什麼是AI？
什麼是機器學習（ML）？
什麼是深度學習（Deep Learning）？
什麼是資料探勘（Data Mining）？
什麼是大數據（Big Data）？
儘管身為近幾年最熱門的科技名詞，也有許多人每天接觸這些科技，但這些名詞仍舊非常容易被混淆。
TL;DR
Artificial Intelligence
原本是用來指稱「如何使機器通過圖靈測試」的一系列研究。現今AI已逐漸成為商業與行銷用詞，可能泛稱所有與自動化相關的技術。
Machine Learning
機器學習用於在資料中尋找pattern，進而分類、辨識、預測、估計一系列未知標的。現已逐漸成為非深度學習的機器學習技術的代稱。
Deep Learning
深度學習是一種機器學習技術。其應用強項為影像、聲音、時間序列、語言等具備局部性性質的資料。
Data Mining
資料探勘是一門從巨量資料中尋找未知洞見的技術。其中可能牽涉統計、機器學習、domain know-how等一切手段。
Big Data
大數據探究的是如何處理巨量資料。其中包含如何系統性的取得資料、如何有效率的存取資料、以及資料探勘這種挖掘商業價值的工作。
What is Artificial Intelligence
I propose to consider the question 'can machines think'?
Turing, Alan
1950年，計算機之父Alan Turing提出著名思想實驗——Turing Test (圖靈測試)，嘗試去回答機器是否可能像人類一樣思考。圖靈測試中，你需要去分辨一個封閉的房間中的受試者是人類還是機器。當然不是瞎猜，你可以在紙條上面寫上你想問的問題，傳入房間內。受試者會回答你的問題，並把答案回傳給你。如果你無法通過這種問答模式分辨出房內是人還是機器，則該受試者通過了圖靈測試，而通過圖靈測試被認為是擁有如人類般的思考能力。
在此之後，計算機領域的各路好手開始去研究如何能使機器通過圖靈測試。這一系列研究在後來被統稱為人工智慧(AI)。有專門下棋的deep blue與alpha go，有專注聽懂人話的Siri和Alexa，也有Tesla的自動駕駛，這些都是比較廣為人知的AI應用領域。
但事實上，應用領域並非判斷是否為AI的標準，實作方法才是。
AI泛指一切能根據自身環境，採取最大可能達成目標之行動的系統
Poole, Mackworth
以偵測垃圾郵件為例。有兩套專門偵測垃圾郵件的軟體，姑且稱他們A-ware與B-care。在收到信件後，他們都會檢查信件主旨、寄件者、以及內文，來判斷信件是否為垃圾郵件，但兩者判斷方式是不同的。
A-ware有一個黑名單，只要信件是黑名單中的某人寄的，就將該信件標示為垃圾郵件，而使用者也可以編輯這個黑名單。另外，A-ware的使用者也可以自行輸入某些例如「廣告」、「特價」的關鍵字，只要將來有任何郵件的主旨包含這些單詞，A-ware就會把他歸類為垃圾郵件。最近，A-ware也提供了黑名單共享機制，讓使用者不必自行定義黑名單，也可以匯入別人建立的黑名單，使得垃圾信件的防護更加完善。
另一方面，B-care公司在研發階段就收集了大量的垃圾郵件以及一般郵件，通過自然語言處理分析郵件語意，將數以萬計的語意聚類為數百種大方向，再通過二元分類器將這幾百種語意方向歸類為垃圾或一般。產品發佈後，B-care的使用者可以透過反饋錯誤判斷的類別，使B-care得以藉此強化現有的分類方法。
同樣都是垃圾郵件偵測軟體，A-ware和B-care都能夠成功的幫助使用者排除垃圾郵件。但即便兩者都需要人的幫助（A-ware有人工輸入的黑名單，B-care擁有大量人工分類好的垃圾與一般郵件），只有B-care才有使用AI技術，而A-ware則會被認為是rule-based system。因為A-ware的過濾規則是人設計的（是否在黑名單），而B-care的過濾規則不是人設計的，人設計的是「生成過濾規則」的流程，諸如自然語言處理等等。
我們能夠很快的辨識一個人是否禿頭，卻很難給出少於幾根頭髮算是禿頭。
the bald man paradox
然而近期，AI一詞愈發氾濫，許多自動化工程也被冠上AI的噱頭。比起指稱產品的實作方法，AI更像是一個行銷用詞。例如一台標榜具有AI省電功能的冷氣，就算工作原理是低於25度就用低速運轉、反之就用高速運轉，也完全不會令人感到意外。
什麼是機器學習？敬啟期待下一篇文章。
Top comments (0)