昨天我們聊了監督式與非監督式學習，再直接切入深度學習之前，今天要把視角再拉高一層，來看看 AI、ML、DL 之間的關係。這三個詞常常被混用，但其實它們就像遊戲裡的技能樹：

AI 是整棵大樹，代表智慧系統的全貌。

ML 是其中的分支，讓電腦能靠資料自己練功。

DL 則是這條分支上最熱門的技能，威力強大，幾乎成了遊戲裡的神技。

AI（人工智慧）
└── ML（機器學習）
└── DL（深度學習）

AI：最大範疇，智慧系統

ML：AI 的子集，用資料來學規則

DL：ML 的子集，用深度神經網路把學習推到極致

一、AI（Artificial Intelligence，人工智慧）

AI 的範疇最大，只要能讓電腦展現「智慧行為」的技術都屬於它。

規則式／符號派（早期技能）

早期的 AI 多半依靠「規則式／符號派」方法。人類專家會把知識寫成一條條 IF…THEN… 規則，放進知識庫，然後交給推理引擎進行前向或後向推理，得出結論。

經典系統：

DENDRAL：幫助化學家根據質譜推斷分子結構，被視為第一個專家系統。

MYCIN：用醫療規則診斷細菌感染，並建議抗生素劑量。

XCON (R1)：協助 DEC 自動配置 VAX 主機零組件，巔峰時期有 2,500 多條規則，為公司年省數千萬美元。

然而，隨著應用變複雜，規則式 AI 逐漸遇到 知識取得瓶頸（專家難以把 know-how 全寫成規則）與 規則爆炸（系統難以維護）問題。這些限制導致了 80–90 年代專家系統退燒，也引發了所謂的 AI 寒冬。

當「規則式」走到瓶頸，學界開始轉向 資料驅動的機器學習 (ML) —— 不再手動寫規則，而是讓電腦自己從資料中練功。隨著算力（GPU/TPU）與大數據的爆發，這條技能樹又進化出了更強大的分支 —— 深度學習 (DL)，靠深層神經網路自動抽取特徵，真正成為遊戲裡能挑戰 BOSS 的神技。

小小總結

AI：遊戲世界觀，智慧系統的總稱。

ML：讓電腦能透過資料自己學技能的分支。

DL：ML 的進化技能，靠深度神經網路大幅提升戰力。

📌 明日預告
明天我們就要探索 ML、DL 的村子，期待下一日的校外教學八~