电子产品世界

　　高焕堂 （台湾VR产业联盟主席，厦门VR/AR协会荣誉会长兼顾问）

　　摘 要：AI机器学习的基础活动之一就是提取特征。本文通过举例和比喻来领悟特征的含义，以及理解特征提取的方法和目的。而且，从人为的特征提取，开始思考由AI机器自动提取特征的途径，迈向深度学习之路。

　　1 从认识特征出发

　　1.1 以狗和兔子为例

　　据说古代有一位小公主（例如大清时代的格格），常常到荒郊野外去玩，携带一只狗去出行。为什么她要携带狗呢? 因为狗儿天生就最熟悉兔子的特征，而且兔子的特征也最吸引狗儿们，所以狗儿喜欢又擅长于探索（抓）兔子了。因此，很快就能带回几只兔子。

　　话说有一天，小公主（格格）也想要几只老鼠，她就携带着猫出行。因为猫儿天生就最熟悉老鼠的特征，包括老鼠的味道、长相、习性等。所以猫儿喜欢又擅长于探索（抓）老鼠。因此，也很快就带回几只老鼠。

　　所以，聪明的格格会借助于熟悉兔子特征的狗儿去探索荒郊野外的兔子；也懂得借助于熟悉老鼠特征的猫儿去探索荒郊野外的老鼠。

　　1.2 以公主和帅哥为例

　　于此，兹拿“小公主（格格）找心仪的帅哥”来做比喻。现在，有一位小公主想要交男友、谈恋爱了。小公主出去走走，惊动帅哥们，或请人介绍一些帅哥们。

　　于是，小公主就来识别一下他们的人品、财富、学问等特征（Feature）。在小公主的心中，对于人品、财富、学问等自有她的衡量权重（Weight）的。然后，小公主将其心中的评比结果告诉了妈妈。小公主也依据一样的评比模式，来评比每一位帅哥。此时，精明的妈妈可能会提出她的看法来教女儿，眼睛要雪亮一些。甚至，妈妈觉得这样似乎还不放心，就派两位丫鬟去帮忙识别一番。

　　刚才的丫鬟们是经过学习，而学会帮忙去衡量帅哥们的各种特征值（如人品、财富、学问等），再告诉小公主，然后告诉了妈妈。到了今天，AI（人工智能）日益普及了，也可以通过机器学习（ML）来训练AI的丫鬟们，甚至训练AI的格格，来帮人类格格更精确地衡量帅哥们的特征值。

　　2 特征范例1：玩具兔和玩具熊

　　我喜欢电视剧里的格格的气质，所以就拿格格与玩具来做比喻。例如，这格格有4只玩具兔和玩具熊 ^[1] 。

　　所谓特征就是某种事物的特色，让人们（或其他生物）很容易凭它区分出来。例如，兔子的特征就是：耳朵长长的、身体轻盈短小。而熊的特征则是：耳朵短短的、身体有些笨重。

　　由于这位格格身边有两位丫鬟，格格就请丫鬟A去量一下这些玩具的耳朵长度，就可以得到“耳朵”特征值了。格格也请丫鬟B去量量这些玩具的体重，就可以得到“体重”特征值了（如图1）。

　　3 特征范例2：阿拉伯数字“2”和“7”

　　此范例摘自《不编程，而学AI：Excel+TensorFlow》 ^[1] 。其中，有2个阿拉伯数字的字型，其可分解为3个笔画的组成元素：X0、X1和X3。我们可以按如图2来提取其特征值。

　　此时格格找来3位丫鬟，并交待如图3。

　　于是，得到全部字型的特征值了，如图3。

　　4 特征范例3：局部感受野

　　刚才的两个范例，其感受野（Receptive field）都是整张图片。在本范例里，则把它缩小一半（如图4）。

　　此时，格格对身旁的两位丫鬟交代如图5。

　　于是，针对第1个字型，丫鬟A在上半部发现了横线笔画，所以得到特征值是1；同时也在下半部发现了横线笔画，所以得到特征值是1。丫鬟B在上半部发现了（反）斜线笔画，所以得到特征值是1。同时，也在下半部发现了斜线笔画，所以得到特征值是1。然后，把两人提取的特征值，排成一列（Flatten），如图6。

　　接下来，继续去测量第2个字型，提取了它的特征值。这时候，针对第2个字型，丫鬟A在上半部发现了横线笔画，所以得到特征值是1；但在下半部没有发现到横线笔画，所以得到特征值是0。

　　丫鬟B在上半部发现了（正）斜线笔画，所以得到特征值是1。同时，也在下半部发现了斜线笔画，所以得到特征值是1。所以得到特征值是1。然后，把两人提取的特征值，排成一列（Flatten），就得到全部字型的特征值了，如图7。

　　5 特征范例4：阿拉伯数字“0”~“9”

　　于此，基于刚才范例3的特征提取模式，把原来的两个字型，扩大为“0”~“3”共4个字型，如图8。

　　此时，仍然由3位丫鬟分工去提取特征，如图9。

　　于是，针对第1个字型，丫鬟A在上半部没有发现横线笔画，所以得到特征值是0；但在下半部则发现了横线笔画，所以得到特征值是1。丫鬟B在上半部没有发现正斜线笔画，所以得到特征值是0。但是在下半部发现了正斜线笔画，所以得到特征值是1。丫鬟C在上半部没有发现反斜线笔画，所以得到特征值是0。但是在下半部发现了反斜线笔画，所以得到特征值是1。然后，把3人提取的特征值，排成一列（Flatten），如图10。

　　依序下去，就可以得到全部字型的特征值了，如图11。

　　然后，继续加以扩大为“0”~“9”共10个字型，如图12。

　　此时就可以得到全部字型的特征值了，如图13。

　　6 结束语

　　在以上的范例里，是由人类（3位丫鬟们）去提取玩具或字型的特征值。这些丫鬟们愈有经验、或愈训练有素时，其提取特征的准确性会愈高。如果我们也能训练AI机器来代替这些丫鬟，以便由AI机器来自动提取特征，那将是一件美好的事。这意味着，得到一个新观念：AI的丫鬟们是可以训练的，只要训练AI去认识小小的特征，则一群AI的丫鬟将可以代替人类去复杂的情境（街景照片）中寻找特征值。

　　参考文献

　　[1] 高焕堂.不编程，而学AI：Excel+TensorFlow.台湾：广悦文化事业有限公司，2018.

　　本文来源于科技期刊《电子产品世界》2019年第11期第81页，欢迎您写论文时引用，并注明出处。

关键词： 201911 AI 机器学习 提取特征