 |
| 在Google擔任人工智能、計算神經科學、及可量化機器學習研究員的Greg Corrado 博士。（圖／黃慧雯攝） |
1、 機器學習是什麼？
一個改變現有軟體工程師工作內容的方法。相較於過去工程師透過撰寫有實際演算法的程式碼，讓程式（program）透過實際的條件來執行（重複性高的任務），機器學習則是讓程式透過大量的實際例子來學習。
以下透過讓機器學習預測「學生讀書時間與學業成績間的關係」這件例子來解釋機器學習的過程。試想，學生閱讀（x）的時間與學業成績（y）之間的關係，若以不同的xy參數來代表，透過一些學生的資料，我們可以在數學的象限繪出一條能以代數方程式呈現的直線，來代表當中的關係。而對於機器學習來說，這條直線與y軸之間的角度（W）以及與原點間的距離（b），可以讓我們得出這條直線的代數方程式為y=Wx+b。而機器學習則是透過大量的例子（學生成績與學習時間的資料），作為Learner，讓擁有機器學習能力的程式，透過微調W與b的數值，讓所繪出預測直線，能更為準確地預測下一個學生的資料。
 |
| 讓機器學習預測「學生讀書時間與學業成績間的關係」的例子說明。（圖／Google） |
相對於過往的Program，可以透過套用工程師寫下的演算法快速得出一個結果，然而所能處理的任務，卻對於人們日常生活便利性的提升，帶來不大的效果；機器學習透過非常大量例子學習的歷程，會漸進式變得更為準確，較能滿足「提升人們日常生活品質」的這個目標，例如讓你不用減少電子信箱中看到垃圾郵件；當你習慣於給予Google「某些電子郵件是垃圾郵件，而某些被判斷為垃圾郵件的信件，並非屬於此類」的回饋時，其實背後的機器學習程式將會慢慢學習到對於你來說，哪些信件應該歸為垃圾郵件，哪些不是，隨著時間前進，結果會越來越準確。
3、機器學習能得到什麼結果？
透過機器學習，你能得到一個較為一般性的結果，例如「包含某些特定內容的信，對於大部份的使用者來說，是垃圾郵件」，然而這不一定適用在「所有的」使用者身上。
4、過往有時會聽見的「深度學習」又是什麼？
深度學習（deep learning）屬於機器學習領域，而且是一個具備巨大影響力的工具。簡而言之，深度學習模擬了人們大腦神經元的運作模式，透過運用多層次的機器學習功能（程式），可以讓機器學習像人類一樣判斷一些事情，例如「辨識圖片中的主體是貓」。
深度學習當中的每一層程式，類似大腦的神經元，執行的任務很小，但是所產生的結果將被下一層機器學習程式作為輸入（input），再接著進行下一階段的任務，而透過多層次的學習歷程，也就是說一個具備多個機器學習功能的深度學習程式，就可以執行「辨識圖片中的主體是貓」的任務。
 |
| 透過深度學習，可以達成圖片內容辨識的任務。（圖／Google） |
當前，Google已經將機器學習的成果運用在Inbox by Gmail App（最新發佈的Smart Reply功能）、Gmail Spam判斷、Google Photos分類與搜尋、Google翻譯的語音辨識等功能中。也就是說，在你可能沒有察覺的情況下，你已經接受了不少來自Google於機器學習領域所獲結果的幫助囉！
 |
| Google旗下多款工具都已運用在機器學習相關技術。（圖／Google） |
根據在Google擔任人工智能、計算神經科學、及可量化機器學習研究員的Greg Corrado 博士所言，因為電腦當前的速度已經夠快，可以處理大量的資訊，因此需要仰賴大量例子來學習的機器學習，能產生可見且具影響力的成果，讓人們的日常生活更為便利。
7、機器學習是一種魔術嗎？
透過了解以上內容，相信你可以輕鬆回答這個問題，答案就是「No」，機器學習是一種運用於許多終端產品中的工具。
作為一個讀者（消費者），你或許不需要太過充分的理解以上的內容，不過你卻已能體驗到Google投注在機器學習領域的成果，並且天天享受它。如果你期待你手中的手機、電腦還能更聰明，還能為你想到更多，未來你能持續關注這方面的議題，或者甚至成為一個程式開發者的方向來努力。因為日前Google甫推出了TensorFlow，內容是機器學習原始碼，藉由開放TensorFlow，Google期待將加速機器學習領域發展，所以你也能成為替人類生活帶來更多便利性的當中一員！
 |
| Google釋出機器學習相關的原始碼，並採開放的做法，名為TensorFlow，企圖加速此領域的發展，或者更進一步站穩領先者的地位。（圖／Google） |
沒有留言:
張貼留言