成功招攬人工智慧兩大教父級人物... - Google

※ 引述《DeimosJ (D.J)》之銘言：
: → solomn:「不必標籤也可以學習貓的概念」不知是什麼意思 05/28 20:05
: → solomn:那麼人工智慧怎麼知道(優先)工作目標是什麼 05/28 20:06
: http://chinese.engadget.com/2013/05/24/google-plus-image-search/
: 看這篇應該比較好懂。以往要依賴搜尋引擎找出圖片，必須有人替那張圖片下
: 註解或標籤。因為搜索引擎跟人類不一樣，不是記憶「圖片的類比圖像」。對
: 看過貓的人說「請從這些照片中找出有貓的照片」，人類根據記憶中的圖像，
: 對照相片，如果找到符合記憶中「貓」的形象，就可以將照片挑出來。但是以
: 往搜索引擎辦不到這種事情。
機器學習 (machine learning) 是一門教機器有效率 (?) 學習的方式,
有幾個不同的方向, 比如說 supervised learning, unsupervised learning,
reinforcement learning 等等, 詳細內容 wikipedia 或是許多教學網站都有,
舉幾個簡化的例子來解釋:

supervised learning (中譯: 監督式學習)
這種就像是拿了很多貓的圖片給電腦, 跟電腦說這些是貓
然後拿了很多不是貓的圖片給電腦, 跟電腦說這些不是貓
讓電腦去建模, 之後電腦會依照這些模型去判斷圖片裡面的是不是貓

unsupervised learning (中譯: 非監督式學習)
拿了一堆圖給電腦自己想辦法去分析, 哪些東西看起來很像可以歸成一類
電腦會歸納出歸成一類的部分有哪些特性, 不同類別彼此的差異
資料一多就可以分別出這一類毛茸茸, 慵懶(?), 傲嬌(?), 四腳行走的類別
這些就是文章中所說 "貓" 的概念, 電腦不見得知道這叫做 "貓",
但是卻分離出了許多貓的特性

reinforcement learning (中譯: 強化學習)
電腦先以一張圖為基礎, 問看看這張圖跟貓像不像, 相似度多少
然後把圖的一部分改一改, 再問問看有沒有比較像
在經過無數次的東改西改之後, 電腦會從經驗中慢慢瞭解到
某些改動是有用的, 某些改變是沒有用的
而且改到某個相似度最高的地方, 幾乎就可以說這張圖裡的東西是貓了

--