以下，是我聽演講，上網搜尋找到的相關資料，分享給大家
然後我很懶得去抓圖片來這邊貼，所以沒有圖片
本來想說要不要錄成影片，但是太麻煩了，而且也不知道有沒有人看
如果有錯誤的地方，再請各位厲害的大大指教，謝謝
===================================================
這篇是人工智慧發展的最後一個階段介紹，為深度學習的階段
其實跟上一篇機器學習也是一樣的概念，只是可以更深更廣地去學習
其年代大概在2012年之後
整體的概念為類神經網路，感覺有點像自動控制的東西
簡單解釋就是有一個集合器，或稱作累加器來進行權重的加總
出來的數值在經由一個轉換器達到輸出
這樣說好像很難懂，我在這邊假設三個變數，分別為A、B、C
然後再假設三個對應的權重，分別為a、b、c
所以輸入A、B、C進去我的人工智慧中，它會先進行權重相乘
所以A就會變成aA，B則變成bB，C變成cC
然後剛剛說會經過一個累加器，經過累加器之後就會變成aA+bB+cC
也有可能是減喔，如果權重是負數就是減
但是你根本不曉得aA+bB+cC是啥意義吧，所以要經過一個轉換器
經過轉換器達到的結果可能就是答案
A、B、C是外在輸入，所以我們不能去動，但是可以動的是權重
但你怎麼知道？機器怎麼知道權重要設多少？
其實一開始怎麼設都沒差
比如你要沉積一層薄膜，你輸入的參數是時間、溫度、濕度
分別為60秒、150度、濕度為20%，得到的薄膜厚度為1 mm (假設好嗎？)
這是經過多次實驗出來的值
結果你跑人工智慧跑出來的值是0.05 mm，那就錯很大了
所以！它就會自己回饋，跟自己說那些權重設定錯誤
之後你可以在叫它跑一遍，所以它學一次了，就跟人一樣不可能馬上就會阿
第二次跑出來的結果可能是0.5 mm，還是差有點多
第三次跑出來的結果可能是1.03 mm，愈來於接近
它會慢慢收斂，直到結果幾乎已經不再變動，就代表它學習完成了
我剛剛只是舉例有三個變數喔，事實上怎麼可能只有三個變數
一個累加器一次一百個變數，光調變權重就調到死了
而且這還只是一個類神經網路
現在已經發展到多層神經網路，還有卷積神經網路
多層就不解釋了，反正就是變多而已，卷積神經網路就是在處理之前先進行卷積
卷積有點像是一層過濾的感覺，先把一些雜訊濾掉，分析運算起來就會比較簡單一些
數據差異會縮小、資料點也會降低
而這一切的一切都要歸功於儲存與資料運算的進步
人工智慧的電腦絕對不是CPU可以處理的，也已經不是GPU了
現在已經進化到用TPU了，像是AlphaGo就是用TPU來運算處理
這篇就到這裡，下一篇我會講一些機器人的東西
謝謝
我有粉絲專頁唷，如果喜歡我的朋友可以到我的粉絲專頁按個讚唷
留言列表
國內晃晃 (2)