浅谈深度学习(七):如何理解计算机神经网络

我们在“浅谈深度学习(一):深度学习的前世今生”提到,深度学习其实源自计算机神经网络。而对于非计算机科学行业的人来说,想要理解这么高深的理论,恐怕很难。

而斯坦福大学的印度学生、机器学习爱好者PararthShah在2012年12月22日使用买芒果的例子,非常浅显易懂的解释了机器学习。

而神经网络,或许可以用同样的方法来解释,使得没有计算机理论基础的人,也能够很好的了解,到底什么是神经网络。

首先要明白神经网络其实源自生物神经网络,人的大脑的神经网络由无数个神经元组成,神经元之间存在着极其复杂的关系,而计算机神经网络就要模拟生物神经网络,使得其跟人类一样,具备自我学习能力。

下面我们通过举例来阐述神经网络的运行机制。

比如你需要挑选芒果,你并不知道什么样的芒果最好吃,所以你就尝遍了所有的芒果,然后自己总结出个大深黄色的比较好吃,以后再去买的时候,就可以直接挑选这种。

那什么是机器学习呢,就是你让机器“尝”一遍所有芒果,当然,也假设它知道哪些好吃,让机器去总结一套规律(个大深黄色),这就是机器学习。

具体操作,就是你描述给机器每一个芒果的特征(颜色,大小,软硬……),描述给机器其输出(味道如何,是否好吃),剩下的就等机器去学习出一套规则。

那机器是怎么学习到这个规则(个大深黄色的好吃)的呢?

没错,是通过机器学习算法。而神经网络,恰好就是一种机器学习算法。

近些年来,由于深度学习概念的兴起,神经网络又成为了机器学习领域最热门的研究方法。

神经网络就像是一个刚开始学习认东西的小孩子,而大人是作为一个监督者,来告诉他所看到的东西是什么,至于如果判定这是狗还是猫,还是其他的动物的方法,则由小孩自行去学习。

第一天,他看见一只京巴狗,你告诉他这是狗;

第二天,他看见一只波斯猫,他开心地说,这是狗,但你纠正他,这是猫;

第三天,他看见一只蝴蝶犬,他又迷惑了,你告诉他这是狗;

直到有一天,他可以分清任何一只猫或者狗。

其实神经网络最初得名,就是其在模拟人的大脑,把每一个节点当作一个神经元,这些“神经元”组成的网络就是神经网络。而由于计算机出色的计算能力和细节把握能力,在大数据的基础上,神经网络往往有比人有更出色的表现。

当然也可以把神经网络当作一个黑箱子,只要告诉它输入,输出,他可以学到输入与输出的函数关系。神经网络的理论基础之一是三层的神经网络可以逼近任意的函数,所以理论上,只要数据量足够大,“箱子容量”够大(即神经元数量够多),神经网络就可以学到你要的东西。

深度学习,终于在经历了几十载的起起落落,发展到今天,终于迎来终极爆发,但无论如何,任何科技的发展,都离不开人类不断的尝试,而坚守几十年的深度学习之父Hinton,加速了人工智能的发展。

不过霍金却在警告,人工智能或许会令人类面临灭顶之灾。

即使可能面临灭顶之灾,人类仍然勇往直前,也许有一天真会像科幻片里一样,最终迎来真正的人机大战。

(未完待续)

发表评论

邮箱地址不会被公开。 必填项已用*标注

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据