甚麼是深度學習？運作原理與應用介紹

深度學習是一種機器學習（machine learning）方法，也是人工智能（AI）領域的一個分支。此方法利用多層人工神經網絡（deep neural networks）模擬類似人腦的複雜決策能力，幫助電腦有效識別數據中隱藏的模式。

實際上，我們周圍大部分現代 AI 應用都是由深度學習技術驅動，從語音識別、圖像處理到智能推薦系統和聊天機械人。

深度學習如何運作？

深度學習基於多層人工神經網絡模型。神經網絡包含一個輸入層、多個位於中間的隱藏層，以及一個輸出層。原始數據（例如圖像、音頻、文本）輸入到輸入層，然後依次通過各隱藏層，網絡逐步提取更高層次的抽象特徵，最終在輸出層產生預測結果。這個從輸入到輸出的信息傳遞過程稱為前向傳播（forward propagation）。

獲得預測結果後，模型會將其與期望值（若有實際標籤）比較，計算誤差。接著，利用反向傳播（backpropagation）調整網絡中的權重：誤差從輸出層反向傳遞至前面的各層，神經元間的連接權重被更新以減少誤差。前向傳播和反向傳播在模型訓練過程中不斷迭代，幫助神經網絡在每輪學習後提升預測準確度。

多層結構使得網絡中每層神經元學習數據的不同層次特徵。例如：在人臉識別模型中，第一層可能學習識別簡單特徵如邊緣或直線；下一層則學會將這些特徵組合成更複雜的形狀如眼睛、鼻子；更深的隱藏層則能識別完整的人臉。重要的是，深度學習網絡能夠從原始數據中自動學習各層適合的特徵，而非像傳統機器學習方法需人工設計特徵。

深度學習運作原理

深度學習與機器學習有何不同？

雖然深度學習本質上是機器學習的一種方法，但它與傳統機器學習技術有幾個重要區別：

模型結構：深度學習模型擁有三層以上的隱藏層，通常是數十甚至數百層，而傳統的淺層機器學習模型通常只有一至兩層（或使用非神經網絡算法）。換句話說，深度學習網絡結構更深，允許學習更複雜的特徵。
特徵學習能力：深度學習能夠自動從原始數據中提取特徵。傳統機器學習算法需要工程師手動進行特徵工程，即選擇和轉換數據以適合算法。深度學習網絡則能自動學習重要特徵，減少對專家知識的依賴。
學習方式：許多現代深度學習模型能結合無監督學習，即從無標籤數據中自動發現結構和模式。相比之下，大多數傳統機器學習算法依賴於監督學習，需要標註數據以訓練模型。無標籤數據的利用使深度學習能夠充分發揮龐大未標註數據的價值。

深度學習與機器學習的差異

深度學習的應用

深度學習已經並正在革新多個領域，憑藉其在複雜數據分析上的卓越能力。以下是該技術被廣泛應用的幾個典型領域：

電腦視覺（Computer Vision）：

深度學習幫助電腦「看見」並理解圖像和視頻內容。卷積神經網絡（CNN）能高精度地分類圖像、檢測物體、識別人臉等。

實際應用包括自動駕駛汽車（識別車道和行人以輔助安全駕駛）、醫療（分析X光片、MRI以更準確地檢測腫瘤和損傷）、社交媒體（識別照片中的人臉以推薦標籤）以及農業（通過衛星影像監控作物）、安全監控（通過攝像頭檢測入侵）等多個領域。

語音識別（Speech Recognition）：

這項技術使電腦能夠理解人類語音。借助深度學習，虛擬助理如Amazon Alexa、Google Assistant、Siri能識別多種語調和語言，並將語音轉換為文字或執行相應指令。

應用包括智能家居語音控制、自動生成視頻字幕、客服通話分析，以及醫療和法律領域的語音轉文字服務。

自然語言處理（Natural Language Processing - NLP）：

深度學習幫助電腦理解並生成自然語言文本。著名應用包括：自動翻譯（如 Google 翻譯）、聊天機械人和虛擬助理回覆訊息、文本自動摘要（如新聞摘要、長文提煉）、社交媒體情感分析（分類正面或負面評論）以及從文本中提取關鍵信息（如郵件和文件分析）。

推薦系統（Recommendation Systems）：

深度學習用於根據用戶行為和偏好推薦合適的內容和產品。典型例子包括串流平台如Netflix、YouTube推薦影片，電商平台如Amazon推薦商品。推薦系統也廣泛應用於社交媒體（推薦好友和內容）、新聞（推薦相關報導）等，提升用戶體驗的個人化程度。

生成式人工智能（Generative AI）：

這類 AI 應用能基於已有數據創造新內容（文本、圖像、音頻、視頻）。深度學習推動了生成模型的發展，如生成對抗網絡（GAN）、Transformer 模型等。例如，DALL-E能根據文字描述生成新圖像，ChatGPT則能生成自然流暢的對話和回答。

生成式 AI 現已應用於市場營銷內容創作、自動程式碼撰寫、客服回應等多個任務。憑藉深度學習對龐大數據中風格和模式的學習與模擬，這一領域近年來發展迅速。

深度學習應用

深度學習的優點

深度學習之所以廣受歡迎，主要因為以下幾點優勢：

高效自動特徵學習：深度學習模型能自動提取適合的特徵，減少前期數據處理工作。與需人工設計特徵的傳統算法不同，深度學習能自動學習最適合任務的數據表示，對於結構複雜的數據如圖像、音頻、文本尤其有效。
高準確度：憑藉多層結構和對大量數據的學習，深度學習模型通常能達到顯著優於傳統方法的準確率。在某些領域，深度學習甚至達到或超越人類專家的水平，如圖像識別、圍棋對弈、醫學影像診斷等。這種高效能為自動化複雜任務提供了可靠保障。
多樣且靈活的應用：深度學習具備通用性，可應用於多種數據類型和問題，如電腦視覺、自然語言處理、語音識別、時間序列預測、內容生成等。這推動了多個行業的自動化，實現了過去僅靠人工完成的任務。模型還能隨時學習新數據（learning on the fly），持續提升性能。
擅長大數據學習：深度學習在大數據環境下表現尤為出色。多層模型能吸收龐大數據量，挖掘傳統方法忽略的複雜模式。數據越多，模型通常學得越好，且較不易出現過擬合（overfitting）問題，優於淺層模型。

深度學習優勢

深度學習的限制

除了優點，深度學習也存在一些挑戰和限制：

需要大量數據：深度學習模型參數眾多，通常需要龐大的訓練數據集才能達到良好效果。數據不足或不夠多樣化時，模型容易過擬合或無法學習到泛化規律。此外，數據必須經過嚴格準備——目標明確、數量充足且偏差最小，才能保證模型準確性。
高計算資源需求：訓練深度學習網絡非常耗費計算資源。數百層網絡中數百萬權重的調整需要強大處理器如 GPU 或 TPU 支持。大型模型訓練時間可能從數小時到數週不等，並伴隨高昂的硬件和電力成本。實際部署多個深度學習模型也需大規模計算基礎設施（如 GPU 伺服器或雲端服務）。
模型「黑盒」難以解釋：深度學習的一大缺點是解釋性差。由於神經網絡結構複雜且學習抽象特徵，常被形容為「黑盒」，人類難以理解模型為何做出特定決策。這在醫療、金融等需高度解釋性的領域造成挑戰。目前，可解釋 AI（Explainable AI）正成為研究熱點，旨在改善這一問題。
訓練數據偏差風險：深度學習完全依賴訓練數據，若輸入數據存在偏見（bias）或不具代表性，模型會學習並放大這些偏見。例如，若人臉識別訓練數據缺乏某些族群的圖像，模型可能對該族群識別不準或有偏差。因此，準備多元、平衡且錯誤率低的數據對避免偏見和確保公平性至關重要。
高專業門檻：構建和優化深度學習模型並非易事，需具備機器學習、數學及實驗經驗的專家。選擇合適網絡架構、調整大量超參數（hyperparameters），以及處理過擬合、梯度消失等問題，都需要大量試驗和深厚理解。因此，該領域入門門檻較高，非所有組織都能輕易配備相應人才。