「機器學習」與「神經網路」

AI學會誕生的1986年，正好處於第2次AI潮的全盛期，這時討論的AI概念，為方便行文，筆者暫且稱之為「第2代AI」。圖靈時代提倡的AI（姑且稱之為「第1代AI」）是模仿神經回路的「神經網路」（神經元之間的所有相互連接）的設想，當然它的外延更廣泛一些。然而第2代AI，則是符號處理和知識資訊處理成為了主流。日本便是從這個時候開始投入大量的預算，致力於開發AI，在此之後，包括日本在內，全球的AI概念已經偏向於符號處理和知識資訊技術處理了。即使到現在，全球9成以上的AI研究人員都屬於這種第2代AI的研究者。第2代AI的研究碩果累累，給全球技術的進步做出了巨大貢獻。例如World Wide Web就是第2代AI研究成果的應用結果，Google之類的搜尋引擎也是如此。

然而進入21世紀，電腦的計算能力實現飛躍式提升之後，長久以來被忽略的「機器學習」領域也很快地呈現出了活力。機器學習是一種演算法，它可以讓電腦對特定事件的資料進行解析，從其結果中學習它的傾向，並用於以後的判斷和預測。雖然這種方法早就存在，但隨著電腦計算能力的不斷提高，實用性的機器學習才逐步得以實現。此外，隨著計算能力的提高，通過大量資料讓以往學習能力弱的多層神經網路進行機器學習也成為了可能。這就是Deep Learning。