AI是個還在發展、而且未來光明的專業領域，相信有不少年輕人都想投入。而學習人工智慧，要先對其子領域之間的區別有所了解，本文將解釋人工智慧最知名的兩個子領域（子集）－機器學習與深度學習之間的區別。 我們先了解一些專有名詞： ML / Machine Learning：機器學習 DL / Deep Learning：深度學習 ANN / Artificial Neural Network：人工神經網絡 機器學習是一組算法，可讓電腦從數據中學習並執行任務，而無需明確的程序碼。在經典的程序碼中，我們需要靠著輸入和一些數學規則，才能輸出。但在機器學習中，我們有的是數據，而規則是靠演算法來學習得出。深度學習則是使用類似人腦的複雜演算法結構，用以處理文字、圖像和信號等非結構化的數據。 什麼是機器學習？ 「機器學習」是一組演算法，讓電腦在沒有明確程序碼的情況下進行學習。在機器學習中，演算法讓電腦學習數據中的規則，目標是能夠從一組稱為「訓練數據集」的數據中學習，並能夠對看不見的數據進行推算。機器學習工程師要能夠開發出一套演算法，來用於學習和辨識特定數據集中的不同模式。 機器學習的學習過程，可以是有監督或無監督的。在監督學習中，數據是有註釋的，每個輸入（如圖像）都有既定的輸出規格（例如：腳踏車，公車，飛機……）。在數據沒有註釋的無監督學習中，演算法的目標是根據數據的接近程度，找出模式。 什麼是深度學習？ 「深度學習」是機器學習的一個子領域，是類似於人腦的複雜演算法。在處理非結構化數據（例如文字、圖像、聲音……）時，簡單的機器學習演算法無法提取學習數據模式所需的特徵。深度學習的基礎是 ANN（人工神經網絡）架構，這套架構最初是受到人類神經元的啟發，能夠在訓練數據中，學習並提取難度更高的特徵。  相比之下，在機器學習中，我們要先手動提取數據中必要的特徵，然後才交給演算法。而深度學習演算法則是能夠提取這些特徵。 總結 機器學習是套用預先給定的特徵，對數據進行分類 深度學習靠著人工神經網路，可以從非結構化的數據中找出特徵 機器學習和深度學習，都需要用數據來訓練