人工智能、機器學習是甚麽？專家詳細解釋！

供稿者：林南生 Benny Lam 現為香港電腦學會(HKCS)會員，雲端運算/智慧城市專題組召集人，大數據及商業智慧專題組委員會成員，亦為位於香港科學園的華訊站有限公司 (Right Station Ltd.) 的創辨人和總監。

近年由於大數據，開源軟件，雲計算的進步和處理器速度提昇，運用人工智能變得更容易及有效。人工智能中的一個核心領域就是機器學習(Machine Learning)。根據維基百科：「人工智慧的研究是從以「推理」為重點到以「知識」為重點，再到以「學習」為重點，一條自然、清晰的脈絡。顯然，機器學習是實現人工智慧的一個途徑，即以機器學習為手段解決人工智慧中的問題。機器學習在近 30 多年已發展為一門多領域交叉學科，涉及機率論、統計學、逼近論、凸分析、計算複雜性理論等多門學科。

機器學習理論主要是設計和分析一些讓電腦可以自動「學習」的演算法。機器學習演算法是一類從資料中自動分析獲得規律，並利用規律對未知資料進行預測的演算法。因為學習演算法中涉及了大量的統計學理論，機器學習與推斷統計學聯繫尤為密切，也被稱為統計學習理論。演算法設計方面，機器學習理論關注可以實現的，行之有效的學習演算法。很多推論問題屬於無程式可循難度，所以部分的機器學習研究是開發容易處理的近似演算法。」

那麽機器學習有甚麽具體應用？以下是機器學習在實際應用中的一些最常見類別：

圖像辨别 (Image Recognition)

圖像辨别是利用機器學習分析圖像以獲取數據進行一些分類，辨别或轉換。像 Facebook 一樣的圖像標記，當算法檢測到您的臉部或朋友的臉部出現在照片中時便會自動將名稱標記於照片的人像上，機器學習算法更會從您手動更改照片標記中學習，從而增加自動圖像標記的準確度。

光學字符識別（OCR）

OCR 是利用機器學習算法將原稿或掃描文本文檔轉換為數字或文字數據。機器學習算法必須學習大量書寫字符的圖像從而轉換為正確相應的數字或字母。

垃圾郵件過濾 (Spam Mail Filtering)

垃圾郵件過濾器利用機器學習的文本分析(Text Analysis)根據郵件內容和主題將電子郵件分類為垃圾郵件或正常郵件。

情緒分析 (Sentiment Analysis)

情緒分析算法利用文本分析學習根據作者所表達的心情將意見分類為積極，中立或消極的信息。

自動駕車 (Autonomous Vehicle)

自動駕駛系統由複雜的技術組成。透過各種不同的傳感器技術例如雷達，照相機，激光雷達和車聯網通信等能夠提供車輛周圍的具體情況，更需要用先進的傳感器數據處理器可靠地完成數據收集。然後要確保汽車能夠正確地自動處理可能發生的幾乎無限量事件，複雜的決策和控制算法必須迅速無誤。但是要做到這一點，需要讓系統變得聰明及懂得學習，例如識別行人，停車燈和街道標誌的能力。機器學習可透過學習人類駕駛時的反應和正確態度而不斷改善自動駕駛系統的可靠性和安全性。