在這裡我們簡單介紹一下定義什麼是人工智能、深度學習、以及機器學習。

為了方便初學者理解都用比較易懂的方式做描述。

1. 在這之前，我們必須要先了解程式(Program)是什麼？

程式的組成其實簡單來說就是

程式 = 指令 + 數據

用中文來解釋的話就好比動詞(V.)+名詞(N.)

用一句話來解釋就好比 "做家事"
做就是指令，家事可能有很多種。
所以做家事這句話就可以當做是一個簡單的小程式。

指令的功能就是在處理數據用的。數據可能有數字、字串、資料的基本型態等等...
指令 =>> 處理數據

2. 人工智能(Artificial Intelligence，AI):

人工智能名詞概括圖

我們先從範圍最大的人工智能開始說起

流程大致上分為三個階段
1. 數據進入到程式裡面。
2. 程式本身必須具備學習能力篩選自己需要的條件。
3. 最後得到結果，結果不一定是正確的。

程式透過學習習得一項技能 = 人工智能
程式透過學習失敗一項技能 = 人工智障

弱人工智能 =>>>> 只能完成(執行)"單一"的任務。弱與人類對比。
EX:目前大家所接觸到的所走人工智能產品(掃地機器人/Alpha Go)
強人工智能 =>>>> 能完成(執行)"多項"的任務。
EX:和人類一樣，凡是你能做的事情，他都能做。多功能的概念。

3. 類神經網路(Artificial Neural Network，ANN):
   在解釋深度學習與機器學習之前，我想我必須先解釋什麼是類神經網路。
   各位讀者不用把他想得太難，其實他的概念很容易理解。
   顧名思義就是模擬人類的神經網路系統。
   相信大家初中生物都有學過神經

一個神經元有樹突及軸突。
簡單的說，樹突就是傳入訊號。軸突就是傳出訊號。
於是就變成下圖這樣

上圖就是一個類神經網路系統

4. 深度學習(Deep Learning):

深度學習的概念源於人工神經網路的研究。含多隱層的多層感知器就是一種深度學習結構。
至於一般來說感知器要達3層以上，才能算是深度學習。
未達3層都算是類神經網路。
只是這是比較嚴謹的說法。

感知器越深 = 越多層 = 越聰明

5. 機器學習(Machine Learning):

機器學習是實現人工智慧的一個途徑

顧名思義，機器透過模型(Module)去學習

對於機器學習、深度學習有興趣的讀者們，可以去這個網站玩看看。
https://playground.tensorflow.org
未來會在補充關於機器學習、深度學習的相關筆記。

附註:如果對於上述的概念還不清楚，未來可能會在補充說明。__20190809