海巡季刊第105期

3. 黃志勝，〈什麼是人工智慧、機器學習和深度學習？〉， Medium 部落格平臺 ， https://medium.com/@chih. sheng.huang821/ 什麼是人工智慧－機器學習和深度學習 -587e6a0dc72a 。 一、基本架構 在神經網路（ Neural Network ， NN ）的架構 中，主要分為三層，分別為輸入層、輸出層及隱藏 層，如以下說明（架構圖如圖 4 ）： 圖 3 人工智慧、機器學習、 深度學習關係圖 3 三、範例說明 假設今天有個問題需要知道圖片裡是汽車還是 飛機，在機器學習的領域中，我們需要先定義出汽 車和飛機的特徵，例如飛機有機翼、汽車有 4 個輪 子，並送入機器運算，最終得出的模型則會協助我 們判斷出圖片中汽車或飛機的位置，但對深度學習 而言則只需要匯入圖片學習。 從在這個例子中，如果我們要判斷的圖片是一 艘船呢？答案是模型則會依據可能的機率，告訴我 們這艘船比較像汽車或是飛機，但絕對不會告訴你 這是一艘船，因為我們一開始就沒有訓練機器有關 船的圖片，故答案裡沒有船的選項。 四、小結 聽完上面的介紹， 可以得出一個簡單 結論，人工智慧 （ AI ）是個大範 疇，其中應用的 技術是「機器學 習」，而機器學 習中的其中一個發 展，則是「深度學 習」，概念如圖 3 。 伍、神經網路（ Neural Network, NN ） 不論在「機器學習」或是「深度學習」的領域 中，機器都不會知道怎麼學習，這個「學習」步 驟，其實是人類設定好的方法，而這個方法的實 踐，最常見的就是「神經網路（ Neural Network, NN ）」。 圖 4 　神經網路（ Neural Network, NN ）架構圖 （一）輸入層：模型中的輸入部分，也是一切運算 的開始，如果要辨識圖片，則需要將圖片轉 換成模型所需要的維度（前處理），再輸入 運算。 （二）輸出層：最終產出結果的部分，在這裡我們 需要依據需求，定義出產出的項目。 （三）隱藏層：神經網路的精華，所有過程都在這 裡做運算，也是資訊人員調整各項參數的地 方，經過不斷地試驗，調整各神經元的權 重，調整隱藏層的層數，調校出最佳的架 構，提供電腦產出最佳「運算模型」，進而 解決問題。 63 季刊 Coast Guard Administration Ocean Affairs Council 季刊│ No.105 Sep. 2020