简明AI学习笔记一：神经网络和深度学习

Posted 2021-04-19 天真思无邪

四年前AlphaGo和李世石的人机大战吸引了全世界的目光，仿佛一夜之间，人工智能从虚无缥缈变成了现实。说它是最好的全民科普也不为过，很多人对人工智能的概念就是那时候兴起的。

如今，人工智能已深入我们生活的方方面面，人们对AI的强大也习以为常，发展如此之快，真是始料未及。

人工智能、机器学习、深度学习的关系

那么什么是人工智能？美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作”。人工智能的解释有很多，如果要深入学习，就千万不能被那些高大上的介绍给唬住。

要知道计算机不是平白无故一下就产生智能的，如同我们人类需要学习才能掌握技能一样，机器也需要学习（训练）才能产生智能，这个学习的过程就是机器学习，而深度学习就是其中的一种学习方式。至于神经网络，其实就是深度学习中的算法，它用数学模型模仿了人类的神经网络特征，将现实问题抽象为了数学问题，从而方便计算和推理。所以人工智能其核心就是算法，并没有字面上那么玄。

神经网络

这是当年出现在我们生物课本上的神经元结构图，不知大家是否还有印象。

下面是神经元的特性：

1. 一个神经元可以有一个或者多个树突，用于接收刺激信号

2. 一个神经元一般只有一个轴突，轴突末端有树枝样的神经末梢，用来连接其他神经元的树突

3. 对于多个传递进来的信号，每个信号的权重是不同的，信息越重要，权重越高

4. 神经元有一个阈值，如果传递进来的信号之和没有超过这个最小刺激强度，那么轴突不会产生冲动

也就是说一个神经元接受多个信号输入并加工成一个输出，而这个输出又成为下一个神经元的输入，不断组合最终形成生物神经网络。如果我们将单个神经元的工作在数学上抽象化，并以其为单位进行组合，这种人工形成的网络就是人工智能的神经网络。

上图是神经网络的简单示意图，真实的神经网络有各种形式，并且要复杂的多。

一个成人的大脑中约有1000亿个神经元，神经网络既然是模拟生物神经网络的技术，那么它的“神经元”数量必然也不会少，如此便需要海量的计算，这也就是为什么神经网络的训练需要庞大算力的原因。

如果有兴趣，可以去了解神经网络的发展历史，就会知道人工智能发展几十年，为什么近些年才开始火的原因。