一探人工智慧、機器學習與深度學習的差異、產業應用和商業價值

根據全球最大求職平台 LinkedIn 於去年底發布的「年度新興工作」顯示，AI Specialist 在過去四年裡的職缺成長速度高達 74%，LinkedIn 首席經濟學家 Guy Berger 也表示人工智慧已經滲入各個行業，AI 人才呈現出供不應求的情形，其相關職缺已經連續3年蟬聯年度新興工作排行榜第一。

除了 LinkedIn 之外，美國求職網 Indeed 也宣布 2019 年年度最佳工作榜首為機器學習工程師。由這些數據可以看出在未來幾年內，AI 相關人才的需求只會越來越大，而人工智慧、機器學習與深度學習之間有著什麼樣的異同呢？讓我們帶大家簡單了解三者之間的差異吧！

首先我們先以這張圖來快速理解一下彼此間的關係：

圖片來源至 : Hacker Noon

從上圖可以看出其層層關聯，「人工智慧」詞彙剛出現時，當初的定義為：能夠讓機器像人類一樣有情感、有思緒能夠自主思考，但顯然就目前來說仍是天馬行空的幻想。然而為何現今仍常在報章雜誌中看到「xx 領域活用 AI 科技」、「AI 帶動 xxx」等相關標題呢？ 其實這些 AI 基本上都隸屬於「機器學習」或「深度學習」的範疇，只是為了讓讀者能淺顯易懂而使用的詞彙，畢竟要實作一個人工智慧會牽涉到的範疇不僅止於「機器學習」或「深度學習」其中一種。

「機器學習」是人們在實踐「人工智慧」這個終極目標時所提出的其中一種方式，主要透過大量的資料與演算法，來讓這個機器試圖從中學習這些資料中的規律，並且能夠加以「預測」，如垃圾郵件預測、信用卡盜刷判斷、電動車使用者需求建議，甚至還有自駕車產業，甚至透過零件的振動頻率等硬體相關數據來預測車子是否該進行保養與維修，而 Amazon 也在自家的物流輸送帶上設有許多的感測器記錄硬體相關數據，並且當該筆數據被預測為「異常」時，便會自動通知該輸送帶的管理人員進行檢查。

除了上述「預測性維護」的場景外，也有一些是可以改善使用者體驗的，像是 Spotify 透過使用者過往聆聽過的歌曲，以及使用者與歌曲的互動（跳過、設為喜愛歌曲）來針對使用者進行「個人化推薦」，這類的應用也在許多電商網站也十分常見，透過搜集使用者在網站中的點擊流（滑鼠點擊、停留頁面的時間）並進行個人化推薦，不知道大家有沒有遇過不小心在某應用程式中點擊了某廣告，隨後網站、應用程式中出現的廣告都是剛剛不小心點擊的廣告類型，這也是另類的「個人化推薦」。了解如何透過 AWS 利用機器學習建立個人化推薦系統

歷經了「機器學習」的發展，並且隨著硬體價格的降低，讓以往需要大量運算資源訓練過程得以解套，舉個簡單的例子，如果使用機器學習模型來確定圖像是否顯示出小狗，我們要先確定小狗的特徵（四隻腳、耳朵、尾巴等），再用這些數據來進行訓練，換作深度學習的話，則完全不需要特徵提取的步驟，模型會自己辨別各項特徵並做出正確的預測，也就是所謂的「神經網絡」，這種多用於較複雜的判斷或預測，例如：視覺辨識、語音識別、自然語言處理、生物醫學、自動駕駛等領域。

圖片來源至 : Notes on Artificial Intelligence, Machine Learning and Deep Learning for curious people]

結論

總結來說，人類雖未完全達成「人工智慧」的目的，但我們已經可以透過「機器學習」、「深度學習」的方式讓機器人可以在某特定領域達到像人般的境界，也因為實作方式不僅止「機器學習」或「深度學習」，所以大家也就統稱為 AI，如同大家常聽到的 AhplaGo （圍棋界的專家）、Siri（語音助理）。

作者：Winnie Yeh, En Wu。

想免費學習 AI 技術，成為企業搶手人才，趕快報名我們的免費課程：點此報名（數量有限，報名要快！）

eCloudture 熱門 AI 主題實驗，現在可以透過文章學習如何實作應用，這邊為大家帶來現正熱門的利用機器學習建立個人化推薦系統以及利用 Amazon Lex 與 AWS Amplify 創建出專屬的虛擬助理應用程式！

訂閱我們的電子報或追蹤 eCloudture 粉絲團唷，掌握最新科技趨勢！