機器學習是一種掌握輸入與輸出間對應關係的方法學。其基本架構是藉由輸入大量資料,讓機器自行摸索,並由人類告知最終的結果是否正確;如果不是,機器便會適度調整,甚至從頭來過。電腦先是知道答案,再設法揣摩出人類心中那套判斷標準與規則。就像我們學習母語時從來沒背過文法,而是直接暴露在大量使用母語的環境中,每次犯錯便會遭到糾正,最終自然就學會了那套「知其然而不知其所以然」的文法規則。
(機器學習的魔力Posted on 2020/01/16 in (https://highscope.ch.ntu.edu.tw/wordpress/?p=83458 )
1.人類決定
2.方程式,理論模型
3.實驗
4.電腦模擬
5.Data Driven Learning
下圖是前四種方法學
Data Driven Learning
-第五種方法學,Data Driven Learning是AI學習中非常重要的一環
-例如提供很多貓的圖片很多狗的圖片再給予其分類,如何電腦就可以辨識,ImageNet 的挑戰就是在這裡,現在電腦已經有能力比人的辨識率還高
-以神經網路為基底的input-system-output讓學習更快速、扎實:
例如大腦的學習,從很多的外接input,經過大腦的解讀及經驗(連結及加權值),我們就會對事物做判斷
-在不知來龍去脈的狀況下直接掌握因果關係
下圖是第五種方法學(Data Driven Learning)與其他不同之處