iPAS 備考專區 登入

iPAS AI 應用規劃師 初級 科目一 人工智慧基礎概論・115 年第一次・L11・第 31 題

30% 有標籤、70% 無標籤,該用哪種學習方法?

原題

某農場收集了大量作物葉片影像,但只有 30% 的影像有病害類別標註,其餘 70% 的影像沒有任何標籤。農場希望充分利用所有資料來訓練病害識別模型。這種情況最適合使用哪一種學習方法?

白話

題目的情境是:有一些有標籤的資料(30%),也有大量沒有標籤的資料(70%),想要兩種資料都用上。這是一個「標籤不完整」的場景。

問你:同時有少量有標籤資料和大量無標籤資料,該採用哪種學習方法?

一句話總結

少量有標籤 + 大量無標籤,兩種資料都想用,就是半監督式學習的設計場景。

情境

先感受問題:標籤貴,照片便宜,怎麼辦?

假設「青農科技」為雲林蕃茄農場開發 AI 病害識別系統。農場老闆的 iPhone 一天能拍幾千張葉片照片,三個月下來累積了 20 萬張。

但給照片貼標籤(「這是炭疽病」「這是晚疫病」「這是健康葉片」)需要請農業顧問一張一張看。顧問費用不便宜,一個月只能標完 6,000 張,三個月標了 18,000 張,占 20 萬張的 9%。

問題來了:剩下的 18 萬多張沒有標籤,但都是真實的葉片照片,裡面有大量有價值的視覺資訊。如果只用那 18,000 張有標籤的訓練,丟掉 18 萬張,是很大的浪費。

農場老闆問:「有沒有辦法把那 18 萬張也用上?」

這就是半監督式學習解決的問題:在少量有標籤資料和大量無標籤資料混合的情況下,讓模型同時從兩種資料中學習,達到比只用標籤資料更好的效果。

舊方法

只用標籤資料或只用無標籤資料,各有什麼問題

在半監督式學習出現之前,面對「標籤不足」的問題,通常只能選一邊:

  1. 只用有標籤的 18,000 張:可以直接用監督式學習,但資料量不足,模型泛化能力差,對新的葉片場景容易失準
  2. 花更多錢標籤:繼續請顧問標,但標籤費用線性增加,農場預算有限
  3. 只用無標籤的 18 萬張做非監督分群:可以找出「相似外觀的葉片群」,但無法直接告訴你哪群是什麼病,仍需人工對應
  4. 等累積更多標籤再做:時間成本太高,農場現在就需要識別系統
  5. 丟掉無標籤資料:最簡單但最浪費,18 萬張照片裡有大量關於葉片外觀的知識,不用可惜

新方法

半監督式學習怎麼同時用兩種資料

半監督式學習(Semi-supervised Learning)的核心假設是:即使沒有標籤,大量的無標籤資料仍然包含關於資料分佈的有用資訊。

「青農科技」採用的流程長這樣:

第一步:用有標籤資料訓練初始模型。先用 18,000 張有標籤的照片,訓練出一個基礎的病害分類模型,雖然不夠準確,但已經有基本判斷能力。

第二步:用初始模型對無標籤資料做偽標籤(Pseudo-labeling)。把 18 萬張無標籤照片餵進模型,對預測信心度高的照片(例如「這張是炭疽病的機率 95%」)自動打上暫時標籤。

第三步:混合真實標籤和偽標籤一起重新訓練。把 18,000 張真實標籤 + 預測信心高的偽標籤合在一起,重新訓練模型,讓它見識到更多樣的葉片樣貌,泛化能力提升。

這個流程可以迭代幾輪,每輪模型越來越準確,能給出更可靠的偽標籤,讓下一輪訓練更好。

這就是選項 A 的意思:半監督式學習,充分利用少量有標籤資料和大量無標籤資料。

錯選項

為什麼其他選項是錯的

B監督式學習(Supervised Learning)

字面在說什麼

用有標籤的訓練資料,讓模型學會輸入到輸出的映射,然後對新資料做預測。

為什麼不對

監督式學習只能使用有標籤的資料,那 70% 的無標籤照片就完全用不上。題目說「希望充分利用所有資料」,監督式學習直接浪費了 70% 的資料,不符合題目要求。

誰會選錯

沒注意「充分利用所有資料」這個關鍵條件,只看到「有標籤」就選監督式學習的人。有標籤資料可以用監督式學習,但題目的重點是也要用無標籤資料。

C非監督式學習(Unsupervised Learning)

字面在說什麼

完全不用標籤,讓模型自己從資料中找結構和模式。

為什麼不對

非監督式學習完全不使用標籤,那辛苦標好的 30% 有標籤資料就被浪費了。而且非監督學習的輸出通常是「群組」或「特徵表示」,不能直接輸出「這是炭疽病」的分類結果,無法直接滿足「識別病害類別」的需求。

誰會選錯

看到「70% 無標籤資料比較多」就選非監督式學習的人。多數資料沒有標籤,不代表應該忽略少數有標籤的資料。半監督式學習正是設計來兼顧兩者。

D強化式學習(Reinforcement Learning)

字面在說什麼

讓 AI Agent 在環境中試錯,根據即時獎勵學習最佳行動策略。

為什麼不對

這個場景是靜態資料集的分類任務,不是連續決策問題。強化式學習需要定義環境、動作、獎勵函數,對靜態影像分類來說完全沒有必要,也沒有意義。題目中的葉片照片是已收集好的靜態資料,不是需要 Agent 互動的動態環境。

誰會選錯

記憶中「強化學習很先進」所以直覺選 D 的人。先進不等於適用,強化學習有其特定的應用場景,在靜態資料集分類上是錯誤選擇。

變形題

同個考點下次怎麼變形

延伸

想再往下看,這 5 個

答案、題目或解析有問題?回報這題

出處:iPAS 經濟部產業人才能力鑑定 ・ 115 年第一次 iPAS AI 應用規劃師 初級 科目一 人工智慧基礎概論 第 31 題

看官方原文 PDF

原題 © 經濟部產業發展署,AITerms.tw 僅作教學解析使用,本站解析以 CC BY-NC-SA 4.0 授權。