iPAS◆AI應用規劃師◆初級

覺實

建立於 2026年01月20日

一、 AI、ML 與 DL 的層次關係 這些來源清晰地闡述了 AI、機器學習（ML）和深度學習（DL）之間的層次關係，它們是實現人工智慧目標的不同層級技術，呈現由廣到窄的涵蓋關係： 1. 人工智慧 (AI)：最廣泛的概念 ◦ 定義： AI 是一個最廣泛的概念，旨在讓機器展現智慧。 ◦ 核心目標： 讓機器模仿、學習並執行通常需要人類智慧才能完成的任務。其根本目標是賦予機器學習、適應和智慧行為的能力，以解決複雜問題。 ◦ 定位： AI 被視為這個技術領域的「大傘」。 2. 機器學習 (ML)：實現 AI 的主要方法 ◦ 定義： 機器學習是實現 AI 的一種主要方法。 ◦ 機制： 它允許系統從數據中學習並改進性能，而無需明確編程。 ◦ 定位： ML 屬於 AI 的範疇，是驅動電腦從數據中學習並改進其性能的能力。 3. 深度學習 (DL)：ML 的一個子集 ◦ 定義： 深度學習是機器學習（ML）的一個子集。 ◦ 機制： DL 使用多層人工神經網路來學習複雜的模式。 ◦ 影響： 深度學習的興起極大地推動了 AI 在圖像識別和自然語言處理等領域的突破性進展。DL 擅長處理圖像、語音、文本等非結構化資料，並從中學習高度抽象的特徵。 總結來說，AI 是目標，ML 是達成這個目標的核心途徑，而 DL 則是 ML 中使用特定多層網路技術的子領域。 -------------------------------------------------------------------------------- 二、 AI 定義與分類的背景脈絡 AI、ML、DL 的層次關係存在於兩個主要的 AI 分類維度之下： 1. 依能力強度劃分的 AI 類型 AI 領域根據其所能展現的「智慧」程度進行分類： • 狹義 AI (Narrow AI) 或弱 AI： 這是目前日常生活中最常見的 AI 形式。它們專為執行單一或特定任務而設計，例如語音助理、圖像辨識系統或推薦演算法。 • 通用 AI (General AI) 或強 AI (AGI)： 這是一種理論上的 AI，目標是讓機器擁有像人類一樣全面且靈活的智慧，能夠思考、理解、學習並解決任何問題。 • 超級智慧 (Superintelligence)： 指的是在幾乎所有領域都遠遠超越最聰明人類智慧總和的 AI。 2. 依功能性與學習方式劃分的 AI 範式 ML 與 DL 的技術主要歸屬於以下幾種學習範式，這些範式涵蓋了實現 AI 的不同方法： 學習範式 核心機制/目的 數據類型 典型應用 監督式學習 (Supervised Learning) 透過「正確答案」（標籤）讓模型學習輸入與輸出的映射關係。 帶標籤數據。 分類（如垃圾郵件過濾）和迴歸（如房價預測）。 非監督式學習 (Unsupervised Learning) 模型在沒有標籤的情況下，自己找出數據內在的結構、模式或隱藏的關係。 未帶標籤數據。 分群（如客戶分群）和降維。 強化學習 (Reinforcement Learning) 透過與環境互動獲得獎勵或懲罰（試錯學習），以最大化累積獎勵。 互動式反饋。 遊戲對弈（如 AlphaGo）、自動駕駛、機器人控制。 3. 鑑別式 AI 與生成式 AI 的對比 DL 技術的發展特別體現在鑑別式 AI 和生成式 AI 這兩種模型類型上，它們在實現 AI 的目標上也有根本差異： • 鑑別式 AI (Discriminative AI)： ◦ 目的： 學習數據中的模式，以便**「區分」或「分類」不同的輸入。它試圖找到能夠最好地將不同類別分開的決策邊界**。 ◦ 學習內容： 條件機率 P(Y∣X)（在給定輸入 X 的情況下，判斷輸出 Y 的機率）。 ◦ 定位： 擅長判斷「這是什麼？」。 • 生成式 AI (Generative AI)： ◦ 目的： 學習數據的**「底層分佈」或「生成機制」，從而能夠「生成」全新的**、符合訓練數據分佈的數據樣本。 ◦ 學習內容： 數據本身的機率分佈 P(X) 或條件性分佈 P(X∣Y)。 ◦ 定位： 展現機器高度的創造力，能夠創造「新的」內容。常見模型包括生成對抗網路（GAN）和變分自動編碼器（VAE）。 總結來說，AI、ML 和 DL 的層次關係是整個 AI 技術體系的基礎，它幫助我們將宏大的「人工智慧」目標，拆解為可操作的「機器學習」方法，最終透過「深度學習」等先進技術實現突破性應用，並依照其能力（狹義、通用）和功能（監督式、生成式）進行分類。 -------------------------------------------------------------------------------- 類比說明： AI、ML 與 DL 的關係，可以想像成人類想要實現「飛行」這個目標。 • AI（人工智慧） 是**「飛行」**這個宏大目標。 • ML（機器學習） 是實現飛行的**「飛機製造技術」**，它提供了一套從數據中學習如何運作的機制（例如，透過數據調整翼型和引擎效率）。 • DL（深度學習） 就像是飛機製造技術中的**「噴射引擎」**。它是一種特別強大且複雜的子技術，雖然只是飛機的一部分，但它的出現使飛機（機器學習）的能力（如長途、高速飛行）獲得了突破性的提升。 • AI 的分類（如狹義 AI） 則像是定義飛機的類型：例如，客機（狹義 AI）在運送旅客方面表現卓越，但它不能用於戰鬥或深海探測。