之前有提到 CNN 業會用在 ML ，那甚麼是 ML 呢？

Machine Learning 機器學習

ML 就是 Machine Learning 的縮寫，大家常常會分不清人工智慧、機器學習、深度學習三個的區別，我們來看一下！
圖片來源

簡單的說，人工智慧（Artificial Intelligence = AI）是藉由電腦來執行人類智慧的過程，機器在經過程式設計之後，能表現出與人類類似的智慧。

機器學習是透過演算法將收集到的資料進行分類或預測模型訓練，讓得到的新資料可以透過訓練出的模型進行預測 。

深度學習（Deep Learning = DL）則是一種實現機器學習的技術。

ML的種類

1. 監督式學習（Supervised learning）
   所有資料都是 labeled，告訴機器相對應的值，以提供機器學習在輸出時判斷誤差使用。
   → 這種方法為人工分類，對電腦來說最簡單，但對人類來說最辛苦。
   ex：要訓練機器區分大象和長頸鹿，則提供機器 100 張大象和長頸鹿的照片，機器依照 labeled 的照片去偵測大象和長頸鹿的特徵，依照特徵就能辨識出大象和長頸鹿並進行預測。

2. 非監督式學習（Un-supervised learning）
   所有資料都是 unlabeled，機器透過尋找資料的特徵，自己進行分類。
   → 此種方法不用人工進行分類，對人類來說最簡單，但對電腦來說最辛苦，誤差也較大。
   ex：辨識大象及長頸鹿，機器得自行判斷提供的 100 張照片裡有哪些特徵的是大象、哪些特徵的是長頸鹿並同時進行分類。

3. 半監督式學習（Semi-supervised learning）
對少部分資料進行 labeled，電腦只要透過 labeled 的資料找出特徵並對其它的資料進行分類。
→ 這種方法可以讓預測時比較精準，是目前最常用的一種方式。
ex：若有 100 張照片，則標註其中 10 張哪些是大象哪些是長頸鹿，機器透過這 10 張照片的特徵去辨識及分類剩餘的照片。

4. 強化式學習（Reinforcement learning）
   機器透過每一次與環境互動來學習，以取得最大化的預期利益。
   → 運用強化式學習的方式，不標註任何資料，但告訴它所採取的哪一步是正確、那一步是錯誤的，機器自行逐步修正，最後得到正確的結果。

之前說過 CNN 能應用在 ML 上，上面例子中的辨識照片就是 CNN 實際的應用！