第20天，我們要來直接面對【人工智慧(AI)】了。

從Day1一路下來，循序漸進，從資料收集、資料匯入、資料清洗、資料採礦、資料分析，延伸出大數據、機器學習，直到今天的【人工智慧(AI)】，相信應能明確呼應我的參賽主題「AI無法一步登天，讓我們先從專有名詞定義開始。」

沒有機器學習，就沒有AI；
沒有大數據，就沒有足夠深度可讓機器做學習；
沒有那一道道猶如清下水道般辛苦的資料處理程序，縱有大數據也是枉然。

一切是那麼地環環相扣、層層演進、缺一不可。

如果機器學習是一個人類，那麼，AI，就是一個試圖追求瞭解「小至原子、大至宇宙、橫往五度空間、縱往前世今生」的超人類。這形容太浮誇？不會，讓我們繼續來看蘿蔔排骨湯。

這是機器學習的限制範圍：

1. 逛遍3個菜市場的所有菜販和豬肉攤
2. 每1攤早中晚各買1次(如果只有早市，沒出現買不到就算了)
3. 連續30天
4. 來看看哪1攤出現品質最高的次數最多
5. 再接著10天，開始只光顧這攤，看看是否一如預期的高品質
6. 最後，終於確定，只要去這1攤，自己買到最佳品質食材的機會最高

小至原子

前面提到步驟2是早中晚各買一次，但到底，所謂【晚】是多晚？是每天的晚上六點(固定時間)？還是每天太陽下山落下去的瞬間(不固定時間但有遵循某個規則)；整攤的蘿蔔有好幾根，我是要拿最左邊的？還是最右邊的？中間最上面的？還是最下面的？

這正是恐怖之處！往更細節去看，在機器學習中已經很麻煩的步驟1~4，還必須依照上面的不同，重新各自再跑過n次。

大至宇宙

步驟3要連續30天，但實際上，會不會連續29天就能得知，還是連續跑到35天是最好的？或是連續15天就夠了？步驟5不必再測試10天，只要3天就夠了，還是其實要12天？

最好的方式，是連續30天的狀況測試100次、連續29天的狀況測試100次、連續28天......，如此一來，我就能知道連續哪個天數是最好的。

等等！可是這都是測試100次，會不會測試99次就夠了，會不會測試98次就夠了，甚至50次就夠了？最好的方式......
(你應該不希望我繼續說下去了吧？)

原子+宇宙，即是【深度學習(Deep Learning)】的概念，相同規則之下：

往下細細切分，往上重重包覆。

以期待對於每個變數，經反覆學習之後，找到最恰當的值。

橫往五度空間

「墨菲！墨菲……」
廣度就像是讓具備深度學習的人類，開始跨各個領域學習。挑到最好的食材只是其中一小步，一碗好的蘿蔔排骨湯可不是只有食材啊，湯頭、色澤、碗的美觀、端上桌的時間長短(冷掉了沒)，最好的方式，就是必須測試過所有組合，每種組合也不是只試一次……

縱往前世今生

一碗熱騰騰的蘿蔔排骨湯上桌了，小馬品嘗之後，背後出現三排拿扇子開始跳舞的宮女，一切已經趨近完美，但小馬想試試如果多加一塊蘿蔔會怎樣？他將時間倒轉回下鍋的那一刻，多丟了一塊蘿蔔進去，接著食用這回合料理的蘿蔔排骨湯，於是，眼前景象換成了驚滔駭浪，拍在雄壯陡峭的蘿蔔山壁上。

那如果多加一塊排骨呢？再次時間倒轉，這回合品嘗完，小馬暈死過去，原來上了天堂，他在那遇見一頭豬，豬微微笑地叫住了小馬，一人一豬坐在雲端上，豬開始將牠的生平娓娓道來……最後小馬悠悠甦醒，身旁僅存一只空碗。

再次時間倒轉，小馬再次發動【Reading Steiner，又稱命運探知之魔眼(詳請查詢動畫「命運石之門」，小馬這輩子最喜歡的動畫，沒有之一。)】......

嗯!?你問我為什麼要倒轉時間？為什麼不直接再做一碗元素不一樣的湯？因為這樣一來...品嘗的時間點會不同啊；時間不同，那...一口氣做出好幾碗呢？同一時間品嘗好幾碗呢？裝湯的碗會不同啊(就算是相同的碗，也會略有差異吧？)。不做到所有其他變數都不變，就沒辦法確定某個變數所帶來的實際影響。

可是變數那麼多，範圍這麼廣，怎麼可能一個一個去測啊...
是的，解決這種多變數影響，讓多變數同時往最佳值去移動的過程，就是【梯度下降(Gradient Descent)】的觀念。當然這邊就不再細談，只要知道，這是一個非常非常非常非常浩大的過程，才能進化出......

進化！人工智慧！

深度學習(往下細分 + 往上包覆) + 足夠廣度(五度空間) + 自我修正(前世今生)
=【人工智慧(AI)】

最後的最後，AI經過了完整全面向的資訊收集與數據分析及結論反覆驗證測試後，它得到了以下的結論，一碗最受眾人喜愛的蘿蔔排骨湯，是這樣來的：每天晚上17:20分到第一市場的三號攤位買蘿蔔，要選位在中間上排偏右的蘿蔔；下午17:45分到第三市場的九號攤位買排骨，老闆穿著白色吊嘎時最容易談價格；下鍋時的蘿蔔平均每碗需要3塊蘿蔔，切成長寬高2*3*3是最適大小……

好了我就不再談下去，人工智慧的概念即是如此，它可能得到集眾人經驗的認知，也可能透過自我不斷的迴圈訓練測試驗證，得到不為人知的優勢。當然，我承認具體來說，這邊只提到了食材準備的部分，但相信聰明如你，肯定能舉一反三其他部份了吧？

截至於此，並沒有一個明確的切分點，去說，哪個臨界之前只能稱為機器學習、哪個臨界之後才能稱為人工智慧。當然某種程度上，是因為人類還沒有足夠的經驗和高度，可以去確認這個臨界吧。

20天的專有名詞說明篇 多說兩句

如前一天所述，AI在我職涯領域，
屬於看似取得門票卻又尚未實際踏入的一個大殿堂，
本篇...蠻遺憾的...沒有能直接針對AI的番外篇。

文字敘述的部分，也在本篇完全結束，
期待有朝一日，這些專有名詞，
可以被人們理解後善用，而不再是積非成是的誤用。

往下，我將開始說明SQL迴圈的主要寫法，
以及我常用的工法，會詳細說明為什麼要這樣做，優點是什麼？
很開心一路陪我到現在的各位讀者，從點擊數和讚數去看雖然不太多，
但這些數字，都是我每天發文的動力之一，感謝你們。

由於接著10天是實際SQL操作，總覺得會和前20天的風格迥然不同，
好不容易喜歡這趨近純文字系列的讀者，
可能將對接著的10天coding會稍嫌無法接受......

不過這也是小馬主張，認為必須把每天主題完整說明清楚，
而不會同樣一件事因為字數達標，就切成好幾天去寫。

因此這樣的編排，是剛開始就決定的，還請各位多多包涵了。

話說回字數...Day1本來還只說30天要寫18,000字，
透過我word計算字數，在昨天Day19突破了40,000字，
並在今天Day20達到了42,000字，自己也始料未及。

不如改一改拿來出書好了！

又再幻想了！