机器学习与网络安全（三）线性代数

​​现在的人工智能完全由数据来驱动，我们所见到的数据，比方说一张图片有三个通道，分为R（红）、G（绿）、B（蓝），每个通道是一个图层，相当于有三张图层，比如每一张图片是5050像素，5050*3就是整个数据的大小。这种数据在人工智能使用时，会被变成一个矩阵，相当于有一个50行50列高度3的矩阵，矩阵里面每一个小单元是一个数字，这个数字就是像素。从0到255反映颜色的色阶从少到多，三通道反映了点的颜色从而绘制了整个画面，这样的数据我们把它叫做原数据，把原数据送进我们的人工智能系统，学习完特征后，把结果读出来，“结果”其实是一个概率。

比如现在的任务是画面里有一只猫画，想要让电脑去认一下。让电脑知道这是只猫，他通过学习以后再把图片给到电脑，让电脑去认，会得到一个概率。如果是猫，它可能概率是93%，如果是狗，可能概率就是6%。其他概率是1%，最后认得出来是猫。我们可以看到，基本所有的人工智能问题都会涉及到一个决策性的东西即概率。应用方面就会很多，比方说我们在医学造影的时候会让你区分一张X光片，最后得到结果是肿瘤是恶性还是非恶性，以及我们的自动驾驶的话，比如前面在视频中进入了一只猫，或者进入了一个老人，系统会区分这个老人是否会被我撞到，或者是前面到底是一个什么东西、路线是否正确，前面是否有斑马线红绿灯这些，最后所有的结果会集中到一个概率上，包括我们对自然语言的处理也是一样的，一句话读出来可能是个什么意思褒义或贬义。又或一些影评系统去读大量的影评，让人工智能的系统去学习，学习完以后