M03.01｜機器學習是什麼：讓機器自己從資料中學規則
不用寫規則，讓資料說話 — 這就是機器學習的核心精神
本講學習重點
機器學習（Machine Learning, ML）是 AI 的核心子領域，讓電腦從資料中自動找出規律， 而非由人工明確撰寫規則。與傳統程式設計相反：傳統是「規則 + 資料 → 答案」， 機器學習是「資料 + 答案 → 規則」。 三大核心要素：資料（Data）、演算法（Algorithm）、模型（Model）。 主要學習類型： - 監督式學習：有標記資料，做分類或預測（垃圾郵件過濾、房價預測） - 非監督式學習：無標記資料，找群集或結構（顧客分群、異常偵測） - 強化學習：透過獎懲回饋學習最佳策略（遊戲 AI、自動駕駛） 適合 ML 的情境：規則複雜難以手寫、資料量大、需要個人化、問題會隨時間演變。
🎙️ Podcast（中文）
一句話搞懂
機器學習就是：給電腦看大量例子，讓它自己歸納出判斷規則，而不是由人來寫規則。
白話解說
傳統程式設計 vs. 機器學習：思維的根本翻轉
在傳統程式設計中，工程師必須明確告訴電腦「怎麼做」。例如要寫一個判斷垃圾郵件的程式，工程師需要手動列出規則：「如果主旨包含『免費領獎』就是垃圾郵件」、「如果寄件人不在聯絡人清單且包含連結就是垃圾郵件」……這樣的規則可能需要寫幾千條，而且隨著垃圾郵件手法不斷演變，規則就要不斷更新，永遠追不完。
機器學習的思維完全顛倒過來。我們不寫規則，而是給電腦看幾十萬封已被標記為「垃圾」或「正常」的郵件，讓演算法自己從這些例子中找出規律。電腦可能自己發現：「出現某些詞彙組合、寄件伺服器位於特定地區、且連結數量超過某個閾值的郵件，有 98% 機率是垃圾」。人類根本不需要預先知道這個規則，電腦從資料中學到了。
機器學習的學習過程：類比人類學習
想像一個剛入職的新員工學習判斷水果品質。老員工不會給他一本「品質判斷手冊」列出所有規則，而是帶著他看幾千顆水果，邊看邊說「這顆好、這顆不好」，再讓他自己試著判斷，不對了就糾正。慢慢地，新員工腦中就形成了一套判斷邏輯——雖然他自己也說不清楚這套邏輯是什麼，但他能準確判斷。機器學習做的事情本質上相同：訓練資料就是那幾千顆水果，標記（Label）就是老員工的「好/不好」，模型就是新員工腦中那套隱形的判斷邏輯。
機器學習的核心流程可以拆解為三步：第一，收集並準備資料（這往往是最耗時的部分）；第二，選擇演算法並訓練模型（讓演算法在資料中找規律）；第三，評估並部署模型（用沒見過的新資料測試準確度，然後上線使用）。
三種主要的學習方式
機器學習依照「資料是否有標記答案」分為三大類型。監督式學習（Supervised Learning）是最常見的：資料有明確的「正確答案」，例如房價預測（輸入房屋坪數、地點、屋齡，輸出價格）、疾病診斷（輸入症狀，輸出病名）。非監督式學習（Unsupervised Learning）則是在沒有標記的資料中自動找出群集或結構，例如把數千名顧客依消費行為分成幾個群體，讓行銷人員針對不同群體制定策略。強化學習（Reinforcement Learning）則是讓 AI 在環境中透過「嘗試—獲得獎懲—調整策略」的循環不斷優化，AlphaGo 下棋、自動駕駛車輛都屬於此類。
機器學習最閃亮的地方
機器學習特別適合以下情境：一、規則太複雜難以手寫（例如人臉辨識——你能寫出辨識人臉的所有數學規則嗎？）；二、資料量龐大且持續增長（電商推薦系統每天有數億筆點擊資料）；三、需要個人化（每個用戶的喜好都不同，規則無法一體適用）；四、問題本身會隨時間演變（詐騙手法月月更新，模型可持續再訓練）。但機器學習不是萬靈丹——當資料量太少、問題規則本來就很清楚、或需要完全可解釋的決策（如法律裁判），傳統方法可能更合適。
應用場景
台灣零售業的客戶流失預測
某台灣連鎖超市擁有 300 萬名會員卡用戶，每個月都有一批會員「悄悄消失」——從高頻購物突然停止消費。過去門市人員只能憑直覺判斷，或者等到會員真的流失了才發現。
導入機器學習後，資料團隊蒐集了過去三年的消費記錄（每位會員的購物頻率、金額、品項類別、使用折扣券情況），訓練一個「流失風險預測模型」。模型每週自動產出高風險名單，行銷團隊提前發送個人化優惠，挽回率提升了 35%。
| 項目 | 傳統做法 | 機器學習做法 |
|---|---|---|
| 規則制定 | 人工訂定（如：連續 60 天未消費） | 模型從歷史資料自動學習 |
| 考量因素 | 有限（1-3 個指標） | 可同時分析數十個特徵 |
| 更新頻率 | 每季人工檢討 | 每月自動再訓練 |
| 準確率 | 約 55%（直覺判斷） | 約 82%（模型預測） |
| 人力需求 | 需要資深分析師 | 初期設定後自動運作 |
| 個人化程度 | 統一發送優惠 | 依個人消費習慣客製化 |
這個案例展示了機器學習的典型價值：把人類難以系統化的「直覺判斷」，轉化為可規模化、可量化的自動預測能力。
常見誤區
誤區一：「機器學習就是讓電腦變聰明，什麼都能做」
很多人聽到機器學習就以為它是無所不能的魔法。事實上，機器學習只能做它「被訓練過的任務」。一個訓練來辨識貓狗圖片的模型，遇到汽車圖片可能完全失準；一個預測股價的模型，遇到 COVID-19 這種前所未有的黑天鵝事件，表現可能一塌糊塗。機器學習的能力範圍完全受限於訓練資料的品質和範疇。沒有資料，就沒有學習；資料有偏差，學習就有偏差。
更實際的理解是：機器學習很擅長「在大量類似例子中找模式」，但它無法「理解」、「推理」或「舉一反三」（至少傳統 ML 做不到，現代大型語言模型有所不同）。把它定位為「高效的模式辨識工具」更為準確。
誤區二：「有了機器學習，資料越多越好，不需要整理」
「大資料等於好模型」是一個危險的迷思。業界有句話：「Garbage in, garbage out（垃圾進，垃圾出）」。如果訓練資料本身有問題——例如醫療紀錄的標記錯誤、顧客資料有大量重複筆數、或者資料只反映某個特定族群——那麼即使有再多資料，模型也會學到錯誤的規律，甚至放大偏見。
在實際的機器學習專案中，資料清理和特徵工程（把原始資料轉換成適合模型使用的形式）往往佔據整個專案 60-80% 的時間。資料的品質永遠比數量更重要，這也是為什麼「資料工程師」在 AI 團隊中不可或缺。
誤區三：「機器學習模型一旦訓練好就永遠有效」
許多組織在導入 AI 模型後，以為就此「一勞永逸」。事實上，機器學習模型會「過期」。這個現象叫做模型漂移（Model Drift）：現實世界的資料分布隨時間改變，導致訓練時的規律在新環境中不再成立。
以台灣的疫情為例：2019 年訓練的餐廳預訂需求預測模型，在 2020 年疫情爆發後立刻失效，因為人們的消費行為發生了根本性改變，模型見過的歷史資料根本無法反映新現實。好的 ML 系統必須設計持續監控機制，定期評估模型表現，並在必要時用新資料重新訓練。機器學習不是終點，而是一個持續迭代的過程。
小練習
練習一：分辨學習類型
以下是三個台灣常見的 AI 應用場景，請判斷各屬於哪種機器學習類型（監督式、非監督式、強化學習），並說明你的理由：
- 健保署用 AI 分析全國 2,300 萬人的就醫紀錄，自動把民眾分成「健康管理需求相似」的群體，以利公衛政策制定——但這些群體是事先未定義的。
- 某電商平台收集了 100 萬筆「有詐騙」和「無詐騙」的交易紀錄，訓練 AI 對每筆新交易進行風險評分。
- 台灣某遊戲公司開發的 AI 麻將機器人，透過與自己對戰數百萬局，從每局的輸贏結果不斷調整出牌策略。
查看解答
練習二：傳統程式 vs. 機器學習，哪個更適合？
以下兩個情境，請分析各自更適合用「傳統規則程式」還是「機器學習」來解決，並說明理由：
情境 A：某公司的請假系統需要自動核算員工的剩餘假期天數。規則是：到職滿一年給 7 天，每多一年加一天，最高 30 天，育嬰假另計。
情境 B：某 HR 軟體想自動判斷履歷是否符合職缺需求，需要考量求職者的學歷、工作經驗、技能描述、過去任職公司聲譽等數十個因素，且不同職缺的重視程度各異。