---
title: "機器學習機制（Learning）"
slug: learning
language: zh-TW
source: https://aiterms.tw/terms/learning
updated_at: 2026-06-27
tags: [機器學習, 深度學習, 模型訓練, 特徵工程, source:arxiv]
ipas_term: false
---

# 機器學習機制（Learning）

學習是AI系統從數據中自動提取模式、規律與特徵，藉以提升特定任務效能的核心過程。

## 完整說明

學習（Learning）是一種使人工智慧系統能夠從經驗與資料中自動改進的機制。它能夠讓模型在不依賴顯式程式指令的情況下，透過數學最佳化過程來建立對未知數據的預測能力。常見應用包括影像辨識、自然語言處理、推薦系統與自動駕駛等領域。

## 常見問題

### 機器學習與深度學習有什麼不同？

機器學習是一個廣泛的概念，涵蓋所有讓機器從資料中學習規律的演算法。而深度學習是機器學習的一個子領域，專指使用多層人工神經網路（即「深度」架構）來進行表徵學習的技術。深度學習特別擅長處理影像、聲音與文字等非結構化資料，但通常需要更多的運算資源與資料量。

### 模型訓練時常聽到的「過擬合」(Overfitting) 是什麼意思？

過擬合是指模型在訓練資料上表現極佳，但在面對未見過的新資料時表現卻很差的現象。這就像是一個學生把考古題的答案死記硬背下來，卻沒有真正理解背後的原理，導致在真正的考試中遇到變化題就無法作答。解決方法包括增加訓練資料、簡化模型結構或使用正則化技術。

### 為什麼我們現在需要將學習從「監督式」轉向「自監督式」？

監督式學習需要大量人工標註的高品質資料，這不僅成本高昂且難以擴展到所有領域。自監督式學習透過讓模型預測資料的隱藏部分（如填空題），能夠直接利用網路上無窮無盡的未標註資料進行訓練。這種方式能讓模型學習到更通用的特徵表示，是目前訓練大型語言模型（如 GPT）的核心技術。

---

來源：https://aiterms.tw/terms/learning
快查頁：https://aiterms.tw/terms/learning
最後更新：2026/06/27
深度解說：https://aiterms.tw/learning/what-is-learning