Dave Bowman: Hello, HAL. Do you read me, HAL?
HAL: Affirmative, Dave. I read you.

(2001: A Space Odyssey)

所以，到底什麼是機器學習？機器為什麼要學習呢？

先聊聊人工智慧

要回答這個問題，就要先回到今日大家琅琅上口的人工智慧 (AI) 上了。早在五、六十年前，甚至更早的年代，人類就希望能夠打造一種機器，能夠模擬人類思考、做決策、並且與外在世界互動，就像是在電影 2001: A Space Odyssey 中，一手掌握太空船與人類命運的 HAL 9000 電腦一樣。

如果有一天，人類能夠打造出跟人一樣具有「智慧」的物體，那麼人豈不就跟神有同樣的地位了？我想這也是「部分人類」所追求的科學的終極目標。

過去受到硬體運算能力的限制下，AI 的發展與應用有限，而在技術突飛猛進的今日，人們越來越能夠讓 AI 從理論中走出來，實際應用在各個領域。

要讓機器能夠像人一樣具有智慧，能夠與外在世界互動，有兩種做法，一種是告訴（教）機器在各種狀況下該如何反應，譬如當機器「看到有人走進便利商店」的時候就說「歡迎光臨」，這的確是一種非常直接的做法，我們可以持續的教機器如何應對，在機器當中寫入更多的條件，譬如「看到小貓走進便利商店」的時候就說「喵喵」、「看到小狗走進便利商店」的時候就說「汪汪」，但這世界上的狀況千變萬化，不可能窮盡所有可能狀況然後輸入到機器當中。

因此，我們需要讓機器自己有能力學習，去應對這變化無窮的世界（就是授人以魚不如授人以漁的概念）

幫助人類實現「人工智慧」的「機器學習」Machine Learning

機器學習的目的，就是透過大量的資料與演算法，讓機器能夠（學會）建立一套模型，來面對「特定任務」的各種狀況。以剛剛便利商店的例子（好奇怪的例子，但都走到這裡了就暫且用下去吧），如果我們希望機器能夠自己判斷來者是人、是貓、還是狗，首先我們必須找到足夠多的人、貓、狗的照片，並且建立幾個機器能夠用以判斷的特徵（譬如高度、顏色、聲音等）。

接著，幫助機器建立初步的模型，利用這模型來判斷照片內容，給予回饋（答對或是答錯），然後持續優化這個模型，直到誤差值小到一個可以接受的範圍。這樣的過程，也跟人類學習的過程一樣：嘗試練習、建立回饋迴路 (feedback loop)，然後持續優化自己的思考方式或做事方式。

當一個模型被訓練完成之後，機器就有能力模擬人類，針對「特定任務」中的各種狀況作出判斷。

實現「機器學習」的「深度學習」Deep Learning

而深度學習是實現機器學習的一個方法，其技術受到「人腦如何處理資訊」的方式所啟發，過程中不需要仰賴人類的智慧去定義特徵，機器透過深度學習的技術，能夠自己找到判斷的特徵與方法。不過跟上述機器學習的方式相比，深度學習需要仰賴更多的學習資料，以及消耗更多的運算資源。

狹義 v.s. 廣義的 AI

因為有了機器學習與深度學習，讓人類在打造 AI 的路上又往前邁進了一大步，但到目前為止，人類終究只能夠針對「特定任務」分別打造 AI，像是下圍棋的 AI、開車的 AI、煮咖啡的 AI 等等，也就是所謂的 ANI (Artificial Narrow Intelligence)，要打造通用的 AI (AGI, Artificial General Intelligence)，像是 HAL 9000 （這年頭可能沒多少人認識)
或是 Jarvis（這個應該比較多人知道），則還有很長一段路要走，所以大家可以先不用太擔心 AI 征服世界的那一天。

先這樣，我們明天見！

Tony: Jarvis, are you up?
Jarvis: For you sir, always.

(Iron Man)