學(xué)AI之路，從探索特征出發(fā)

　　高煥堂 （臺灣VR產(chǎn)業(yè)聯(lián)盟主席，廈門VR/AR協(xié)會榮譽會長兼顧問）

　　摘?要：AI機器學(xué)習(xí)的基礎(chǔ)活動之一就是提取特征。本文通過舉例和比喻來領(lǐng)悟特征的含義，以及理解特征提取的方法和目的。而且，從人為的特征提取，開始思考由AI機器自動提取特征的途徑，邁向深度學(xué)習(xí)之路。

　　1 從認(rèn)識特征出發(fā)

　　1.1 以狗和兔子為例

　　據(jù)說古代有一位小公主（例如大清時代的格格），常常到荒郊野外去玩，攜帶一只狗去出行。為什么她要攜帶狗呢? 因為狗兒天生就最熟悉兔子的特征，而且兔子的特征也最吸引狗兒們，所以狗兒喜歡又擅長于探索（抓）兔子了。因此，很快就能帶回幾只兔子。

　　話說有一天，小公主（格格）也想要幾只老鼠，她就攜帶著貓出行。因為貓兒天生就最熟悉老鼠的特征，包括老鼠的味道、長相、習(xí)性等。所以貓兒喜歡又擅長于探索（抓）老鼠。因此，也很快就帶回幾只老鼠。

　　所以，聰明的格格會借助于熟悉兔子特征的狗兒去探索荒郊野外的兔子；也懂得借助于熟悉老鼠特征的貓兒去探索荒郊野外的老鼠。

　　1.2 以公主和帥哥為例

　　于此，茲拿“小公主（格格）找心儀的帥哥”來做比喻?，F(xiàn)在，有一位小公主想要交男友、談戀愛了。小公主出去走走，驚動帥哥們，或請人介紹一些帥哥們。

　　于是，小公主就來識別一下他們的人品、財富、學(xué)問等特征（Feature）。在小公主的心中，對于人品、財富、學(xué)問等自有她的衡量權(quán)重（Weight）的。然后，小公主將其心中的評比結(jié)果告訴了媽媽。小公主也依據(jù)一樣的評比模式，來評比每一位帥哥。此時，精明的媽媽可能會提出她的看法來教女兒，眼睛要雪亮一些。甚至，媽媽覺得這樣似乎還不放心，就派兩位丫鬟去幫忙識別一番。

　　剛才的丫鬟們是經(jīng)過學(xué)習(xí)，而學(xué)會幫忙去衡量帥哥們的各種特征值（如人品、財富、學(xué)問等），再告訴小公主，然后告訴了媽媽。到了今天，AI（人工智能）日益普及了，也可以通過機器學(xué)習(xí)（ML）來訓(xùn)練AI的丫鬟們，甚至訓(xùn)練AI的格格，來幫人類格格更精確地衡量帥哥們的特征值。

　　2 特征范例1：玩具兔和玩具熊

　　我喜歡電視劇里的格格的氣質(zhì)，所以就拿格格與玩具來做比喻。例如，這格格有4只玩具兔和玩具熊 ^[1] 。

　　所謂特征就是某種事物的特色，讓人們（或其他生物）很容易憑它區(qū)分出來。例如，兔子的特征就是：耳朵長長的、身體輕盈短小。而熊的特征則是：耳朵短短的、身體有些笨重。

　　由于這位格格身邊有兩位丫鬟，格格就請丫鬟A去量一下這些玩具的耳朵長度，就可以得到“耳朵”特征值了。格格也請丫鬟B去量量這些玩具的體重，就可以得到“體重”特征值了（如圖1）。

　　3 特征范例2：阿拉伯?dāng)?shù)字“2”和“7”

　　此范例摘自《不編程，而學(xué)AI：Excel+TensorFlow》 ^[1] 。其中，有2個阿拉伯?dāng)?shù)字的字型，其可分解為3個筆畫的組成元素：X0、X1和X3。我們可以按如圖2來提取其特征值。

　　此時格格找來3位丫鬟，并交待如圖3。

　　于是，得到全部字型的特征值了，如圖3。

　　4 特征范例3：局部感受野

　　剛才的兩個范例，其感受野（Receptive field）都是整張圖片。在本范例里，則把它縮小一半（如圖4）。

　　此時，格格對身旁的兩位丫鬟交代如圖5。

　　于是，針對第1個字型，丫鬟A在上半部發(fā)現(xiàn)了橫線筆畫，所以得到特征值是1；同時也在下半部發(fā)現(xiàn)了橫線筆畫，所以得到特征值是1。丫鬟B在上半部發(fā)現(xiàn)了（反）斜線筆畫，所以得到特征值是1。同時，也在下半部發(fā)現(xiàn)了斜線筆畫，所以得到特征值是1。然后，把兩人提取的特征值，排成一列（Flatten），如圖6。

　　接下來，繼續(xù)去測量第2個字型，提取了它的特征值。這時候，針對第2個字型，丫鬟A在上半部發(fā)現(xiàn)了橫線筆畫，所以得到特征值是1；但在下半部沒有發(fā)現(xiàn)到橫線筆畫，所以得到特征值是0。

　　丫鬟B在上半部發(fā)現(xiàn)了（正）斜線筆畫，所以得到特征值是1。同時，也在下半部發(fā)現(xiàn)了斜線筆畫，所以得到特征值是1。所以得到特征值是1。然后，把兩人提取的特征值，排成一列（Flatten），就得到全部字型的特征值了，如圖7。

　　5 特征范例4：阿拉伯?dāng)?shù)字“0”~“9”

　　于此，基于剛才范例3的特征提取模式，把原來的兩個字型，擴大為“0”~“3”共4個字型，如圖8。

　　此時，仍然由3位丫鬟分工去提取特征，如圖9。

　　于是，針對第1個字型，丫鬟A在上半部沒有發(fā)現(xiàn)橫線筆畫，所以得到特征值是0；但在下半部則發(fā)現(xiàn)了橫線筆畫，所以得到特征值是1。丫鬟B在上半部沒有發(fā)現(xiàn)正斜線筆畫，所以得到特征值是0。但是在下半部發(fā)現(xiàn)了正斜線筆畫，所以得到特征值是1。丫鬟C在上半部沒有發(fā)現(xiàn)反斜線筆畫，所以得到特征值是0。但是在下半部發(fā)現(xiàn)了反斜線筆畫，所以得到特征值是1。然后，把3人提取的特征值，排成一列（Flatten），如圖10。

　　依序下去，就可以得到全部字型的特征值了，如圖11。

　　然后，繼續(xù)加以擴大為“0”~“9”共10個字型，如圖12。

　　此時就可以得到全部字型的特征值了，如圖13。

　　6 結(jié)束語

　　在以上的范例里，是由人類（3位丫鬟們）去提取玩具或字型的特征值。這些丫鬟們愈有經(jīng)驗、或愈訓(xùn)練有素時，其提取特征的準(zhǔn)確性會愈高。如果我們也能訓(xùn)練AI機器來代替這些丫鬟，以便由AI機器來自動提取特征，那將是一件美好的事。這意味著，得到一個新觀念：AI的丫鬟們是可以訓(xùn)練的，只要訓(xùn)練AI去認(rèn)識小小的特征，則一群AI的丫鬟將可以代替人類去復(fù)雜的情境（街景照片）中尋找特征值。

　　參考文獻

　　[1] 高煥堂.不編程，而學(xué)AI：Excel+TensorFlow.臺灣：廣悅文化事業(yè)有限公司，2018.

　　本文來源于科技期刊《電子產(chǎn)品世界》2019年第11期第81頁，歡迎您寫論文時引用，并注明出處。