课程: 人工智能（AI）入门

人工神经网络

课程: 人工智能（AI）入门

人工神经网络

“

人工神经网络极大地推动了 机器学习的蓬勃发展。 人工神经网络是一种 模仿人脑结构的人工智能系统， 也是目前最流行的机器学习方法之一。 打个比方，这就像我小时候 经常玩的一个小游戏， 名字叫“猜猜它是什么”。 这个游戏的规则非常简单。 先让一个孩子在心里想一个物件。 再让其他孩子就这个物件问他一系列问题。 比如说，它有皮毛吗? 它比房子还大吗？ 然后，在另一轮中， 我们可能会问它是活物吗？它会发出声音吗? 在每一轮之后，我们会根据问题的答案 逐渐缩小范围， 直到最后猜出正确答案。 是马吗？是猫吗？还是狗呢？ 人工神经网络工作方法与这个规则大致相同， 但它不是通过提问来得到答案， 而是使用数百个甚至数百万个数字表盘 来锁定正确答案。 同时，通过这些表盘能做出更加具体的猜测。 比如，它会给出有 64% 的几率是猫 或者32% 的几率是狗的结论。 构建神经网络时， 左侧有一排神经元被称为输入层， 右侧有一排神经元被称为输出层， 中间所有神经元被称为隐藏层。 隐藏层被隐藏的原因 是它既不属于输入层也不属于输出层。 首先，我们给网络的输入层 提供一张小狗照片。 我们提前知道这是一张小狗照片， 因为我们给它做了标记， 但神经网络在做出猜测之前 并不会看到这些标记。 这就与“猜猜它是什么”的游戏规则一样。 然后，当图像经过隐藏层时， 网络会查看图像中的每一个点， 并对输出层进行猜测。 假设第一次猜测是， 网络说有 10% 的几率 图像中包含一只狗。 然后，网络将猜测的结果 与图像上的标签进行比较。 这叫做神经网络训练。 接着，神经网络会向后移动 并调整神经元表盘， 以便能识别小狗照片中的图案。 然后再拍摄下一张小狗照片， 看它是否能更加接近正确答案。 随后通过查看数十万张小狗照片， 神经网络会不断调整自己的表盘， 直到每次都能给出正确答案。 需要记住的重点是 神经网络识别狗的方式和人类不相同。 神经网络不会想到狗狗气喘吁吁、 狗吠或狗毛等因素， 而是只将狗视为图像中可识别的点状图案。 当有像狗一样的点状图案时， 系统就会做出猜测。 不过，需要记住的是这些神经网络 仍然是机器学习系统， 因此网络需要获取大量数据才能发挥作用。 如果没有成千上万张小狗照片， 那人工神经网络也就无法学习。 这正是人工神经网络的关键优势所在。 它可以训练自己来理解图案， 并在查看大量数据时识别输入。

内容