在AI 如何變聰明？ — — 淺談「機器學習」與「深度學習」提到，「深度學習」（Deep Learning）是以「類神經網路」（Neural Network）為基礎，所延伸發展的技術。所以，在了解「深度學習」是什麼之前，我們要先來看看什麼是「類神經網路」。
人類大腦的神經細胞
人類的大腦是由大量的「神經元」所組成，神經元彼此之間會相互連結，形成錯綜複雜的網路。
如下圖，是一個神經元的構造，單個神經元會藉由「突觸」（Synapse）與其他神經元連結，接收來自其他眾多神經元的訊息，再一一將訊息傳遞出去。
此外，突觸還有將資訊「加權」的功能。如果反覆學習同一件事，同一個突觸會因為發送多次訊息而變大，接收訊息會變得更有效率；相反的，幾乎沒有接收到訊息的突觸會越變越小，直到消失不見。
模擬人類大腦的類神經網路
深度學習是運用「類神經網路」的技術得以發展。所謂的類神經網路，就是電腦模擬人類大腦神經細胞的運作方式，做出「人工神經元」。類神經網路就像人類大腦的結構，將許多人工神經元分層並連結在一起，接收大量的輸入值處理資訊，再傳遞出輸出值。
人工神經元的機制
人工神經元在接收輸入值時，就像人類的大腦一樣，會加上名為「權重」的數值。權重的數值越大，即代表傳遞資訊的效率越高。在類神經網路中，透過權重大小的改變，讓人工神經元彼此連接的強度隨之變動，藉此進行學習。
類神經網路猶如下圖，最早接收到資訊的是「輸入層」（Input Layer）、輸出最終結果的「輸出層」（Output Layer），以及輸入層與輸出層之間的「隱藏層」（Hidden Layer）。
進入輸入層的資料，會經過隱藏層，最後傳送給輸出層。深度學習模型在訓練時，是隨機選擇人工神經元之間的權重，因此有可能做出錯誤的判斷，透過大量的資料讓類神經網路反覆學習，使人工神經元之間的連接越來越趨近標準答案，最後模型便會輸出正確的答案。
如上圖，利用多筆手寫的 0~9 圖像，讓 AI 反覆學習，直到選擇到適當的權重，並輸出正確結果。
這就是模擬我們人類大腦所發展出來的機制，上圖只是五層的類神經網路，當其變得更加繁複，就是所謂由大量隱藏層堆疊而成的「深度學習」，下次我們再來深入了解什麼是深度學習吧！
參考資料：
Neural Networks (一)
AI 講講話｜人工智慧 AI 系列文目錄
- 淺談 人工智慧（AI, Artificial Intelligence）
- AI 的歷史演進
- 取得訓練資料 — — 打造模型的第一步
- 特徵抽取 — — 你是哪裡人？
- AI 技術在企業上的數位轉型
- AI 的應用：機器翻譯
- AI 是如何變聰明的？ — — 「機器學習」與「深度學習」
- AI 如何變聰明？（二） — — 什麼是「機器學習」
- AI 如何變聰明？（三） — — 模擬人類大腦的「類神經網路」← 目前位置
- AI 如何變聰明？（四） — — 什麼是「深度學習」
- 開啟 AI 2.0 新時代
- 大型語言模型（LLM）的發展
- 大型語言模型（LLM）對自然語言處理（NLP）的影響
- ChatGPT 為什麼那麼紅？一次了解歷代 GPT 模型
