作者：林威宏
2021年上映的電影《脫稿玩家》，其內容在講述主角其實是虛擬電子遊戲中的一個人工智慧(AI) 背景角色（Non-player Character，NPC），然而該AI NPC脫離程式的設定，展開了一連串成長以及進化的冒險故事。
人工智慧雖然是許多電影中經常出現的橋段，也有許多影集的劇情是將人工智慧比喻成會不斷成長最終取代人類的大魔王，雖然電影總有些戲劇效果而誇張的成分存在。現實世界中也有許多使用人工智慧的例子，然而究竟由人類打造出來的人工智慧，為甚麼會有讓人意想不到的成長呢？
《脫稿玩家》電影
會學習的AI！從機器學習到深度學習！
近年來隨著人工智慧的竄紅，「機器學習」（Machine Learning）以及「深度學習」（Deep Learning）一詞也逐漸出現在大眾的視野裡。機器學習以及深度學習是包含在人工智慧中很重要的領域，而深度學習又是機器學習裡的其中一個子領域。
簡單來說「機器學習」是透過多樣的系統和函數模型，再搭配大量的資料，讓機器經過「訓練」，也就是在大量的資訊中，找到它的變動模式以及隱藏資訊，讓電腦擁有自我進化的能力，進而得出一個最佳解。
而「深度學習」是更進階的機器學習的分支。即使是機器學習透過大量的系統模型，能處理的事情在目前的世界也僅僅是一小部分而已。因此AI開發者就想到借鏡我們的大腦，大腦是由數百到數千億的腦神經元所組成，進而產生智慧。那能不能讓機器去模擬腦神經元，來產生屬於機器的「智慧」呢？這就是「深度學習」的原始雛形 – 神經網路（Neural Network，簡稱NN）。
深度學習為機器學習的子領域，機器學習為人工智慧的子領域。（圖片來源：作者繪製）
深度學習！會自己升級的AI模型！
進一步來看「深度學習」，它是由許多的感知器(Perceptron)所建構出的一個模型，而感知器之於深度學習模型如同神經元之於大腦是一樣的。透過每一筆的資料輸入得出的輸出值來和標準答案比較，深度學習模型會透過每筆輸出值的回饋來調整其內部感知器的權重，以減少誤差為最終目的。利用大數據的資料能不斷改善深度學習的模型，一但誤差減少到達可接受的程度，就表示這個深度學習模組可以使用了。
深度學習模型的概念看似簡單，但要實現出來，就必須要有大量的數據、強大的運算能力。由於科技的不斷發展，終於使得深度學習能夠實現。在2020年時，一個巨大的深度學習模型「GPT-3」，背後擁有的參數高達1750億，預先訓練此模型的數據則是超過45TB。此模型已經能回答問題、編寫文章、進行翻譯，就連編寫程式碼、製作表格和繪圖都難不倒它。
機器學習以及深度學習不同的運算邏輯。（圖片來源）
資深醫師！高端棋士！深度學習的多才多藝！
「深度學習」最知名的一個里程碑，無疑是2017年AlphaGo擊敗世界第一棋士柯潔那場戰役，讓世界見證到人工智慧開花結果的時刻：人工智慧已能在特定領域中，超越人類累積數千年的經驗結晶。
這在當時的社會投下了一顆震撼彈，AI和人類之間的碰撞也趨於白熱化。有人認為持續任由人工智慧的發展，未來恐怕不太樂觀。另外也有一派則表示，人工智慧能帶給人類更好的未來。
經過時間的淬鍊之後，從AI中衍生出深度學習的項目，能夠在短時間完成人類需要經過許多時間累積的經驗。目前「深度學習」得應用領域十分廣泛，特別是在影像辨識領域的發展，例如近年來市場出現許多帶有自動駕駛功能的車子，隨著里程數不斷的累積，深度學習可以逐步地降低肇事率。
在2017年Alphago擊敗中國棋王柯潔。（圖片來源）
深度學習應用在醫學領域中也有長足的發展，一般來說臨床醫學影像在疾病的診斷中有著重要的作用，目前許多影像多依賴醫師的肉眼判斷，因此醫師的主觀因素有時會與實際的情況上有所落差。
在台灣各大醫院已開始透過AI系統的輔助來進行診斷，在某些科別的診斷中，AI的準確率已超過9成。由於AI是會不斷的成長，當不斷給予數據讓AI持續進化，將能進一步提升準確率。
在某些醫療的領域上AI可以做出準確率高的診斷。（圖片來源）
小結
隨著獲得的數據越多，深度學習的準確率就能獲得進一步的成長。可預見未來深度學習技術能應用的領域將持續擴大，也為人類的生活帶來更多便利。然而，AI是否是兩面刃，也可能帶來一些負面的影響，甚至如一些電影所演的超出人類的「控制」呢？
無可否認的是AI將為人類的生活帶來許多便利。（圖片來源）
800英尺
500英尺
降肉
降肉
降肉泥
- 完全自動駕駛，我們還有多少路要走？ - 2022/09/05
- 【擴增實境】走入各領域！揭開AR的百變面紗 - 2022/08/04
- 【擴增實境】眼見為憑？ AR讓你在徜徉在虛實之間 - 2022/07/13
