Page 113 - 金融科技力

方。MYCIN 系統中計有約 500 項規則，就診者須依序回答問題，

MYCIN 根據答案判斷患者感染何種細菌，再據此開立抗生素。研 究
指出，MYCIN 開立正確處方的比率約為 69%，仍低於感染科專業 醫

師的平均準確率 80%。因為連續的問題有一個判斷錯誤，就會得到
錯誤 的結果， 為了提升 機器的表 現，知識 的輸入必 須鉅細靡 遺， 曠

日廢 時且成本 驚人。由 於不可能 把所有的 知識都輸 入電腦， 還把 所
有知識的前後順序都找出來，因 此最後變得不實用，到了 1990 年代

又冷卻了下來。

（三）第三次熱潮 (2000 年~現今)

由 2000 年代開始發展，由 於半導體技術的進步，電腦運算能力
大幅 提昇，且 半導體成 本的下降 ，使用雲 端儲存變 得便宜， 加上 在

雲端伺服器內收集了世界各地的「大數據 (Big Data)」，為人工智慧
建立 了發展基 礎。其中 「機器學 習」與「 深度學習 」扮演了 相當 關

鍵的角色。機器學習是一種電腦程式自行「學習」的機制，「學習」
的基本目標是「分類」，也就是能夠對給定物件做出判斷，適當歸類。

是非 題就是一 種最常見 的分類問 題，機器 學習使電 腦運用「 已知 」
的大 數據學習 分類，學 成之後即 可對「未 知」資料 做分類。 換句 話

說，機 器學習的發展方向，是在設計、分析一些讓電腦可以自動「 學
習」 的演算法 ，讓機器 得以從自 動分析資 料的過程 中建立規 則， 並

利用 這些規則 對還沒有 進行分析 的未知資 料進行預 測。另一 方面 ，
深度 學習是機 器學習的 一個分支 ，主要方 法是經由 大數據來 訓練 電

腦自行「理解」資料的「特徵值 」，稱為「特徵表達學習 」。圖 4-1
表示了現代人工智慧、機器學習與深度學習之關係。

99