AI 學習筆記(I) 機器學習vs. 深度學習 - Medium

也正是如此，深度學習的模型訓練速度才有爆發性的增長，並逐漸成為人工智慧領域的 ... 電腦模擬人類做的事情」，接下來再慢慢介紹什麼是機器學習，什麼又是深度學習。

GetunlimitedaccessOpeninappHomeNotificationsListsStoriesWritePublishedinYCLiu'sNotesAI學習筆記(I)機器學習vs.深度學習大學畢業後開始在一家AI新創擔任商業相關職位，也許是因為這樣，最近經常被一些朋友問到：『機器學習跟深度學習的差別是什麼?』。

今天我想試著用比較科普的方式來回答這個問題。

首先，我們先用一句話簡單定義什麼是AI—「讓電腦模擬人類做的事情」，接下來再慢慢介紹什麼是機器學習，什麼又是深度學習。

下圖是一張取自Nvidia部落格的圖，主要提供我們2個重要的訊息:Figure1:人工智慧演進(Source:Nvidia)機器學習(MachineLearning)是AI的一個子集合，是實現AI的其中一種方法；深度學習(DeepLearning)則是機器學習的一個子集合，所以是機器學習的其中一種方法。

AI的概念早在1950年代就被提出；機器學習的相關演算法也早在1980年代就有，並不是一個非常新穎的概念；深度學習則是在2010年代才正式興起。

為何深度學習會漸漸成為主流方法?I.資料量的增加:深度學習需要有大量資料才能達到較佳的效果，網路與通訊技術的進步使得資料的蒐集與取得比過去更有效率。

資料量若是不夠，深度學習的效果就不會太好。

II.GPU(圖形處理器)技術的逐漸成熟:過去的深度學習演算法是透過中央處理器(CPU)進行運算。

由於深度學習計算量大，且CPU的架構並不那麼適合深度學習，所以進行模型訓練所耗費的時間非常長。

相較於CPU，GPU處理圖形所用到的運算架構則非常適合深度學習。

也正是如此，深度學習的模型訓練速度才有爆發性的增長，並逐漸成為人工智慧領域的主流。

前文中有提到，AI是讓電腦程式模擬人類的決策/判斷，那麼機器學習就是讓電腦看過並「學習」大量數據，然後對問題進行推理與判斷的流程。

接著，我們可以再深入探討傳統機器學習與深度學習在算法架構上的差異。

假設我們需要分類圖片中的動物到底是貓還是狗，傳統機器學習和深度學習分別會如何進行?Figure2.機器學習vs深度學習(Source:Quora;Icon:Flaticon)機器學習:資料輸入→特徵擷取→訓練模型→輸出(判斷)進行學習前，需要先有資料。

輸入資料後，機器學習需要進行「特徵擷取(featureextraction)」，在此例的貓狗分類問題中，先假設我們認為可以分出兩者差異的是花色(X)、耳朵形狀(Y)、臉型(Z)。

值得注意的是，上述這3個特徵是「人想出來的」。

進行特徵擷取之後，將資料再輸入訓練模型中(由於此例是貓狗分類問題，模型是一個分類器)，最後便可以得到我們想要的答案(A)—圖片中的動物是貓還是狗。

若以數學式來表達，可以寫成:A=aX+bY+cZ深度學習:資料輸入→特徵擷取+訓練模型→輸出(判斷)與傳統機器學習相同，深度學習也需要先有資料。

不過，深度學習不需要再人為進行特徵擷取。

只要把資料倒入訓練模型(常常會聽到的「神經網路」)中，訓練模型會自己進行特徵擷取，接著進行判斷，得到答案(A)。

值得注意的是，由於特徵擷取是由電腦進行處理，最後的答案可能會是:A=dX+eV²+fW+gUV。

除了X是我們已知的花色之外，可能出現V(例如:眼睛顏色)這類我們沒想到的特徵，或是W、U等我們無法理解的特徵。

當資料量越大，深度學習可以擷取的特徵可能性就越多，最後判斷的結果也會更加精準。

下圖顯示當資料量超過一定的級數，深度學習的效果會遠遠超過傳統機器學習算法的效果。

因此，如果我們的數據量足夠，並且想獲得較好的結果，在不考慮開發時間的情況下，通常會選擇深度學習演算法。

Figure3.為何使用深度學習?(Source:AndrewNg)小結：深度學習是機器學習的一種。

當資料量夠多，深度學習可以達成比傳統機器學習方法更好的效果。

這是目前撰寫的第一篇科技相關文章，目的是希望用比較淺顯的文字介紹機器學習與深度學習，並說明兩者之間的不同。

未來也計畫會發表更多金融/科技相關的文章，請讀者持續關注我的Medium，也感謝閱讀到這邊的你/妳。

YCL.-MediumReadwritingfromYCL.onMedium.Tech&Financeenthusiast|BusinessDevelopment@AIStartup|EE&Econ@NTU…medium.comMorefromYCLiu'sNotesObserve|Think|Analyze|ShareReadmorefromYCLiu'sNotesAboutHelpTermsPrivacyGettheMediumappGetstartedYCLiu170FollowersLovesTech&Finance|BusinessStrategy@AIStartup|EE&Econ@NTUFollowMorefromMediumOjaskulshresthaRECURRENCERELATIONGalaAlemanyTraconisinWebspinnermagSleeplessStill:InterviewWithRevoidJunHanChinNoveltyandloyaltyShashiharaanThirunavukkarasuArticulationpointinagraphHelpStatusWritersBlogCareersPrivacyTermsAboutKnowable