iT邦幫忙

2023 iThome 鐵人賽

DAY 3
0
AI & Data

嘗試在AI世界闖蕩系列 第 3

Day 3 AI的主要學習理論

  • 分享至 

  • xImage
  •  

AI學習理論

三層式架構圖:
https://ithelp.ithome.com.tw/upload/images/20230916/20163102e4hRRmKuO7.jpg


AI學習兩大學派

  1. 法則學派Rule Based School:此學派主張世界上所有知識都能夠由「知識法則Rules」與「事實Fact」,以邏輯推論方式不斷衍生出新的知識New Fact;知識來源是人類專家解決問題的法則。
  • 處理單元:法則
  • 處理哲學:邏輯推理
  • 例子:孔子是人(Fact),而人都會死(Rules)➞推論出:孔子會死(New Fact)
    蘇格拉底是人(Fact),柏拉圖也是人(Fact),兩個人會死➞歸納得出人都會死的結論(New Fact)
  • 實作:專家系統Expert System,簡稱ES
    (專家系統=知識庫KB+邏輯推理引擎Logic Reasoning Machine組成,根據輸入資料與知識庫內的法則來推理解決問題的方案)
  • 優勢:推理邏輯、決策
  • 劣勢:範圍大、高維度、複雜度高、非結構的資料
  1. 機器學習學派Machine Learning School:機器由輸入的訓練資料中特徵歸納學習。
  • 主要目的在「模型設計與分析」,以找尋到機器自動學習最適合演算法。
  • 處理單元:資料的特徵值
  • 處理哲學:訓練、回饋、修正、調整
  • 步驟:1.訓練資料的獲取 2.資料特徵的選擇與擷取 3.建立預測模型 4.以此模型來判斷未來
  • 例子:看過許多大象照片,大腦會截取其特徵,使下一次再看到動物時能依特徵規則來分辨是否為大象
  • 實作:統計模型、神經網路模型
  • 優勢:感知上的能力(看:圖像&人臉辨識、說:語音生成、聽:語音辨識)
  • 劣勢:推理、決策、判斷

四種機器學習模式

與任務的分類架構圖:
https://ithelp.ithome.com.tw/upload/images/20230917/20163102U9ybjxKYNR.jpg

  1. 監督式學習Supervised Learning 簡稱SL
  • 目前最普遍、精準度最高且應用最廣!
  • 由人標記正確答案,來監督機器判斷是否正確。
  • 三個階段:
    一、模型訓練階段(70%資料進行模型建立與訓練)
    二、模型驗證階段(10%~15%資料來驗證模型的準確度與可靠度)
    三、預測階段(剩下的15%~20%資料來進行模型預測)
  • 主要模型:
    (1)傳統統計模型:SVM、決策樹、貝氏推理統計分析
    (2)類神經網路模型:深度學習、淺層的神經網路
  • 優點:有標準答案比對➞及時修正錯誤,精確度高
  • 缺點:資料量過大人工標記不好用、成本高
    架構圖:
    https://ithelp.ithome.com.tw/upload/images/20230917/20163102wTsMXpcDtX.jpg
  1. 非監督式學習Unsupervised Learning 簡稱UL
  • 完全沒有人為干預!
  • 由機器本身根據資料的特徵進行分類與判斷。
  • 主要任務:分群Cluster*(樣本依據距離或相似度聚為一群)和維度縮減Dimension Reducing(將多個變數濃縮成少數幾個組合變數)*
  • 主要演算法:K-Means、集群分析Cluster Analysis、主成分分析PCA
  • 優點:不需人工介入、速度快、成本低
  • 缺點:準確率不高、無法自動修正、分群結果無法控制
  1. 半監督式學習
  • 介於監督式學習與非監督式學習之間,差別在於先做哪一個
  • 分為兩種:
    (1)先監督後非監督
    (2)先非監督後監督:稱為遷移式學習Transfer Learning或預訓練模式Pre-training Model
  1. 強化學習Reinforcement Learning 簡稱RL
  • 透過每次行動得到的報酬值來決定現在狀態下要做什麼樣行動策略。
  • 給目標不給手段,然後由環境回饋去不斷修正做。
  • 主要模型:Q-Learning、Deep Q-Network(DQN)
  • 應用:自駕車、系統節能、各種推薦系統、機械手臂操作
  • 優點:自發學習並調整、通用、簡單
  • 缺點:目標不夠正確會有問題、多樣本、物理真實訓練成本高
    架構圖:
    https://ithelp.ithome.com.tw/upload/images/20230917/20163102EurXtUuTGj.jpg

參考來源:人工智慧:概念應用與管理 林東清


上一篇
Day 2 AI的基本概念(優勢、限制與衝擊)
下一篇
Day 4 AI的主要演算法-1(貝式推理統計學派)
系列文
嘗試在AI世界闖蕩31
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言