人工智慧(AI)認識入門篇-使用AI辨識人類、貓、狗
主題 |
人工智慧(AI)認識入門篇-使用AI辨識人類、貓、狗 |
介紹 |
人工智慧(AI)這個名詞常常會聽到，但大部分的人卻對AI的運作非常陌生，本文章將會藉由簡單例子來解說，不會涉及數學公式與太深奧的理論，會以淺顯易懂方式讓各位讀者都能了解。 |
作者 |
姜志民 |
版本 |
1.0 |
產出日期 |
2017 / 05/ 20 |
1 目的
人工智慧(AI)這個名詞常常會聽到，但大部分的人卻對AI的運作非常陌生，本文章將會藉由簡單例子來解說，不會涉及數學公式與太深奧的理論，會以淺顯易懂方式讓各位讀者都能了解。
2 機器學習運作 VS 人腦運作
本文章將介紹機器學習(Machine Learning，縮寫ML)，而機器學習是AI的一個分支，下圖表是「機器學習」與「人腦」運作的比較。
類型 |
運作說明 |
機器學習 |
1.收集大量歷史資料。 2.使用演算法(神經網路、決策樹、...等)，並搭配歷史資料進行訓練。 3.在進行訓練後，會得到一個模型(model)。 4.將新的資料輸入後並利用訓練過後的模型(model)進行預測。 5.預測後會得到最有可能的結果。 |
人腦 |
1.人類在生活上得到大量經驗。 2.人類將經驗進行分析歸納。 3.在進行分析歸納後，會得到規則。 4.遇到新的問題，會利用已學得規則進行預測。 5.預測後會得到最有可能的結果。 |
3 Deeplearning4j
目前市面有許多專門在做AI的Open Source，有Deeplearning4j、Apache OpenNLP、TensorFlow …等，在後續將會使用Deeplearning4j來做實際操作。
Deeplearning4j (https://deeplearning4j.org/ )是一套Java Open Source，可以建構、訓練與部署神經網路(Neural Network，縮寫NN)，而神經網路是機器學習其中演算法之一。
4 監督式學習 VS 非監督式學習
「機器學習」的學習訓練方式可以分為「監督式學習」與「非監督式學習」兩種，下表是兩者的說明。
類型 |
說明 |
例子 |
監督式學習 |
先將大量歷史資料，進行分類並標上「標籤(lable)」，然後再使用演算法，進行模型(model)的訓練。 |
收集動物的特徵後，並明確標示出人類、貓、狗的特徵後，在使用演算法進行模型(model)的訓練。 將已經訓練過的模型(model)，輸入「四條腿」、「喵喵聲」等特徵，模型(model)就會分辨出是貓。 |
非監督式學習 |
大量歷史資料直接使用演算法進行模型(model)的訓練，演算法自己找出資料之間的關聯性。 |
收集網路上大量的文章與新聞歷史資料後，直接使用演算法進行模型(model)的訓練。 將已經訓練過的模型(model)，輸入之前很熱門的「寶可夢」關鍵字，模型(model)找出「Pokémon」「GO」「精靈」這些最有關聯性的字。 |
5 Deeplearning4j官方範例-辨識人類、貓、狗
筆者使用官方提供的範例「使用特徵辨識人類、貓、狗」，它是屬於「監督式學習」，所以在訓練資料中會標示出人類、貓、狗的特徵，在後續會跟各位介紹是如何標示出特徵的資料格式。
請先到https://github.com/deeplearning4j/dl4j-examples下載官方範例。
6 辨識人類、貓、狗-CSV資料檔說明
在官方範例的資料夾路徑dl4j-examples-master/dl4j-examples/src/main/resources/DataExamples/animals/下，可以看到有下列表的CSV資料檔。
檔名 |
說明 |
eats.csv |
存放飲食相關的特徵。 |
sounds.csv |
存放聲音相關的特徵。 |
classifiers.csv |
存放動物種類。 |
animals_train.csv |
存放動物的飲食、聲音、年齡、重量等特徵並標示出屬於那一個動物，此資料是演算法用來訓練出模型(model)。 |
animals.csv |
存放飲食、聲音、年齡、重量等特徵，此資料檔要用來驗證訓練過的模型(model)，只給予飲食、聲音、年齡、重量等特徵，來分辨出是屬於那一個動物。 |
各位讀者可能會好奇為什麼需要這麼多CSV資料檔，這是因為最終送進Neural Network演算法進行訓練的animals_train.csv資料檔需要全部為「數值」，不可以有文字，所以需要先將動物種類、飲食與聲音特徵各別存放在CSV資料檔內，並將特徵對應到一個數值作為代表。
而在animals_train.csv資料檔內的動物特徵都以數值作為表示。
7 eats.csv資料檔
下圖是eats.csv資料檔內容，飲食特徵與數值的對應。
8 sounds.csv資料檔
下圖是sounds.csv資料檔內容，聲音特徵與數值的對應。
9 classifiers.csv資料檔
下圖是classifiers.csv資料檔內容，動物種類與數值的對應。
10 animals_train.csv資料檔
下圖是animals_train.csv資料檔內容，各欄位的定義如下表：
A欄位 |
B欄位 |
C欄位 |
D欄位 |
E欄位 |
年齡 |
飲食特徵，數值對應到eats.csv |
聲音特徵，數值對應到sounds.csv |
重量 |
動物種類 |
數值資料解說：
第一筆數值資料轉換成文字意思是「年齡19、飲食是吃Mice、聲音是Meow、重量是10，給予動物種類label為Cat」。
第二筆數值資料轉換成文字意思是「年齡9、飲食是吃Cats、聲音是Bark、重量是60，給予動物種類label為Dog」。
11 animals.csv資料檔
下圖是animals.csv資料檔內容，各欄位的定義如下表，這份CSV資料檔是要用來測試，只會存放動物的特徵：
A欄位 |
B欄位 |
C欄位 |
D欄位 |
E欄位 |
年齡 |
飲食特徵，數值對應到eats.csv |
聲音特徵，數值對應到sounds.csv |
重量 |
無意義 |
12 官方範例主程式-辨識人類、貓、狗
下列網址是官方範例-辨識人類、貓、狗的主程式，BasicCSVClassifier.java主程式內已經有詳細註解說明，請各位讀者自行詳讀。
https://github.com/deeplearning4j/dl4j-examples/blob/master/dl4j-examples/src/main/java/org/deeplearning4j/examples/dataexamples/BasicCSVClassifier.java
13 執行結果
下圖是BasicCSVClassifier.java主程式利用已經訓練過的模型(model)，對animals.csv資料檔進行特徵辨識，分辨出動物種類的結果。
