昨天我們在技能樹上看了 AI → ML → DL 的大地圖，今天就要實際走進 機器學習村 (ML Village) 和 深度學習村 (DL Village) 參觀啦！
就當作一場校外教學，我們邊逛邊看，看看這兩個村子有什麼特色，為什麼會成為冒險者必經之地。

一、機器學習村 (ML Village)

走進村口，招牌上寫著：「這裡不用自己寫規則，我們用資料學規則！」
在這裡，你會看到三種訓練場：

🎯 訓練場一：監督式學習

有 NPC 老師會給你資料和答案，帶著你一步步學習。

任務：分類（例如貓狗分類）、迴歸（房價預測）

範例：垃圾郵件過濾、醫療診斷

🌀 訓練場二：非監督式學習

這裡沒有 NPC，只有一張空白地圖，你得自己探索規律。

任務：分群（顧客分群）、降維（PCA, t-SNE）

範例：影視平台根據觀眾習慣自動分群推薦

🏆 訓練場三：強化學習

這裡像是遊戲對戰場，系統會根據你的行為給獎勵或懲罰。

範例：AlphaGo 下圍棋、自動駕駛車輛、遊戲 AI 自我對戰

👉 優點：不再需要人類專家逐條寫規則，能從資料裡自動歸納模式。
👉 限制：模型是否強大，還是很依賴「人工設計特徵」這位村裡的工匠。

二、深度學習村 (DL Village)

再往前走，你會看到一個更熱鬧的大城鎮，這裡就是 深度學習村。
村口的標語很霸氣：「我們會自己學特徵！」 ✨

在這裡，村民用的是多層的「深度神經網路 (DNN)」，能從原始資料中自動抽取特徵。
不用再依靠工匠（人工特徵工程），系統自己就能從像素、聲音、文字裡找出有用的模式。

🤖 村裡的代表性建築

CNN 鍛造坊：影像辨識、自駕車的必修課

RNN 神殿：專門處理時間序列與語音

Transformer 塔：翻譯、語言模型、ChatGPT 的核心聖地

GAN 市集：能生成以假亂真的圖片與音樂

Diffusion 美術館：Stable Diffusion、MidJourney 等 AI 繪圖作品的展示場

🌟 兩個歷史地標

2012 AlexNet：在 ImageNet 比賽中奪冠，深度學習村一戰成名

2017 Transformer：建立了新時代的高塔，成為 LLM 與生成式 AI 的基石

三、兩村比較

四、小小總結

機器學習村：突破了規則式 AI 的限制，但還要靠人工工匠設計特徵。

深度學習村：靠深度神經網路自動學習特徵，加上算力與大數據，戰力直接爆表。

兩者關係：DL 是 ML 的一部分，但因為表現優異，幾乎成了現代 AI 的代名詞。

📌 明日預告：Day 6
明天我們要從 最小的「神經元」開始，拆解深度學習村的核心建築 —— 看看一個輸入是如何經過加權、激活，最後變成輸出的！ 🧠⚡