高煥堂?（臺灣銘傳大學、長庚大學?教授）

*：本文里的圖片引自妮圖網(wǎng)和百度圖片。

0 引言

在人與AI之間，最典型的協(xié)同合作模式是：由人們去觀察而萃取特征，然后AI依據(jù)該特征進行分類，這稱為：人工提取特征。此外還有進一步的合作模式：讓AI自己來學習萃取特征，并且進行分類。這稱為：自動提取特征。

本文將借由很簡單的范例來展示“自動提取特征”，以便充分發(fā)揮各種AI模型的特色，來促進特征提取的效率。

　　1 人工提取特征

　　1.1 機器學習

　　由于人人對于周遭的現(xiàn)象(或事)都具有觀察、分類和萃取特征的天賦，所以人人都可以把這項智能和能力傳授給AI。其中，最關鍵的是要把“分類與特征之關聯(lián)性”傳授給AI（如圖1）。

　　人人都有天賦的分類能力。例如，您看到一群三角形，會區(qū)分為“正三角形”與“倒三角形”兩個類別。接下來，從“正三角形”類別里，萃取其內(nèi)含各三角形的共同特色與表征(簡稱：特征)，如圖2所示。

　　同時，也從“倒三角形”里，萃取其特征(即共同的特色和表征)，如圖3所示。

　　接下來，就來把人們的智能示范給AI，引導AI來領悟和歸納之。那么，AI如何領悟呢？AI模仿人類的歸納性推理，從觀摩人類的示范里，自我歸納出“類別與特征”之相關聯(lián)的規(guī)律，并且牢牢記住它。

　　此時可以利用Excel來表達出人們腦海里的智能，以便引導AI自我觀摩學習。于是就可以把上述智能安排于Excel工作表里。然后按下“學習”按鈕來指示AI展開自我學習了。大約經(jīng)過十幾秒鐘之后，AI就會告訴您：”我學習“完成了”(如圖4)。

　　以上就幫您復習了上一章的主要內(nèi)容 ^[1-2] ，讓您更清晰地領悟到了，當您傳授更完整的智能給AI之后，AI與您的智能越一致，雙方越能心心相印，因而雙方的協(xié)同合作就越流暢完美了。

　　1.2 協(xié)同合作：由人提取特征、A I分類

　　一旦AI學習完成了，就能順從人們的心意而去完成：【特征→分類】的任務了。例如，您可以在Excel畫面輸入特征值：[1, 1]。然后，按下“AI分類”按鈕。這時AI就會讀取這些特征值，并依據(jù)它的智能來進行分類，然后告訴您：“我預測它是一個倒三角形”。如圖5所示。

　　以上說明了人與AI最典型的協(xié)同合作模式。接下來，將介紹更密切的分工合作模式：讓學習自動提取特征，人們就不必去做萃取特征的工作了，就更輕松了。

　　2 AI自動提取特征

　　現(xiàn)在可以進一步傳授更多智能給AI，讓AI可以代替人們現(xiàn)在的工作：人工提取特征。于是，就來說明如何教導AI去自動提取特征。這樣，人們就不必去萃取特征了，只需要示范心中的分類給AI看，來引導AI自我學習如何提取特征。例如，只要把人們腦海里的“正三角形”與“倒三角形”兩種類，示范給AI即可了。不必人工提取特征了，真是太輕松了呀（如圖6）。

　　同樣，也要讓AI委屈一些，由AI向人們學習，從觀摩人們的示范中，自我觀察，提取特征，并進行分類。這樣，AI就能幫忙人們更多了。這樣，人們只需要示范腦海里的分類給AI看就可以了。

　　2.1 機器學習

　　由于人們不必做提取特征的事了，只需要示范“分類”就可以了。也就是，只需要示范一堆正三角形圖片，以及一堆倒三角形圖片就可以了。例如，在本范例里，把圖片放在電腦的c:/oopc/t_data/tarin1/檔案夾里。在這個/train1/檔案夾里，又包含了2個小檔案夾：1_正三角形，2_倒三角形(如圖7所示)。其中的 /1_正三角形/ 里有一堆圖片，如圖7。

　　另外，在 /2 倒三角形/ 里也有一堆圖片，如圖8。

　　這個時候，您已經(jīng)將一群三角形圖片預先“分類”了。包括2類：

　　正三角形：示范圖片放在c:/oopc/t_data/train1/1_正三角形/里。

　　倒三角形：示范圖片放在c:/oopc/t_data/train1/2_倒三角形/里。

　　接下來，就可以把您的上述關于分類智能，呈現(xiàn)于Excel的工作表里。現(xiàn)在，請您按下“準備”按鈕，這些圖片名稱會呈現(xiàn)于Excel畫面上。如圖9。

　　準備好了考卷(即圖9里的所有三角形圖片)和答案(即圖9的分類值)，就請您按下點選“工作表2”，出現(xiàn)另一個畫面。接著，按下“Train”按鈕，開始引導AI展開自我學習了。AI就依據(jù)考卷和答案的指引，先去觀察c:/oopc/t_data/train1/里兩個類別的所有圖片，并且自動提取其特征。然后，自動歸納出“類別與特征”之相關聯(lián)的規(guī)律，并且牢牢記住它。

　　大約經(jīng)過幾分鐘之后，AI就會告訴您：“我學習完成了”，如圖10。

　　當您傳授更多智能給AI，它就更聰明了，也就能幫您更多事情，您就更輕松了。

　　2.2 協(xié)同合作：A I自動提取特征(并分類)

　　一旦AI學習完成了，就能順從人們的心意而去完成：【觀察→特征→分類】的任務了。在此范例里，于c:/oopc/檔案夾里已經(jīng)有了一些圖片?？扇我馓暨x1張三角形圖片，來讓AI觀察，提取特征，并進行分類。例如，選取im037.jpg圖片，并且按下“Show”，就會呈現(xiàn)出這圖片，如圖11。

　　接著，請您按下“Predict”，AI就會去觀察這張圖片、自動提取特征，并進行分類。然后輸出如圖12。這時AI告訴您：“我有98%的信心判斷這是一個倒三角形”。

　　以上是拿幾何三角形的分類來示范給AI觀摩，引導AI自我學習、提升智能。然后基于這項智能去觀察三角形圖片，自動提取特征，并進行分類。

　　3 結語

　　大家都知道深度學習的特色就是：自動提取特征。然而如何引導AI自我學習，獲得智能來進行自動提取特征，是一項重要議題。所以本文借由一個簡易的范例，讓您更多發(fā)揮豐富的想象力和創(chuàng)意，來傳授更多智能給AI，讓人與AI分工合作更為自然流暢。

　　參考文獻：

　　[1] 高煥堂.遷移學習：共享AI智慧的途徑[J].電子產(chǎn)品世界,2020(3):85-88.

　　[2] 高煥堂.AI協(xié)作的設計模式[J].電子產(chǎn)品世界,2020(4):88-90.

　?。ㄗⅲ罕疚膩碓从诳萍计诳峨娮赢a(chǎn)品世界》2020年第06期第85頁，歡迎您寫論文時引用，并注明出處。）