回想我們之前說的語音識別流程： 流程中很多內容都是"手工工程":

• MFCCs 是一系列手工設計的音訊特徵。這個特徵提取過程會丟棄一些無用的資訊，並整理出合理的音訊摘要資訊。
• 音素是語音學家發明的。它是音訊的一種不完美表示方法，用音素來表示音訊會限制語音識別系統的效能。

然而，手動工程元件也有它的優勢：

• MFCC特徵對那些不影響語音內容的因素，比如音高，具有很好的魯棒性，這可以有效的簡化機器學習演算法要解決的問題。
• 音素也是音訊的一種合力表示。可以讓演算法瞭解基本的語音單元，然後幫助改進演算法。

使用更多的手工工程元件，可以減少學習演算法所需要的資料量。從手工工程MFCCs和因素獲得的知識，而可以補充演算法中資料中獲得的知識。當我們沒有很多資料時，這些知識就非常有用了。

現在，在考慮下端到端系統：

這個系統缺少手工工程相關的知識，因此當訓練資料集很小時，他可能表現出的效能差於手工工程流程。

然而，當資料量比較大時，學習演算法就不會受到MFCC或基於音素表示方法的限制了，如果學習演算法是一個足夠大的神經網路，而且有足夠多的資料參與訓練，它的潛力是非常大的，或許能達到最優的錯誤率。

端到端學習系統可以在兩端(輸入端、輸出端)有大量已標記資料的情況下，表現的非常好。在這個例子中，我們需要準備大量的音訊和對應的輸出文字。當資料不可用時，端到端學習方法就有很大的風險了。

當你用機器學習演算法解決問題時，如果訓練樣本集非常小，演算法的大部分知識需要來自於人類的觀察，比如手工工程設計的元件。

當你不使用端到端系統時，你需要考慮演算法流程分成哪幾步，這幾步如何組裝在一起，我們將會提供一些關於演算法流程的設計建議。