高煥堂
1 復習:ML的智慧表達形式
上一期說明了人工智能(AI)(ML,機器學習)的推論技能,和其基于事物或現象之間的關聯性(或稱相關性)。例如,大家都熟悉氣候的運行規律:春暖 → 夏暑 → 秋涼 → 冬寒 → 春暖 → …。四季更替、周而復始,如圖1所示。這項人類已知的智慧(即關聯性),就可以讓機器(計算機)來學習、記憶它,然后依據它進行推論或預測。

于是,我們把這項關聯性(知識)排列在Excel畫面上,從X對應到Y(參見圖2)。在上一期里已經介紹過獨熱編碼(OHE,One-Hot Encoding),這樣就可以讓機器來學習人類已知的智慧了。

此時,機器會建立兩組神經元之間的連結(Connection),并且賦予一個權重(Weight)值來表示它所學習到的關聯性,參見圖3。接下來,按下“學習”按鈕,就展開機器學習,來記春暖([1000])與夏暑([0100])之間的相生關系。于是權重(值)就會發生變化,如圖4所示。

圖4里的線條寬度表示權重(值)的大小。這樣就記住了春暖與夏暑之間的關聯性了。那么,ML就藉此神經網絡就繼續學習更多關聯性,例如學習并記住了上述的所有關聯性了,如圖5所示。并且輸出于Excel畫面上,如圖6所示。

以上幫您復習了,如何展開機器學習,來記住事物之間的關聯性。
2 擴大:欣賞ML的時序性推論技能
在本節里,來舉大家也熟悉的唐詩韻律,說明其時序性的關聯性。例如,最典型的五言詩韻律:“仄仄平平仄, 平平仄仄平”。其中具有時間順序性的關聯性,所以稱之為韻律。此韻律里包含兩項名目:“平”和“仄”。于是就采取OHE編碼:以 [10]代表“平”;并以[01]代表“仄”。接下來,我們可以觀察到其中的各種時間順序性的關聯性。……