本語音分兩次整理文字稿，本文從6’ 52”整理至結束

深度學習的意義—四個度

那麼各位或許會想這跟我們人腦不是很像嗎？就是非常多的神經元，然後把網路連起來，這樣對我們有什麼意義呢？這個意義滿大，因為後來我們看過AlphaGo，在上一集也提到下贏全世界的棋王。不過，有一個要特別強調的意義，我把它叫做四個度，哪四個度呢？

《延伸閱讀：【AI微醺Ep.8】人工智慧到底有多聰明？「由下而上」的四個度(1/2)》

第一個「速度」

因為計算機本身的速度越來越快，不是說人學習的速度慢，而是從計算的角度來講。我給它很大量的數據，它可以非常快去把這些數據收進去，然後用它來訓練它的模型。

這個速度是相對於過去的計算速度，並人腦的速度。從這個角度來講，跟過去比，今天的計算機的速度太快，所以，以前訓練一個這樣子的神經網路，要好多時間，今天這個問題已經越來越小。速度本身是今天我們在談人工智慧，把軟體跟硬體加在一起看的話，這是一個很大的進展。

第二個是「維度」

為什麼談到維度？想想看一個人，比如各位有工作經驗，在工作上看到財務數據、生產數據、物料數據，可以從這些數據馬上判斷發生什麼事？或者該處理什麼事？假如這個數據的維度越來越多，可能再細一點，包含現在的天氣、外面的一些政治、或者世界的趨勢，就會發現大腦越來越難，因為維度一多，就越來越難處理。

人腦最厲害的地方，是把複雜的事情給抽象化。當維度越多就越來越複雜，人就越來越難處理；但是這對計算機、對神經網路來講，正好這個不是一件事，為什麼？因為用更大的硬體就可處理更大的計算量，把不同的維度透過神經網路學起來。

人類強的是抽象能力，複雜的維度一混合起來，人腦可能看不到那一些關聯，但神經網路反而可以；因為對計算機來講，它不是從抽象的角度看這件事。

你可以有不同的維度的資料，氣候的、生產的，人力資源的、公司員工的，財務的，客戶訂單的，可以好多種，不同數、不同維度的資料；可以同時用它來訓練一個電腦裡的神經網路；它從裡面可以找出很多維度之間的盤絲錯結、非常細微的一些關聯，我們人是做不到的。所以，維度也是我們在談深度學習，在談「由下而上」的能力，是很強的第二個度。

第三個是「粒度」

這個粒不是力量的力，而是顆粒的粒。什麼意思？就是它可以把一個數據剁得更碎。

人的抽象方式，對數據只是看一個大的趨勢。例如：我需要生產一萬件，為了生產這一萬件，中間有更多細微的數據是要觀察，細微的數據越多，它的複雜度也跟著提升。所以，除了維度會增加複雜度，粒度也會增加複雜度。

再舉例，比如我們用眼睛檢測一個產品的有沒有做好？人腦真的是很厲害，我們眼睛去看它，馬上就接收很多訊息；但是問題來了，萬一這個東西跑得很快，在你眼前很快過去，有時候我們就來不及看。

假如用AI的角度來看粒度，以數位科技來講，針對剛剛跑過去的景像，可以在一秒鐘裡面，切成30 幀、60幀，甚至上百幀的畫面；也就是人的眼睛沒辦法看到1/100秒、或者1/10秒的過程所發生的檢測，但這種顆粒度對AI來講，不是問題，因為它可以把它剁得非常的碎。

當你把在一秒鐘的過程影像剁成幾十幀畫面，AI的眼睛就可以睜大去看每一幀到底產生什麼變化？這種顆粒度就變得非常的細，這種能力對「由下而上」的往上訓練來講，它變得也是比我們厲害。所以，粒度是第三個很重要的特質。

最後一個度是「強度」

強度的概念在於人的學習總是會有疲累的時候，但對電腦來講，是沒有累這件事情；所以，強度是指它學習的耐力有多強。

換句話說，人會吃喝拉撒睡，需要休息；所以學習一件事情，只能利用有限的時間在學；但是，神經網路在整個硬體、計算機的支持之下，可以不眠不休地學，所以這也是上一集談到AlphaGo時，它可以不眠不休地下圍棋，它自己透過下圍棋，學到很多精妙的招式，是人類在有限的生命裡面做不到的。

我談到這四個度，就是從速度、維度、粒度跟強度的四個度來看。各位想想看，假如它是「由下往上」類似人類神經元的大腦神經網路的學習方式，然後這四個度又比我們厲害的時候，世界是不是就開始真的產生很大的變化？在學習能力，它專業的能力真的可以做得很好，而且某些學習的結果超越人類就變得很可行。

這也是我們在上一集提到，為什麼當AlphaGo打贏圍棋的時候，對像我做軟體的人來講，是一個很大的衝擊。「由上而下」來看這件事情，是把人的經驗變成一套軟體；但是現在「由下而上」（用我的詞來講），它可以學到的東西卻是過去純粹寫成一個「由上而下」軟體，所做不到的；而且它學習出來的結果可能是非常的強大。

這也是今天用一集來補充說明什麼叫做「由下而上」，順便也讓各位理解今天的人工智慧跟過去人工智慧已經是不一樣。我們從前幾個集到現在，強調人工智慧的能力，到底人工智慧有多聰明？用下棋作為例子。下一集將再換一個角度來討論，看看到底人工智慧有多聰明，那麼我們下集見。（本文完）

▌《AI思維》榮獲110年 金書獎

▌內容(或逐字稿)整理陸續發表：就享知平台：《AI思維》頻道

▌意見信箱： digiknow@digiwin.com

▌本節目由《就享知》平台 贊助播出