说文解字第18课：深度学习DeepLearning

在AlphaGo挑战世界冠军棋士李世乭，以4比1的成绩取得胜利后，深度学习这个名词一下成为热门关键字，其实这种技术的应用范围不只限于围棋而已，影像辨识、垃圾信件过滤、网友留言分类等等工作，也都能在深度学习的协助下让电脑自动进行。

能自我学习进化的人工智能

人工智能（Artificial Intelligence，简称AI）指的是由人工制造出来的系统，并透过系统的运作展现推理、知识、规划、学习、交流、感知等智慧，进而模仿人类解决问题的能力。

从人工智能的运作方式，可以粗分为弱人工智能与强人工智能，前者不需要和人类一样具有完整的认知能力，也没有完整的思考能力，基本上只能用于处理特定工作，例如只能下围棋的AlphaGo就是个例子。而后者则比较偏向科幻电影中出现的情节，它不但具有知觉与自我意识，也能够像人一样思考，简单地说，就是像“哆啦A梦”这类能够自主思考的机器人。以现今科技发展来看，目前尚未出现真正的强人工智能，现成的技术仍以弱人工智能为主。

机器学习是人工智能的1个分支，而这次要讨论的深度学习则是机器学习底下的子分支，它能够对资料运用特征学习法（Feature Learning），在规模庞大的资料中自动进行学习，并将结果用于分析输入的资料。

由于深度学习牵涉到许多深度神经网络、卷积神经网络等专业领域与数学知识，并不是相当好懂，笔者也不打算在这边深入研究，有兴趣想进一步了解的读者，建议可以参考这部由国立台湾大学资讯网络与多媒体研究所的李宏毅教授所讲解的影片。

笔者在这边，以AlphaGo作为简单的例子，来说明深度学习的运作概念。AlphaGo的思考模式并不是像人类一样，透过理解围棋的战略与对手的棋风，来决定棋子的落点，而是在知道规则（棋子可以下在哪些位子，什么情况可以获得胜利）后，透过输入大量资料（输入棋谱或是让2套系统互相对战）的方式，让系统自动学习在什么情况下、做那些决定最容易获胜。

如此一来系统就能反复学习、提升自己的实力。但有趣的是，系统并非真正了解“围棋的奥妙”，而是单纯透过数学演算的方式，选择获胜机会最大的走法。

利用深度学习让购物更便捷

深度学习相当适合用于分类，我们可以透过告诉系统“什么东西属于哪些类别”，之后就能让系统自动进行训练，并调整算法中的参数，或是告诉系统训练的结果是否正确，来让分类结果更加准确。

举例来说，荷兰皇家航空公司就采用深度学习协助客服人员处理社群媒体的讯息。这套系统可以分析过去产生的客服资料，并自动学习其中的模式，当有顾客传送电子邮件、即时通讯、社群媒体、简讯等讯息时，系统就会自动为讯息分类，并预测最佳回应方式，这时候客服中心人员只需要审核并小幅修改，就能回讯给顾客，大幅提升回讯速度。

由来自新西兰的IMAGR公司，所开发的SmartCart智慧购物手推车系统，也是以深度学习搭配影像辨识为基础，让系统透过分析商品图片来学习辨识商品，来达成自动结账的功能。在使用SmartCart的流程中，消费者需要先下载超市的App，然后就可以自由在超市内选购商品，当商品放入手推车的时候，手推车上的摄影机就会自动进行辨识，并将商品价格显示在App中，当消费者完成采买后，钱会直接从绑定的付款方式中扣除，不需结账就能直接离开超市。

由于深度学习仍然属于弱人工智能，所以它并不像人类一样具有自主意识，甚至不知道自己在作的工作为何，只是跟着算法不断找出“最符合需求”的答案，从上面的例子来看，就是从各种回复范本与商品种类中，选出最适当的回复与正确辨识商品。所以至少在这个阶段，我们还不必担心人工智能会像科幻电影中，产生取代人类的构想。

说文解字使用范例：

O：深度学习技术能够强化电脑的人工智能。

X：如果考试成绩不好，可以考虑参加补习班的深度学习课程。