文章專區

Take Home Message
► 人工智慧其實就是要把問題化為一個「函數」，再利用各種機器學習、深度學習等方式，讓電腦想辦法學習這個函數。
► 透過One-Hot Encoding 編碼方式、Softmax 等轉換，我們可以讓AI 模型的函數處理結果更為精準。
► 設計損失函數便能幫AI 模型「評分」，使用方法是把訓練資料都輸入AI 模型中讓它作答，最後再看AI 模型和正確答案的差距。

隨著人工智慧（artificial intelligence, AI）技術興起，有愈來愈多人投入人工智慧領域的研究。人工智慧其實很簡單，首先就是要把問題化為一個「函數」。舉例來說，假設我們想做一個AI系統，辨識在臺灣常見的三種八哥，分別是臺灣原生種八哥（Acridotheres cristatellus，俗稱土八哥）、外來種白尾八哥（Acridotheres javanicus）、外來種家八哥（Acridotheres tristis）。化成函數的形式，就是由我們輸入一張八哥的照片，電腦輸出這是哪種八哥。

土八哥

（Noel Reynolds, CC BY 2.0, Wikimedia Commons）

白尾八哥
（JJ Harrison, CC BY-SA 4.0, Wikimedia Commons）

問題是，電腦只會處理數字，該怎麼告訴我們答案是「土八哥」呢？我們只需要改變一個方式，就是給每隻八哥一個編號！比方說土八哥是1號、白尾八哥是2號、家八哥是3號。

接著，我們就可以利用各種機器學習、深度學習等方式，去打造一臺「函數學習機」，讓電腦想辦法學會這個函數。如果採用深度學習，我們會需要大量的訓練資料：一種八哥大約需要1000 張照片，然後再用這些訓練資料去訓練我們的函數學習機（即AI模型）。如果AI模型學成了這個函數，那只要輸入一張八哥的照片，就會輸出一個數字，讓我們知道這是哪種八哥。

比如說，輸入一隻八哥的照片，輸出結果是1.2，我們就知道「啊，這是土八哥！」，因為數值1.2介於編號1 的土八哥與編號2 的白尾八哥之間，且較靠近 1。

One-Hot Encoding

目前這個函數看來還很美好，但問題是：如果我們輸入一張照片，AI模型告訴我們是2.5，這該怎麼解讀呢？難道要說我們的AI模型判斷，這隻鳥有50％的機會是編號2 的白尾八哥，另外50％的機會是編號3的家八哥嗎？如果你有認真看這三種八哥，就會發現土八哥其實和白尾八哥比較像，白尾八哥和家八哥反而不太像。依常理來說，應該不會有這種分不清的情況吧？

至於會發生這種問題的原因，出在我們給八哥的編號，就只是一個代號，並沒有本來數字系統裡的意義，例如連續、大小關係等。而為了打破數字間的連續性，可以使用一種稱為One-Hot Encoding的編碼方式：因為總共有三個種類的八哥，我們就用三維向量來表示，每個位置代表「是」（1）或「不是」（0）某種八哥。

於是，我們的AI模型就會輸出三個數字，分別代表土八哥、白尾八哥、家八哥的得分。

如果訓練成功，只要我們輸入一張照片，會得到三個數字，我們看最高分是誰， 就能夠知道這隻鳥是哪種八哥。比如說輸入一張照片以後，得到的三個分數是1.9、1.1、0.2。因為第一個數字最大，我們就知道這是土八哥！……【更多內容請閱讀科學月刊第629期】