深度學習

是一個很令人著迷的議題，至少對於那些投資者來說。這幾年深度學習如雨後春筍一般，冒出不少新創公司。很耐人尋味的是，有多少科技商品是深度學習的產物？我也不清楚。深度學習到底是什麼？因為我不是這方面的專家，所以Google了很久，找了一些資料，終於稍微看懂了一些端倪，但也看到危機。我所謂的危機，不是指電影情節說的，AI機器人殺人這種故事，而是這些新創公司的存活危機。

從技術的角度來解說深度學習會令人打瞌睡。但要讓人理解深度學習真的很難，尤其是想說服投資者，最好不要講得太明白，免得被發現這只是一場夢。說到這裡，好像我很不看好深度學習？其實不是，而是擔心這些新創公司走偏了。

人工智慧分為兩個領域，至少在古典人工智慧領域是分為兩類：一是專家系統，二是統計方法。所謂的專家系統，就是利用人工分析資料建立路徑。而統計方法則是利用數據分析找到路徑。這裡的路徑也包含關聯性。

舉例來說，從醫院病歷分析得到「養貓的人得到心臟病的比率偏高」，因為從資料分析看到養貓與心臟病有正相關。但這個結論無法推論養貓的人造成心臟病。因為分析的統計資料並沒有因果關係，而是正相關而已。但是在分析這些資料以前，並不知道養貓與心臟病有關。

所以「統計方法」基本上就是目前最夯的議題「大數據分析」。

那麼，深度學習是什麼？既然也是人工智慧的一種，是屬於專家系統？或是統計方法？這得從深度學習的原始發展談起。

深度學習跟CNN脫離不了關係，基本理論就是利用大數據找到規則（路徑），然後把新的資料依照路徑走完得到推論。例如，把人分為男/女兩個大類，把男人的特徵整理出來，女人的特徵整理出來。當一個新的目標出現，我們根據這些特徵來判定目標是男是女，這就是深度學習的基本精神。只不過，在現實社會，需要被判定的目標可能很複雜，例如一張照片裡的男女與一段敘述形容的男女大有不同。因此要用來學習的樣本也複雜，甚至數量需要很多，就變成用大數據來作為訓練學習樣本。理所當然跟大數據沾上邊了，所以深度學習就是統計方法。

事實上，談到深度學習CNN，幾乎都是指圖片而非數字或文字，這也是另一個有趣的地方。因為紙本上的文字本來就是圖片，只不過文字是已經切割好的圖片被規則化了，而真正的圖片則很複雜。因此，開發軟體來分析圖片難度特別高。而深度學習CNN就是利用圖形卡的GPU平行運算，來提高分析圖片的效能。為了讓圖形卡運算規則化，把圖形「分割」就能變成大數據分析的資料來源。也就是說，深度學習就是把圖形量化/切塊/文字化，模擬成文字的切割，模擬成一篇文章，然後就可以利用文字詞頻的原理，來找出「詞」。從圖片中找出一個「詞」，聽起來很玄吧？其目的就是讓電腦「看懂」一張照片。

如果看不懂這裡的解說，那就算了，不用太在意，因為我也不太懂！

2022/06/22

分享此篇文章：