机器学习已在你我身边

机器学习(Machine Learning)是人工智能(Artificial Intelligence；AI)的一个重要领域，因为近年迭放异彩的进展在AI中迅速崛起，进入实际应用的范畴。

机器学习有五大流派：符号理论学派(Symbolist)、类神经网络学派(Connectionist)、演化论学派(Evolutionaries)、贝氏定理学派(Bayesians)和类比推理学派(Analogizers)，每一种学派有其基础的概念及独特的演算法(algorithm)－譬如类神经网络学派就是模拟脑部神经元透过突触(synapse)连接的建立、强化行为来学习，也有其相应的优势和缺点，当然也有共同的挑战，譬如过度拟合(overfitting)和维度咀咒(curse of dimensionality)。真正在应用时，机器学习可能结合一种以上的演算法、截长补短，以取得最佳的结果。

自去年底红极一时的围棋程序AlphaGo就是基于类神经网络学派再加上过去在游戏界常用的蒙地卡罗树状查找(Monte Carlo tree search)的深度学习，AlphaGo有两个重要的成份：估值网络(value network)与走棋网络(policy network)。估值网络经强化学习(reinforcement learning，电脑重复的跟自己下棋以完善程序参数)以衡量局势；走棋网络经监督学习(supervised learning，打专业棋谱以减少可选择棋步)选择棋步，从而在与职业棋手的对抗赛中取得压倒性的胜利，这是机器学习在游戏领域的新里程碑。

不只是游戏，机器学习其实也早已经入了生活。早期极度恼人的垃圾邮件现在全不见了，这就是机器学习已悄然做功－透过贝氏定理学派对于垃圾邮件用字的监督学习和机率计算，将垃圾邮件挡在门外或另置档案夹之中。苹果的智能个人助理及知识导航者Siri当然还有待改进，但是已然兴起风潮。Siri也是由类神经网络学派的机器学习来执行语言识别、文本转换、问题意向分析、数据混搭等工作，而且Siri的机器学习都只用局部的数据－也就是说只靠一机之力。其实苹果的iPhone早已用机器学习延伸到其它许多的领域：其相簿的人脸识别、Apple Pencil的防误触、电池的待机与续航管理、Apple Music 的音乐推荐，以及可能在iPhone-8出现的3D人脸识别功能等。

以前手机从单纯的通话器材演化成feature phone、进而至智能手机是靠将具有读卡机、MP3、MP4、数码像机、GPS、触控面板、wifi、基带、NFC等功能的电子零组件硬件一一整合进手机这个移动设备。现在电子设备－不管是移动的或云端的－都已有足够的计算和储存能力来执行机器学习。机器学习的各种演算法虽然都还有待改善，但是用以执行特定任务已可达令人满意的程度，譬如前述的垃圾邮件过滤器和AlphaGo。用机器学习软件来增加移动机具或在线商务/服务的特色与价值会是这一阶段市场竞争的主轴之一。而且这个竞争对小规模、后发的公司也不太严苛，成功研发AlphaGo的DeepMind在被Google并购之前不是才几个人的公司麽？