然人類是這些AI的老師,長江後浪推前浪,我們是否可以借力使力,創造更多可能性呢?

 

如果害怕這股趨勢,那就勇敢前進吧!

 

    riverkid 發表在 痞客邦 留言(0) 人氣()