【深度學習】如果電腦有神經，可以教它做什麼？

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。

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。

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” 。

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。

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。

異質神經網路 (HIN)：教電腦找到不同種資料的關連

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。

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。

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。

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。

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。

但自動駕駛車上路後，有哪些變因是神經網路算不出來的？陳彥呈舉例，當交通信號燈從黃燈變為紅燈時，自動駕駛系統會辨認燈色，並判斷該剎車停下來。但若這時後方一輛人類駕駛的車輛，可能趕時間認為應該要闖黃燈，就會撞上自動駕駛車。這該優化的是電腦的判斷力呢？還是人類的判斷力呢？

雖然將深度學習應用到電腦視覺領域，看來走在時代最前端，可以幫人類完成許多事，但陳彥呈以黑客松 (hackathon) 競賽的範例來提醒，人們在進行深度學習研究時經常忽略的考量。

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。

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。

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？

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。

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：

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。