什麼是模式識別

深度學習裡的模式可以理解為“套路”。舉個例子，我們都見過手寫的、藝術字的等各種字體的“我”，假設有一位設計師設計了一款新的字體，我們根據以往的知識，一眼就能識別出這款字體中的“我”。這就是模式識別的過程，即通過一系列經驗提取出模式，然後識別未知的模式。

模式是怎麼產生的

假設不斷地給你一些寫著“我”的實例或圖片，不斷地告訴你，這個字就是“我”，那個字也是“我”，那是雅黑體的“我”，等等，隨後給你一張圖片，然後問你，這上面寫的是不是“我”，你就會回答是或不是。

同樣的道理，不斷告訴計算機哪些是“我”的過程叫作“訓練”，而最後再問計算機是不是“我”的過程，是預測（也可以稱為分類）。

訓練的過程，就是找到模式的過程。這種過程在工業界叫作模式識別，在計算機界叫作機器學習。那麼，模式到底長什麼樣呢？其實就是一個數據模型（讀者可以理解為一個龐大的數學公式），當你輸入一張寫著“我”的圖片，它會把圖片分解成無數個像素，輸入到這個模型（公式）中，通過一系列計算就可以得到分類結果。現在使用的一些系統，基本是按照編程的指令來執行的，例如，“每天找到閱讀數量最多的10條新聞”的編程是固定的，計算機計算PV，然後排序取TOP 10。

機器學習的方法，可能會根據樣本的不同或者數據的多少針對同一領域得出不同的結果。以甄別帶顏色的視頻（small電影）為例，原先的方法是蒐集很多部視頻，然後一個個比對，現在則是把黃色視頻的一些關鍵幀拿出來，從中選取特徵去推斷。

計算機見過的帶顏色的圖越多，識別得就越準確，不斷地學習經驗，未來就可能越來越聰明，而人是處理不了這麼大的數據量的，所以機器一定是效率更高的。有位專家說：“只要人1秒內可以決策的事情，都可以用人工智能的方法解決，而且效率和成果比人更好。”