在科技快速進步的現代，了解AI的機制與原理，已經成了必備的知識。
　　AI相關的科技雖然看似複雜，但若只是想了解原理，而不深究數學上的細節的話，其實並沒有想像中那麼困難。

　　「深度學習」是機器學習方式的一種，與過往由人類教導機器學習的方式不同，是由機器自己從大量的資料中學習，並做出判斷。

　　本書即是一本從頭解說「深度學習」運作機制的入門書。

　　書中搭配了豐富的圖表，文字淺白且說明深入淺出，只要有高中程度的數學知識，就可以充分理解本書所講解的內容，讓你在閱讀本書時，實際體會到「原來AI是這樣思考、這樣做出判斷的！」。

　　Step 1→說明深度學習的活躍情況
　　深度學習的登場，讓現代的AI有了飛躍性地發展。一開始會先從「現在的AI」是什麼樣子，以及AI與深度學習之間的關係開始講起。

　　Step 2→用許多插圖及例子說明深度學習的機制
　　在進行數學性的說明之前，先讓我們用插圖來看看深度學習是什麼樣的東西吧。雖然這樣的說明並不嚴謹，但可以幫助各位了解深度學習的概念。

　　Step 3→用數學式仔細說明神經網路的機制
　　在藉由許多插圖解釋深度學習與神經網路的機制之後，接著會用數學式更進一步深入解說神經網路是如何運作的。

 

作者簡介

涌井 貞美（Wakui Sadami）

　　1952年出生於東京。東京大學理學系研究科碩士畢業，曾任職於富士通，擔任過神奈川縣立高等學校教師，後來成為獨立科學作家。因其解說的文章詳細、易懂而廣受好評。

　　著作包括《まずはこの一冊から 意味がわかる統計解析》（べレ出版）、《図解・ベイズ統計「超」入門》（SBクリエイティブ）、《統計学の図鑑》、《深度學習的數學：用數學開啟深度學習的大門》（博碩）、《大人的理科教室：構成物理‧化學基礎的70項定律》（台灣東販）等。
 

1開啟AI時代的深度學習

～現在的AI熱潮要從2012年的「Cat Paper」開始說起～

報紙或電視節目幾乎每天都會提到與AI有關的話題，而深度學習正是引起這波AI熱潮的關鍵，使社會出現了很大的改變。

AI熱潮

AI是英語Artificial Intelligence的首字母簡稱，譯為人工智慧。

我們幾乎每天都可以在報紙或電視新聞上看到與AI有關的報導。

「AI自動駕駛即將實現。」
「AI在癌細胞的影像判讀上有很大的幫助。」

類似的例子不勝枚舉。

AI為什麼會在現在引起熱潮呢？在二十一世紀初期，有誰會想到有這樣的熱潮呢？

一切要從發表於2012年的「Cat Paper」開始說起。

「Cat Paper」與深度學習

事情發生在深度學習發表的那一年，也就是2012年。美國Google公司在這一年6月發表的研究結果中提到「在沒有他人幫助的情況下，AI成功自行識別出貓」。後來，這篇論文在AI界中被稱做Cat Paper。

Cat Paper之所以是劃時代的論文，是因為研究過程中研究人員完全沒有告訴電腦任何一個貓的特徵。電腦會自己分析出貓的特徵，之後就算看到完全沒看過的貓咪圖像，也能判斷「這就是貓」，這代表電腦已能「自己從資料中學習」。

再重複一次，Cat Paper之所以是劃時代的論文，是因為它「讓電腦能自己從資料中學習」。而這個「Cat Paper」所使用的方式就是Deep Learning，可譯為深度學習。而深度學習這個概念，正是改變時代的關鍵。在生產、流通、語言、交通、醫療、製藥、教育、軍事、照護等許多領域，都引起了革命性的改變。

2 深度學習與AI

～與過去的AI不一樣的地方在於「自己從資料中學習」

深度學習一詞常與AI同時出現。AI是二十世紀後半誕生的詞彙，讓我們回顧從那時到現代的歷史吧，這樣就能了解深度學習在AI中的定位了。

AI的歷史

AI並不是最近才成為熱門話題。以前的主流媒體界曾出現過兩波AI熱潮，現代則是第三波AI熱潮。

第一波熱潮發生於1950年代，是電腦開始於社會普及的時候。人們鉅細靡遺地告訴機器（電腦）各種計算方法，希望能夠創造出人工的智慧（也就是AI）。

這種設計AI的方式叫做規則主導法（rule based）。當時的人們樂觀地認為，只要單方面塞進許多邏輯、規則，就可以創造出「知性」，也就是智慧。

1950年代時，記憶體十分昂貴，且大容量的記憶媒體還沒出現，所以當時的人們只能希望透過塞入大量邏輯來實現知性。

「單靠邏輯實現『知性』」這種規則主導的方式，即使用在現代電腦上也無法成功。更不用說性能相對差了許多的1950～1960年代電腦，只能得到十分貧乏的結果。