甚麼是深度學習？

簡單解釋

深度學習是機器學習的一個分支，以多層神經網絡處理影像、聲音、文字及其他資料。較前層可能辨認簡單模式，較後層組合成更複雜表示；在足夠資料、計算資源和合適訓練下，它能處理很難手寫規則的任務。

深度並不等於一定較好。它可能需要大量資料及運算，也較難解釋，並會繼承訓練資料的錯誤或偏見。Cyberport 的 AI 超算中心支援研究及應用，反映算力是生態一環，但有算力不代表免除資料治理、測試和問責。

實際做法或 Prompt 範例

1. 先確認任務是否真的需要深度學習，不要為了「AI」而使用。
2. 用獨立測試資料及不同情況檢查表現。
3. 為部署設置人工覆核、錯誤回報及停用條件。

可直接複製的 Prompt 範例

請向中學生解釋深度學習與一般機器學習的關係，約180字；必須提及多層網絡、資料需求、可能偏見及人工核實；不要用「像人腦一樣思考」作結論。

電腦：選取整段後複製；手機：長按並選取文字。範例只作學習示範，改用實際資料前先去識別化。

新手例子

以公開交通標誌圖片作示例：模型學習影像模式，遇到模糊或陌生標誌便交由人員判斷，而不是自動發出安全指令。

常見錯誤

• 把「深度」寫成模型有更深思考或意識。
• 忽略運算、能源、資料質素及可解釋性成本。
• 用訓練資料表現代替真實環境測試。