人工智能(Part 3) – deep learning 深度學習

自從 2016 年 3 月 用人工智能製作出來的AlphaGo 以四比一擊敗韓國圍棋九段棋士李世乭以後,AlphaGo 所使用的技術 — 深度學習引起了各方面的關注。令人遺忘的人工智能又再成為話題. 事實上,早在 AlphaGo 問世之前,深度學習技術已廣泛應用在各個領域。當我們對iPhone 的語音助理軟體 Siri , Google voice, Amazon echo, Microsoft Bing Speech 說一句話,語音軟體 將聲音訊號辨識成文字,用的就是深度學習的技術;當我們上傳一張相片到 Facebook,Facebook 可以自動找出相片中的人臉,用的也是深度學習的技術。其實大家不知不覺地已享受深度學習所帶來的便利很長一段時間了。

deeplearning

什麼是深度學習deep learning?
深度學習是機器學習machine的一種方法,有幾深度呢?

「機器學習技術,就是讓機器可以自我學習的技術。」但實際上機器是如何學習的呢?簡單講,機器學習就是供應一些訓練資料(training data sets),機器自動找出有用(不停運算加優化)的函數(function)。優化即是把error盡量遞減至好細好細.

ai_function

例如,如果將機器學習技術運用在語音辨識系統(voice recognition),就是要機器根據一堆聲音訊號和其對應的文字,找出如下的關係「語音辨識函數」:

輸入一段聲音訊號,輸出就是該聲音訊號所對應的文字。

如果機器學習技術應用在影像辨識系統(image recognition),那就是要機器根據一堆圖片和圖片中物件名稱的標註(每次提供caption + 圖片幫助建立),找出關係「影像辨識函數」:

輸入一張圖片,輸出是圖片中的物件名稱。

如果要機器下圍棋,就是讓機器根據一堆棋譜(前人學習的訓練資料)找出「下圍棋的函數」:
輸入是棋盤上所有黑子和白子的位置,輸出是下一步應該落子的位置。

以上要找的函數,共通點是它們都複雜到人類絕對沒有能力寫出它們的數學式(formulae),只有靠機器(好快的運算,記住好多好多的資料加優化)才有辦法找出來。那麼,機器要如何根據訓練資料找到函數呢?有一大堆的數學, 加上Neural Network(Parallel computing 加好多層layers的運算), 要開course 教.

技術層面的我不講太多.  可以參考下列的video, 下次有什麼專家再講未來十年「」(AI Artificial Intelligence)將會衝擊/取代多個行業, 你會笑一笑. 人工智慧雖然可優化某一個領域的精確度, 快速做決策,但它是沒有情感,不會創新,因此就算贏了棋局也不會感覺快樂。而人與人之間的互動、對話、聯繫、噓寒問暖……是冷漠的機器辦不到的,這也是我們略勝一籌的地方。。

李飛飛 at TED2015
我們如何教導電腦看懂圖像

How to Make a Prediction – Intro to #1

A friendly introduction to Deep Learning and Neural Networks

 

Google Cloud Next 2017- Google Gets Aggressive in A.I.

Andrew Ng: Artificial Intelligence is the New Electricity

 

如果有心,深入理解, 什麼Cost function, activation function, gradient descent, supervised machine learning, 看這李宏毅 和 Andrew ng 的 video series:

李宏毅 Machine Learning

(39 VIDEOS)

李宏毅
Advanced Topics in Deep Learning

(25 VIDEOS)

Andrew Ng – Machine learning coursera

Spread the love
Posted in i.social, i.tech and tagged , , .