Professional Documents
Culture Documents
數位時代的淘金術─從大數據到人工智慧
數位時代的淘金術─從大數據到人工智慧
陳昇瑋 研究員
Keywords: 大數據、深度學習
深度學習只要三個步驟:建構網路、設定目標、開始學習。 簡單說,深度學習就是
一個函數集。類神經網路就是一堆函數的集合,我們丟進去一堆數值,整個網路就輸出一堆
數值,從這裡面找出一個最好的結果,也就是機器運算出來的最佳解,機器可以依此決定要
在棋盤上哪一點下手,人類也可以按照這個建議作決策。
假設有一個函數叫總統府,這個函數的內容是 x = 無能,那麼無論我們輸入的是小馬、
小英、地產大亨或前總統的妻子,最後的結果都 = 無能。
當然現實世界不會這麼簡單,總統府裡面高深莫測,就像深度學習的類神經網路一樣,我們
可以在這個函數裡加進各種變數,來模擬兩黨政治、全球暖化、恐怖攻擊等考量,經過一層
又一層的運算之後,最後從總統府輸出的,就是這個函數集建議的最佳決策。
但現實世界中,這個函數集更複雜,而且要等好幾年,才能看到結果。在程式設計裡,
我們不但可以很快看到結果,還可以告訴機器,這個結果 no good,請調整函數內容,給我
其他結果。這個過程,就是所謂的「學習」,經過大量的訓練過程,最終機器就能找到一個
最佳函數,得出最佳解。 以 AlphaGo 為例,團隊設定好神經網路架構後,便將大量的棋譜
資料輸入,讓 AlphaGo 學習下圍棋的方法,最後它就能判斷棋盤上的各種狀況,並根據對
手的落子做出回應。
圖[1] 圖解大數據。
資料來源
[1] https://www.bnext.com.tw/article/35807/BN-2015-03-31-151014-36
[2] https://panx.asia/archives/53209