目標是讓機器、電腦、軟體和機器人的運作方式能貼近人的思維,但又能保有比人類快速的運算、分析能力,期望機器能夠人類的智慧,又分為「弱人工智慧」、「強人工智慧」,前者能夠模擬人類的習慣與行為並做出決策、分析,後者則是如電影般的場景,電腦有自己的意識、情緒、社交。使用案例有:
物體識別
語音識別 / 聲波探測
預測(如:關鍵字)
語言翻譯
是AI的其中的一部分,設計依些可以讓電腦自主學習的演算法,當電腦在接觸不斷變動的資訊時,可以從過往的分析經驗中找出規律,並做出下一步的處理、預測,是種弱人工智慧。
是機器學習的分支,目的在於拉近機器學習與人工智慧的關係,深度學習系統會以多層次的方式去做線性或非線性轉換,接著抽出那些資料的特徵,讓使用者在那些有足夠代表性的資料中獲得知識,像是在模擬人腦的類神經網路,取代了時間的耗費。
下一篇將主題將介紹DL的架構、訓練步驟
參考資料:
周秉誼。淺談Deep Learning原理及應用。2016年9月20日。http://www.cc.ntu.edu.tw/chinese/epaper/0038/20160920_3805.htm
解聰文。人工智慧、機器學習、深度學習解解惑。2018年11月20日。https://tuna.to/artificial-intelligence-4dbb43229124。
Vincent Ke。只聽過AI你就落伍了,一篇文章讓你秒懂人工智慧的承先啟後
。2018年9月4日。https://progressbar.tw/posts/87。