【小彥子老師】評論
機器學習演算法基本上分成 4 類：監督式學習、半監督式學習、非監督式學習、強化式學習。ML 專家認為，今日所使用的 ML 演算法當中大約 70% 都是監督式學習。它們都使用已知或已標記的資料集，例如：貓狗的照片。這兩種動物都是我們熟悉的動物，因此系統管理員會先將照片做標記，然後才輸入到演算法。非監督式學習演算法則是從未知的資料集當中進行學習，例如 TikTok (抖音) 影片。由於這些影片的數量跟題材都非常多，因此不可能採用監督式學習，將這些影片拿來訓練演算法，而且資料也未經標記。半監督式機器學習演算法一開始會先用已知、已標記的小型資料集來進行訓練。然後再套用到較大的未標記資料集來繼續訓練。強化式機器學習演算法一開始先不接受訓練，它們會從嘗試錯誤的過程中學習，想像一下一個正在學習繞過一堆石頭的機器人。機器人每次跌倒時，都能學到一種失敗經驗，然後就會調整自己的行為，直到成功為止。回想一下，犬隻訓練師都會使用小點心來作為獎勵，好讓狗狗更快學會各種指令。透過正向經驗的強化來讓狗狗不斷重複同一指令，並且修正沒有收到正向回饋的行為。