許多人試著進入「深度學習」領域，卻發現教材明明都是中文字，卻完全看不懂。圖片來源／iStock、Nick Young；圖說重製／林婷嫻、張語辰
如果上圖有打中你，本文整理 2017 中央研究院 AI 月系列活動中，國內外專家分享的深度學習思維與應用。希望能讓深度學習成為各位小智的寶可夢，在人工智慧這條路上，走出樂趣與成就感。
深度學習：讓電腦長神經，教它判斷決策
1960 年代起，科學家就試著透過各種機器學習技術，教電腦擁有人工智慧，例如會下西洋跳棋的電腦程式。但這跟現在的 AlphaGo 相比似乎不算什麼？這部分拜賜於電腦運算效能大幅提升、大量供訓練使用的資料，以及深度學習技術近幾年的突破性進展。
人腦思考仰賴神經網路的運作，科學家也透過設計函數模組，在電腦中組成「類神經網路」，讓電腦藉由餵養的訓練資料，歸納出背後的規則，做出最適合的判斷。圖片來源／iStock；圖說設計／林婷嫻、張語辰
從上圖可以看到，這是深度學習與傳統機器學習技術的最大差別：電腦有了四通八達的神經網路！透過層層非線性函數組成的神經網路、及精心規劃的權重訓練過程，電腦學會在未曾經驗過的情境下做出最適當的反應。
訓練深度學習模型就像教小孩，給予足夠的人生經驗，透過神經網路學習，讓電腦未來自己判斷怎麼做比較好。
若將深度學習比喻為手拉坏，陶土就是資料，陶碗成品是電腦自動找出來的函數（function），而目前有的「拉坯機」為 TensorFlow、PyTorch、Microsoft CNTK、Keras 等程式庫，其中 Keras 算是 TensorFlow 的官方介面，比較容易上手、適合初學者。而核心處理器 GPU 就像拉坯機的電源，若是 GPU 強大又穩定，深度學習的運算速度會更快。但最重要的是，身為手拉坏師傅的你，要如何教導電腦這位學徒。
「深度」在於神經網路的層層結構
小時候爸媽會拿著圖書，教你辨認 “1″ ,"2″, “3″ 每個數字的長相，若要教電腦辨識數字 “2” ，要先從該影像一個個像素 （pixel）開始分析，經由層層層層層層層層層層層層層層層層函數組成的神經網路運算，最後判斷出這個影像「最可能」為數字 “2” 。
先教電腦定義每個影像的值，再透過神經網路的層層非線性函數運算，判斷這個影像最可能為哪個數字，信心水準比值最高者為答案。資料來源／李宏毅；圖說重製／林婷嫻、張語辰
為了達到較高的信心水準，有兩個關鍵：給與足夠的訓練資料，以及設計出優秀的神經網路。
深度學習的神經網路結構，該長什麼模樣？目前主流作法有 CNN（Convolutional Neural Network）、RNN（Recurrent Neural Network）和 GAN（Generative Adversarial Network）等等 ，各有信徒支持的優點。
深度學習常使用的三種神經網路架構示意：CNN, RNN, GAN。資料來源／李宏毅；圖說重製／林婷嫻、張語辰
CNN 善於處理空間上連續的資料，例如影像辨識；RNN 適合處理有時間序列、語意結構的資料，例如分析 ptt 電影版的文章是好雷或負雷；而 GAN 生成器（generator）與鑑別器（discriminator）的對抗訓練模式可以輔佐電腦「觀全局」，不會忘記自己做過的步驟而發生窘況，像是教電腦自動畫皮卡丘時，忘記自己已經畫了一個頭，最後畫出兩個頭。
強大的 AlphaGo 如何深度學習？
與 AlphaGo 對弈的柯潔曾表示：「與人類相比，我感覺不到它（AlphaGo）對圍棋的熱情和熱愛。我會我用所有的熱情去與它做最後的對決」。若以情感面來探討，確實為難 AlphaGo 。
因為在 AlphaGo 深度學習的過程中，訓練的資料並沒有任何熱血動漫或情書情歌，而是一張又一張專業的棋譜影像資料。台大電機系李宏毅教授以《棋靈王》漫畫的棋譜比喻說明，請見下圖。
透過眾多棋譜影像訓練，電腦可以學會根據目前棋盤上的局面，判斷下一步應該落棋於何處。本圖以《棋靈王》漫畫情節來比喻。資料來源／《棋靈王》漫畫、李宏毅提供；圖說重製／林婷嫻、張語辰
異質神經網路 (HIN)：教電腦找到不同種資料的關連
除了「深度」，也別忘了「廣度」，把不同類型的資料整合在一起，可讓分析結果更精準。
來自伊利諾伊大學芝加哥校區的俞士綸教授點出，通常企業機關擁有的數據，是從各種不同管道蒐集而來，往往屬於不同型態。例如 Google 呈現搜尋結果建議時，除了看搜尋的關鍵字，也會參考使用者平常 Gmail 常用哪些字，或使用者正位於 Google Map 上的哪個位置。
這需要透過 HIN 異質神經網路（Heterogeneous Information Networks）技術，來理解並串連不同種類資料之間的關係。
俞士綸教授以藥物研發為例，在藥物合成或試驗前，可先透過深度學習分析相關資料，瞭解化合物的藥效會控制哪個基因、該基因和哪個通道有關係，或了解某個副作用會由哪兩種化合物引起 (註一)。這些深度學習的分析結果，再搭配和生醫或化學專家討論，有助縮減研發藥物的時間和花費。
透過深度學習，幫助判斷哪個藥物研發路徑比較重要（不同顏色的箭頭），及預測某個藥物能不能治療某種疾病。資料來源／俞士綸；圖說重製／林婷嫻、張語辰
深度學習，超幅提升電腦視覺能力
1960 年代，人工智慧先驅者 MIT 教授 Marvin Minsky 曾說「給我三個月，還有一位大學生，我要讓電腦可以辨識影像」，但當時電腦的聰明程度只會畫一些簡單的圓形、正方形，後來 Marvin Minsky 和學生 Gerald Sussman 宣告這個挑戰失敗。
到了 1990 年代，電腦視覺（Computer Vision）有更進步的發展，例如由 David Lowe 發表的 SIFT（Scale-Invariant Feature Transform）演算法，用來描述影像中的局部特徵，藉以偵測影像或影片在位置、尺度、角度上的對應及變異。
SIFT 電腦視覺演算法：先算出影像中每一個小區塊的方向性與梯度變化，再整合成各大區塊的方向性與梯度變化，降低資料的維度和雜訊，以利後續應用。資料來源／陳彥呈
現在大家常用的 panorama 全景攝影、3D 模型建立、VR 影像縫合等技術，皆應用到 SIFT 或類似的演算法；而 NASA 在外太空拍下火星地景照片時，也是透過 SIFT 演算法來比對地景特徵。
NASA 在外太空以俯視及平視兩種角度拍下火星地景，再透過 SIFT 演算法，辨認出同區域的視覺特徵（照片中的彩色小圓圈）。資料來源／陳彥呈提供
時間來到 2017 年，受惠於深度學習的進展，電腦視覺技術彷彿從單細胞生物進化到智人，發展出優異的影像辨識及理解技術，並成功應用於各行業與生活中。例如：在生產線上辨識紡織品花紋的瑕疵，以及網美愛用的修圖 APP ──辨識痘痘的位置並套上讓肌膚平滑的濾鏡。
影像辨識技術：早期演算法只能辨識一些簡單的特徵，現在透過深度學習，電腦可以辨識看到的汽車、自行車、行人等等，算出相對應的距離，並判斷哪些目標需要注意。資料來源／Nvidia launches Drive – the computer self-driving cars have been crying out for
運用深度學習教電腦辨識視覺特徵，發展到極致可望革新人類的生活。Viscovery 研發副總裁陳彥呈博士在演講中分享，現今 NVIDIA 的自動駕駛系統，從頭到尾只教電腦一件事：「辨認哪裡還有路可以開，才不會撞上」。秉持這個單純的概念，擴增訓練的影像資料、優化深度學習的神經網路，NVIDIA 自動駕駛系統的影像辨識正確性、反應速度和駕駛時速，不斷提升到可以上路的程度。
NVIDIA 自動駕駛系統：用深度學習，教電腦辨認哪裡有路可走，才不會撞上任何障礙物。資料來源／Volvo Cars and Autoliv Select NVIDIA DRIVE PX Platform for Self-Driving Cars
用 100 張違規停車的照片，加上 100 張依規停車的照片，透過 150 層的 ResNet 深度神經網路來訓練電腦，辨認出違規停車。聽起來是很棒的點子。
陳彥呈以過來人的經驗分享，這最大的挑戰在於：第一層輸入訓練電腦的影像資料中，「機車」和「腳踏車」的視覺特徵變異，遠大於地上「白線」和「紅線」的視覺特徵變異，會讓電腦誤以為要學習辨認「機車」和「腳踏車」的不同，而無法辨認出「白線」和「紅線」。
就像要教小狗「坐下」，但卻說了很多不同語言的「坐下」，或同時伴隨華麗的手勢，會混淆小狗究竟該辨認哪個特徵，無法做出正確的反應。
一開始準備訓練深度學習模型的資料時，就要處理乾淨，有助於後續神經網路的運算表現。
深度學習：一天 24 小時不夠用 QQ
中研院資訊所陳昇瑋研究員在演講中說明：深度學習讓電腦具備從繁雜資料中歸納規則的能力，但電腦畢竟不像人腦直覺，過程中還要教電腦處理各層函數的權重（weights）與偏差（bias）。
台大電機系李宏毅教授分享教電腦辨識 ”2” 的經驗，需要餵給電腦一萬張以上的手寫數字影像資料。而若要訓練電腦自動畫出二次元人物頭像，為了達到看起來會想戀愛的精美程度，至少要運算 5 萬回合（epoch），而每跑 100 回合可能就耗費大半天光陰。
透過 GAN 生成式對抗網路，跑了 5 萬回合後，教電腦自動畫出二次元頭像的成果。某幾個頭像是否看了感到心動？資料來源／GAN学习指南：从原理入门到制作生成Demo、李宏毅提供
打算將鐵杵磨成繡花針的老婆婆，曾經感動李白奮發向上，而若李白來到這個時代，看到電腦科學家不屈不撓的「深度學習」精神可能會雙膝一軟。若您是某企業的高階長官，千萬別對軟體工程師說：「這有資料，現在深度學習不是很紅嗎？試試看，一個禮拜後報告。」任何人工智慧技術，都需要時間淬煉。
XXX 工作會消失？天網會消滅人類？
左圖：中間高台的人正在唸故事給工作的人們聽；右圖：拿著竹竿敲窗戶的 morning call 服務。圖片來源／陳彥呈提供
隨著科技發展，現在有音樂串流平台，可以排解工作煩悶。早上也能透過智慧手機鬧鐘，讓自己在降低起床氣的旋律中睜開眼睛。這些是在留聲機及鬧鐘尚未出現前，曾經有的人工服務，但現在圖中的工作都已經消失了。
「唯一不變的，是變的本身。」 (Change is the only constant.) －－ 古希臘哲學家 Heraclitus
幫助人們完成做不到的任務、解決心有餘而力不足的問題，這是自始至終發展人工智慧的目標。
以中研院「106 年度資料科學種子研究計畫」正在進行的研究為例 (註二)，人工智慧可望幫忙解決生活中許多問題，包含：透過行動上網訊號來觀測人口流動，並預測傳染病的傳染區域途徑；藉由分析近年來交通事故的地方法院民事判決，歸納出法官如何衡量肇事責任的分配；亦可透過電腦視覺分析蛾類的體色，了解體色變化與氣候變異的關係。
現階段人工智慧受惠於深度學習，雖然相當強大，但尚有許多限制有待突破，電腦科學家們仍在蒐集訓練資料、優化神經網路、改善運算效能這條路上馬不停蹄。對於想踏入深度學習領域的初心者，李宏毅教授在演講中說出相當真實的心聲：
你看別人做手拉坏好像很容易，但自己做下去會有各種崩潰，深度學習也是一樣。心法在於你要相信自己一定做得出來！
2017 中央研究院 AI 月活動現場，講師正在向大家說明，如何建構精巧的深度神經網路。攝影／張語辰
看完這篇文章，當媒體下標天網要消滅人類、機器人發展自己的語言嚇壞工程師時，相信你已了解深度學習的能力與發展可能性。來自美國南加州大學的郭宗杰教授，在演講中笑著說：「因為不懂，會把它（深度學習）講得非常強；但如果懂了，就會知道它其實相當地有限，不要被外行人的說法嚇到。」
無論何種身分，若對於人工智慧和深度學習的最新發展感興趣，後續中央研究院資料科學種子研究群的活動現場有個位子，留給未來的你。
延伸閱讀
- 2017 中研院 AI 月活動
- 註一. “PathSim: Meta Path-Based Top-K Similarity Search in Heterogeneous Information Networks", PVLDB, 2011.
- 註一. “Integrating Meta-Path Selection with User Guided Object Clustering in Heterogeneous Information Networks”,. ACM KDD, 2012. (Best Paper)
- 註二. 106 年度資料科學種子研究計畫最終核定名單
- 迎接AI，先做到「AI Ready」。作者：陳昇瑋
- 人工智慧、機器學習與深度學習間有什麼區別？ 作者：Michael Copeland
- 執行編輯｜林婷嫻
- 美術編輯｜張語辰
本著作由研之有物製作，以創用CC 姓名標示–非商業性–禁止改作 4.0 國際 授權條款釋出。
本文轉載自中央研究院研之有物，泛科學為宣傳推廣執行單位
The post 人工智慧與深度學習，會把人類的工作搶走嗎？解析A.I.的深度學習 appeared first on PanSci 泛科學.