使機器變智慧的 7 件事

在過去的數十年裡，出現了許多不同的人工智慧研究分支，而機器學習是其中一個技術分支，同時也是目前最廣泛使用和談論的部分。但其實機器學習已經存在好一段時間，一直到過去十年中才開始嶄露頭角。因為數據愈來愈多，運算能力越來越強等因素，讓大家也愈來愈重視它。而這樣的技術讓機器可以進行學習，並且可以學會準確地做出許多預測。

想了解機器是如何學習，並進而能有智慧，那你可以先瞭解這 7 件事：

1. 機器沒有數據就無法工作

人類學習主要來自於經驗，而機器為了要學習如何擅長做出預測，需要的第一件事就是數據，事實上，收集數據與收集經驗非常相似。

人類會不斷累積經驗，來做出更好的判斷，而機器也是根據數據經過學習後，能有很好的預測能力。

2. 機器可以感知周圍的世界

我們知道機器學習需要數據，那它實際上是如何獲取數據的呢？除了我們準備好數據提供給它之外，機器主要會透過傳感器(Sensors)來感知周圍的世界，並將這些觀察結果(圖像、文本、聲音)轉化為數據。

而人類則是使用各種感官來感知周圍的世界，這些感官就是我們的“傳感器”(Sensors)。

3. 機器可以識別模式

機器有了數據後，可以在其中尋找模式(Patterns)，而模式識別會是機器學習中最重要的一個過程。同時模式可以讓我們從數據中發現洞察力，並且利用它來進行預測。如果數據變得很大，機器在尋找數據模式方面會做得更好。

4. 機器可以從數據中學習

與其他 AI 技術相比，機器學習是獨一無二的，因為它可以從數據中學習。我們提供的數據越多，機器做出預測的能力就越好，同時產生的錯誤也會比較少。這就是為什麼在機器學習的世代中，數據為王。

事實上，機器學習已經存在許多年，但直到近幾年機器學習才開始起飛並獲得重視。主要是因為我們可用的數據類型和數量都出現了驚人的增長，並且運算處理能力也大幅增強。為機器提供大量數據，使其擅長預測。 這個過程我們稱為“訓練”。在此訓練過程，機器會持續學習，直到它所犯的錯誤程度變小。

其實，人類也需要大量的“數據”來學習。還記得前面所提的經驗比喻嗎？我們收集的經驗或數據越多，我們就越有能力做出未來許多決定。

5. 機器可以把東西變成數字

對於我們使用機器學習來說，數據必須是數字的形式。但是，如果數據不是數字，例如圖像、文本或音頻呢？

不用擔心，機器幾乎都可以將它看到的所有東西變成數字，這意味著它們將成為數據。

6. 機器的”大腦”有點像人腦

有一種機器學習技術稱為神經網路(Neural Network)。它雖然存在很久，但現在非常流行，因為它可以在最複雜的數據中找到模式(Patterns)。

神經網路有點像人腦。它由我們稱為神經元的單元組成。我們可以將這些神經元想像成很微小的智慧積木。單一看一個積木時，起不了什麼作用，但是放在一起時，它們可以做一些非常棒的事情。神經元可以相互連接，同時當我們提供的數據越多，神經網路將會學習的越多。

7. 人類可以決定機器變好或變壞

對於任何技術，總有辦法將其用在好的地方或壞的地方，這些非技術好或壞的問題，而是使用它的人可決定它走哪條路。沒錯，決定的人就是你和我。

人工智慧是一種影響各行各業的人的技術。所以，我們必須從一開始就做到這一點，那就是現在。當我們創建人工智慧系統時，應該考慮許多道德問題。例如，必須尊重每個人的個人數據隱私權，同時必須確保人工智慧系統不偏向特定人群，而產生偏見。

最重要的是，當我們利用人工智慧進行創新時，應該考慮它對今天和未來社會的影響。

想瞭解更多這一方面知識，可以參考「Zero to AI – 人工智慧」

如果你喜歡這篇文章歡迎訂閱、分享(請載名出處)與追蹤，並持續關注最新文章。同時 FB 及 IG 也會不定期提供國內外教育與科技新知。