AI機器學習(Machine Learning)的基礎活動之一就是：提取特徵(Feature extraction)。在本文裡，藉由舉例和比喻來領悟特徵(Feature)的涵意，以及理解特徵提取的方法和目的。而且，從人為的特徵提取，開始思考由AI機器自動提取特徵的可能性。
1. 特徵提取的範例(一)：玩具兔和玩具熊
我喜歡電視劇裡的格格的氣質，所以我就拿格格與玩具來做比喻。例如，這格格有4隻玩具兔和玩具熊(此範例摘自高煥堂的《不編程，而學AI：Excel+TensorFlow》一書)：
所謂特徵就是某種事物的特色，讓人們(或其他生物)很容易憑它的區分出來。例如，兔子的特徵就是：耳朵長長的、身體輕盈短小。而熊的特徵則是：耳朵短短的、身體有些笨重。由於這位格格身邊有兩位Y嬛，格格就請Y嬛-A去量一下這些玩具的耳朵長度，就可以得到<耳朵>特徵值了。格格也請Y嬛-B去量量這些玩具的體重，就可以得到<體重>特徵值了。例如，針對第1隻玩具，兩人分別測量出來的特徵值是：它的耳朵長度是7.5，而其體重是5.0。
接下來，兩人又去測量第2隻玩具，提取了它的特徵值：
接下來，兩人又去測量第3隻玩具，提取了它的特徵值：
依序下去，提取了每一隻玩具的特徵值了：
2. 特徵提取的範例(二)：阿拉伯數字<2>和<7>
此範例摘自高煥堂的《不編程，而學AI：Excel+TensorFlow》一書。其中，有2個阿拉伯數字的字型，其可分解為3個筆畫的組成元素：X0、X1和x3。那麼，我們如何來提取其特徵值呢?
那麼，我們如何來提取其特徵值呢? 此時，格格找來三位Y嬛，分別交待如下：
於是，針對第1個字型，Y嬛-A發現了X0筆畫，所以得到特徵值是1。Y嬛-B也發現了X1筆畫，所以得到特徵值是1。而Y嬛-C也發現了X2筆畫，所以得到特徵值是1。三人分別測量出來的特徵值是：
接下來，三人又去測量第2個字型，提取了它的特徵值：
於是，得到全部字型的特徵值了：
3. 特徵提取的範例(三)：局部感受野(Receptive field)
剛才的兩個範例，其感受野(receptive field)都是整張圖片。在本範例裡，將把它縮小一半。此時，格格找來兩位Y嬛，分別交待如下：
於是，針對第1個字型，Y嬛-A在上半部發現了橫線筆畫，所以得到特徵值是1；同時也在下半部發現了橫線筆畫，所以得到特徵值是1。Y嬛-B在上半部發現了(反)斜線筆畫，所以得到特徵值是1。同時，也在下半部發現了斜線筆畫，所以得到特徵值是1。如下：
然後，把兩人提取的特徵值，排成一列(Flatten)，如下：
接下來，繼續去測量第2個字型，提取了它的特徵值：
於是，得到全部字型的特徵值了：
4. 特徵提取的範例(四)：探索阿拉伯數字<0>~<9>的特徵值
於此，基於剛才範例(三)的特徵提取模式，把原來的兩個字型，擴大為<0>~<3>共4個字型，如下圖：
此時，仍然由三位Y嬛分工去提取特徵，如下：
然後，繼續加以擴大為<0>~<9>共10個字型，如下圖
5. 結語：訓練AI的Y嬛
在以上的範例裡，是由人類(三位Y嬛們)去提取玩具或字型的特徵值。這些Y嬛們愈有經驗、或愈訓練有素時，其提取特徵的準確性會愈高。如果我們也能訓練AI機器來代替這些Y嬛，以便由AI機器來自動提取特徵，那將是一件美好的事呀。這意味著，得到一個新觀念：AI的Y嬛們是可以訓練的，只要訓練AI去認識小小的特徵，則一群AI的Y嬛將可以代替人類去複雜的情境(如圖片)中尋找特徵值。
~ End ~
