輕鬆認識機器學習三大步驟 – 以辨識貓、狗為例

1. 機器學習三大步驟

機器學習是人工智慧的一個子領域。所謂機器學習，簡單來說，便是讓機器能從收集的資料中，經由訓練而學會特定模式(pattern)，並找出一個適當的數學模型(model)，進而和人一樣可以做出智慧性的預測判斷。

機器學習在訓練模型的過程，會根據任務需要而使用不同的方法(演算法)進行訓練。訓練過程中會牽涉到許多數學原理與計算，對初學者來說可以暫時忽略(筆者會在其他文章中介紹)，並不會影響了解機器學習的知識，等有需要時再行深入理解即可。而機器學習美妙之處便在於，只要有適當的資料，它的學習(訓練)就能自主完成。

毫無疑問，機器學習是人工智慧令人興奮的子集合之一。它可以從收集的資料中學習特定任務，了解什麼資訊可以讓機器發揮學習作用，以及將來如何使用它。如果你是一位初學者，想要快速了解機器學習的一些特點，那你可以參考下面這篇文章。

了解什麼是機器學習之後，本文將帶讀者實際體驗一下機器學習有趣的地方。

2. 無程式碼機器學習平台 – AI Playground

筆者使用 CodingLab 的 無程式碼機器學習平台 – AI Playground ，來視覺化說明機器學習三大步驟。此平台是目前是全世界僅有並且也是台灣唯一對中小學及初學者設計的機器學習教育平台，免安裝、免設定，並且免費使用。平台上有非常多的 AI 服務及模型可提供師生、初學者互動學習。

3. 機器學習辨識貓狗

首先，我們在平台上根據上述機器學習三大步驟來實作，並認識機器學習的主要流程。

Step 1 收集資料

先收集貓及狗各10 張照片並上傳(可利用 Google 搜尋圖片或使用攝影機收集)，建立對應的「貓」及「狗」類別。

Step 2 進行訓練

然後點擊訓練按鈕，系統會利用特定學習方法(演算法)，從收集到的資料中學會「貓」及「狗」的關聯模式(pattern)，進而訓練出一個可完成預測的模型。

Step 3 預測評估

當我們將機器從未看過的新照片給訓練後的模型辨識時，將可得到機器預測這張照片的答案，同時也可以評估這個模型好壞。

你會注意到，在提供資料(照片)給電腦訓練時，我們得明確地告訴它哪些圖片是貓、哪些圖片是狗。這個『貓』與『狗』的額外資訊，以機器學習術語來說叫做分類(class)或標籤(label)，而它將會成為模型訓練時用到的資料之一。同時這樣的學習方式，我們會給它另外一個名稱叫做監督式學習(Supervised Learning)。

正因為有了標籤，電腦得以自行學習『貓』與『狗』的差別。要是我們希望電腦能辨識更多東西如兔子、汽車、行人，就得提供對應的照片資料以及標籤來學習。而模型在做分類預測時，產生的其實也是標籤，代表它認為(預測)這張圖屬於哪種分類。

當然電腦實際上要如何解讀圖片，特別是大小不同、黑白與彩色的照片，背後仍牽涉到許多技術，我們也會在後續文章中介紹。但就現階段來說，一個經過適當訓練的模型已經可以毫無困難地從一張照片中辨認出數百種物件，人類自己說不定還辦不到呢！

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。