1開啟AI時代的深度學習
～現在的AI熱潮要從2012年的「Cat Paper」開始說起～
報紙或電視節目幾乎每天都會提到與AI有關的話題，而深度學習正是引起這波AI熱潮的關鍵，使社會出現了很大的改變。
AI熱潮
AI是英語Artificial Intelligence的首字母簡稱，譯為人工智慧。
我們幾乎每天都可以在報紙或電視新聞上看到與AI有關的報導。
「AI自動駕駛即將實現。」
「AI在癌細胞的影像判讀上有很大的幫助。」
類似的例子不勝枚舉。
AI為什麼會在現在引起熱潮呢？在二十一世紀初期，有誰會想到有這樣的熱潮呢？
一切要從發表於2012年的「Cat Paper」開始說起。
「Cat Paper」與深度學習
事情發生在深度學習發表的那一年，也就是2012年。美國Google公司在這一年6月發表的研究結果中提到「在沒有他人幫助的情況下，AI成功自行識別出貓」。後來，這篇論文在AI界中被稱做Cat Paper。
Cat Paper之所以是劃時代的論文，是因為研究過程中研究人員完全沒有告訴電腦任何一個貓的特徵。電腦會自己分析出貓的特徵，之後就算看到完全沒看過的貓咪圖像，也能判斷「這就是貓」，這代表電腦已能「自己從資料中學習」。
再重複一次，Cat Paper之所以是劃時代的論文，是因為它「讓電腦能自己從資料中學習」。而這個「Cat Paper」所使用的方式就是Deep Learning，可譯為深度學習。而深度學習這個概念，正是改變時代的關鍵。在生產、流通、語言、交通、醫療、製藥、教育、軍事、照護等許多領域，都引起了革命性的改變。
2 深度學習與AI
～與過去的AI不一樣的地方在於「自己從資料中學習」
深度學習一詞常與AI同時出現。AI是二十世紀後半誕生的詞彙，讓我們回顧從那時到現代的歷史吧，這樣就能了解深度學習在AI中的定位了。
AI的歷史
AI並不是最近才成為熱門話題。以前的主流媒體界曾出現過兩波AI熱潮，現代則是第三波AI熱潮。
第一波熱潮發生於1950年代，是電腦開始於社會普及的時候。人們鉅細靡遺地告訴機器（電腦）各種計算方法，希望能夠創造出人工的智慧（也就是AI）。
這種設計AI的方式叫做規則主導法（rule based）。當時的人們樂觀地認為，只要單方面塞進許多邏輯、規則，就可以創造出「知性」，也就是智慧。
1950年代時，記憶體十分昂貴，且大容量的記憶媒體還沒出現，所以當時的人們只能希望透過塞入大量邏輯來實現知性。
「單靠邏輯實現『知性』」這種規則主導的方式，即使用在現代電腦上也無法成功。更不用說性能相對差了許多的1950～1960年代電腦，只能得到十分貧乏的結果。
順帶一提，「人工智慧」（也就是Artificial Intelligence）一詞，就是在這個年代誕生的。第一波熱潮的AI概念，與目前科幻電影或動畫中的AI概念最為相近。
第二波熱潮開始於1980年代。當時人們在設計AI時，不只將邏輯輸入至機器（電腦），也會輸入知識。這種方式稱做專家系統，活躍於現代生產工廠，讓工廠中的機器手臂能夠專精某種特定工作。
第二波熱潮的AI之所以能成功，主因是記憶體與硬碟的大幅降價，降低了收納知識的工具成本。
不過，這種方法也沒有辦法實現AI（人工智慧）一詞原本的概念。專家系統無法產生能識別出貓咪這種複雜物體的「智能」。
現在的第三波熱潮起於「Cat Paper」發表的2012年之後。以讓機械（電腦）「自己從資料中學習」的概念開發AI，也就是深度學習活躍的開始。
如同我們之後會介紹的，深度學習是將人類腦神經細胞的網路（神經網路）模式化的AI實現方法。這樣的網路讓「自己從資料中學習」一事化為可能。
第三波AI熱潮之所以能夠實現，是因為我們能夠輕易獲得豐富資料，以及可以用便宜的價格買到能處理這些資料的硬體。
時機成熟的二十一世紀
現代AI的濫觴是「Cat Paper」，於2012年發表。為什麼是2012年呢？當然，Google公司的天才技術者在這年寫出相關演算法是原因之一。不過更重要的是「現代」這個時代背景。
如同我們前面提到的，要實現深度學習需要大量資料，以及能夠處理這些資料的強大計算能力。只有在現代科技的幫助下，才能同時達到這兩個條件。
我們可以從網路上輕易獲得大量資料。事實上，「Cat Paper」就是從YouTube上擷取了許多貓咪圖像，用來教AI「貓是什麼」。
另外，因應遊戲而開發出來的高速計算能力，也讓深度學習需要的龐大計算量成為可能。
GPU（Graphics Processing Unit）可以說是遊戲用電腦的必備品。GPU常翻譯做圖形處理器，是遊戲中處理圖形高速運動時不可或缺的裝置。而這個GPU也讓電腦能夠進行單純而龐大的AI計算。
「龐大的資料與強大的計算能力」，要是沒有這兩個條件，或許就不會出現「Cat Paper」了。
二十世紀的AI與二十一世紀的AI
AI需由電腦實現。如同我們前面提到的，二十世紀的AI基本上是由人類教導電腦該怎麼做。譬如當我們希望能用電腦識別某種物體時，會先寫出該物體的特徵，整理之後再輸入電腦。前面提到的第二世代AI的典型例子「專家系統」就是如此，如果使用者不是專家的話，就無法教導AI物體有哪些「特徵」。
不過，對象物體必須相對單純，專家才能夠「整理出物體的特徵」。要是對象是貓的話就不行了。即使有人寫出「貓的特徵」，整理後想輸入至電腦，也很難在電腦中表現出這些特徵。因為每一隻貓都各有不同，要判斷「該列入那些共通點做為貓的特徵」並不是件容易的事。
二十一世紀的AI則不需要由人鉅細靡遺的教導電腦，其基本概念是讓電腦「自己從資料中學習」。也就是說，二十世紀AI與二十一世紀AI的主要差異如下所示。
「二十世紀AI需由人教導電腦，二十一世紀AI則是讓電腦自行學習。」
第2章開始，我們會繼續說明「自己從資料中學習」是什麼意思。
～現在的AI熱潮要從2012年的「Cat Paper」開始說起～
報紙或電視節目幾乎每天都會提到與AI有關的話題，而深度學習正是引起這波AI熱潮的關鍵，使社會出現了很大的改變。
AI熱潮
AI是英語Artificial Intelligence的首字母簡稱，譯為人工智慧。
我們幾乎每天都可以在報紙或電視新聞上看到與AI有關的報導。
「AI自動駕駛即將實現。」
「AI在癌細胞的影像判讀上有很大的幫助。」
類似的例子不勝枚舉。
AI為什麼會在現在引起熱潮呢？在二十一世紀初期，有誰會想到有這樣的熱潮呢？
一切要從發表於2012年的「Cat Paper」開始說起。
「Cat Paper」與深度學習
事情發生在深度學習發表的那一年，也就是2012年。美國Google公司在這一年6月發表的研究結果中提到「在沒有他人幫助的情況下，AI成功自行識別出貓」。後來，這篇論文在AI界中被稱做Cat Paper。
Cat Paper之所以是劃時代的論文，是因為研究過程中研究人員完全沒有告訴電腦任何一個貓的特徵。電腦會自己分析出貓的特徵，之後就算看到完全沒看過的貓咪圖像，也能判斷「這就是貓」，這代表電腦已能「自己從資料中學習」。
再重複一次，Cat Paper之所以是劃時代的論文，是因為它「讓電腦能自己從資料中學習」。而這個「Cat Paper」所使用的方式就是Deep Learning，可譯為深度學習。而深度學習這個概念，正是改變時代的關鍵。在生產、流通、語言、交通、醫療、製藥、教育、軍事、照護等許多領域，都引起了革命性的改變。
2 深度學習與AI
～與過去的AI不一樣的地方在於「自己從資料中學習」
深度學習一詞常與AI同時出現。AI是二十世紀後半誕生的詞彙，讓我們回顧從那時到現代的歷史吧，這樣就能了解深度學習在AI中的定位了。
AI的歷史
AI並不是最近才成為熱門話題。以前的主流媒體界曾出現過兩波AI熱潮，現代則是第三波AI熱潮。
第一波熱潮發生於1950年代，是電腦開始於社會普及的時候。人們鉅細靡遺地告訴機器（電腦）各種計算方法，希望能夠創造出人工的智慧（也就是AI）。
這種設計AI的方式叫做規則主導法（rule based）。當時的人們樂觀地認為，只要單方面塞進許多邏輯、規則，就可以創造出「知性」，也就是智慧。
1950年代時，記憶體十分昂貴，且大容量的記憶媒體還沒出現，所以當時的人們只能希望透過塞入大量邏輯來實現知性。
「單靠邏輯實現『知性』」這種規則主導的方式，即使用在現代電腦上也無法成功。更不用說性能相對差了許多的1950～1960年代電腦，只能得到十分貧乏的結果。
順帶一提，「人工智慧」（也就是Artificial Intelligence）一詞，就是在這個年代誕生的。第一波熱潮的AI概念，與目前科幻電影或動畫中的AI概念最為相近。
第二波熱潮開始於1980年代。當時人們在設計AI時，不只將邏輯輸入至機器（電腦），也會輸入知識。這種方式稱做專家系統，活躍於現代生產工廠，讓工廠中的機器手臂能夠專精某種特定工作。
第二波熱潮的AI之所以能成功，主因是記憶體與硬碟的大幅降價，降低了收納知識的工具成本。
不過，這種方法也沒有辦法實現AI（人工智慧）一詞原本的概念。專家系統無法產生能識別出貓咪這種複雜物體的「智能」。
現在的第三波熱潮起於「Cat Paper」發表的2012年之後。以讓機械（電腦）「自己從資料中學習」的概念開發AI，也就是深度學習活躍的開始。
如同我們之後會介紹的，深度學習是將人類腦神經細胞的網路（神經網路）模式化的AI實現方法。這樣的網路讓「自己從資料中學習」一事化為可能。
第三波AI熱潮之所以能夠實現，是因為我們能夠輕易獲得豐富資料，以及可以用便宜的價格買到能處理這些資料的硬體。
時機成熟的二十一世紀
現代AI的濫觴是「Cat Paper」，於2012年發表。為什麼是2012年呢？當然，Google公司的天才技術者在這年寫出相關演算法是原因之一。不過更重要的是「現代」這個時代背景。
如同我們前面提到的，要實現深度學習需要大量資料，以及能夠處理這些資料的強大計算能力。只有在現代科技的幫助下，才能同時達到這兩個條件。
我們可以從網路上輕易獲得大量資料。事實上，「Cat Paper」就是從YouTube上擷取了許多貓咪圖像，用來教AI「貓是什麼」。
另外，因應遊戲而開發出來的高速計算能力，也讓深度學習需要的龐大計算量成為可能。
GPU（Graphics Processing Unit）可以說是遊戲用電腦的必備品。GPU常翻譯做圖形處理器，是遊戲中處理圖形高速運動時不可或缺的裝置。而這個GPU也讓電腦能夠進行單純而龐大的AI計算。
「龐大的資料與強大的計算能力」，要是沒有這兩個條件，或許就不會出現「Cat Paper」了。
二十世紀的AI與二十一世紀的AI
AI需由電腦實現。如同我們前面提到的，二十世紀的AI基本上是由人類教導電腦該怎麼做。譬如當我們希望能用電腦識別某種物體時，會先寫出該物體的特徵，整理之後再輸入電腦。前面提到的第二世代AI的典型例子「專家系統」就是如此，如果使用者不是專家的話，就無法教導AI物體有哪些「特徵」。
不過，對象物體必須相對單純，專家才能夠「整理出物體的特徵」。要是對象是貓的話就不行了。即使有人寫出「貓的特徵」，整理後想輸入至電腦，也很難在電腦中表現出這些特徵。因為每一隻貓都各有不同，要判斷「該列入那些共通點做為貓的特徵」並不是件容易的事。
二十一世紀的AI則不需要由人鉅細靡遺的教導電腦，其基本概念是讓電腦「自己從資料中學習」。也就是說，二十世紀AI與二十一世紀AI的主要差異如下所示。
「二十世紀AI需由人教導電腦，二十一世紀AI則是讓電腦自行學習。」
第2章開始，我們會繼續說明「自己從資料中學習」是什麼意思。
