機器學習常見問題集

您每天使用的許多應用程式與服務都運用了機器學習。機器學習只是一個詞彙，主要描述電腦分析資料，而後根據其學習的內容做出預測或提供建議。

常見的機器學習例子是，電子郵件應用程式自動將特定寄件人傳送的所有郵件，移至您的「垃圾郵件」資料夾。電腦會分析您電子郵件中的資料，並根據從中發現的模式，預測該特定寄件人或網域傳送的郵件是否為垃圾郵件的機率。接著，電腦會根據此預測採取行動，將這些電子郵件移出您的收件匣。

當您將郵件標記為「垃圾郵件」時，電腦會從中學習，自動找出垃圾郵件的能力便會越來越精進。久而久之，電腦就能參考更多資料，更進一步妥善完成特定工作。這個以經驗為依據的改善過程便稱為機器學習。

透過機器學習，您使用的程式與裝置可以提供更符合您需求的個人化服務。例如，您越常使用語音辨識軟體，軟體便越能判斷您的聲音，使用效果越好。

Adobe 可能透過機器學習協助您提升效率和創意。例如，我們會使用機器學習幫助您整理及編輯影像。透過 Lightroom 的物件辨識功能，我們可以自動標記您家小狗的所有相片。在 Photoshop 中，機器學習有助於辨識過暗的影像，自動為您調整亮度。

我們也能運用機器學習，為您提供與內容相關的建議。例如，您在製作 UI 版型時，Photoshop 可能會自動建議您圖庫的按鈕圖示。當 Photoshop 從您的資料，而非網際網路上可取得的一般資料學習時，這類內容感知建議便會與您的工作更為相關。

當您透過我們的雲端服務傳送、接收或儲存檔案時，電腦會即時分析檔案內容。但我們不會存取儲存在您電腦上的檔案。我們會使用檔案和活動記錄檔的內容，以及您直接提出的意見回饋，用以訓練及改善我們的演算法。

例如，我們會在您的相片上使用圖樣辨識，辨識所有小狗影像，並自動為您加上標籤。如果您選擇任何一張自動標記的相片，並指出相片中沒有小狗影像，系統便會使用這筆資訊來強化辨識小狗影像的能力。

我們運用從所有 Adobe 使用者身上學到的資訊，讓我們的產品與服務變得更好。例如，您可能會編輯海邊相片，讓照片看起來更飽和鮮豔，而另一位使用者編輯婚禮相片，讓相片帶有柔焦以及柔和的光線，我們的程式便能從這些差異中學習。之後，第三位使用者編輯海邊或婚禮相片時，我們就能根據從您及其他使用者身上學到的資訊，提供合適的風格建議。

Adobe 隱私權中心提供 Adobe 如何使用與您相關資訊的概述。

當您透過我們的雲端服務傳送、接收或儲存檔案時，電腦會即時分析檔案內容。但我們不會存取儲存在您電腦上的檔案。 

Adobe 非常重視您的隱私權。我們透過機器學習取得的分析結果，不會用來重製您的內容或任何個人資料。

Adobe 隱私權中心提供 Adobe 如何使用與您相關資訊的概述。

如果您不希望 Adobe 分析您的檔案，據以採取相關行動和提供建議，您隨時可以關閉機器學習機制。