全文共3588字,预计学习时长9分钟
图源:cio
人工智能席卷了世界,所谓的“机器学习算法”已经渗透到现代技术各个可能的层面,它已成为义务而不是创新。有些人可能会争论,我们今天使用的机器学习算法是否足够自主到可以称为真正的AI,这个争论过于宽泛,并不是本文的重点。
在这篇文章中,我试图探索神经网络与人类思维之间的深刻复杂性和深层关系。
当你开始在谷歌上输入时,浏览器怎么就已经猜到你在找什么呢?移动相机又如何在我们称为照片的微小像素海洋中识别人脸呢?像Alexa、Siri或Google Home这样的虚拟助理如何实现复杂的任务,例如安排会议、获取天气信息、阅读睡前故事等呢?
所有这些问题的答案正是机器学习,更具体地说,是神经网络。
什么是神经网络?
本节意在告诉完全不了解深度学习的人什么是基本的神经网络。虽然实际涉及的数学更复杂,但这里的重点不是神经网络的工作方式,而是试图理解他们与人类思维的联系。
神经元
神经元是神经网络中最简单的单位。神经元所做的是从上一层中的所有神经元接收输入值(此案例中神经元y的上一层用蓝色表示,如x1, x2 , x3等等),并将每个输入值与来自输入值的神经元相关的权重相乘。所以这里x1与w1相乘,x2与w2相乘等以此类推,所有这些乘法都是在神经元y内部增加的。
y=x1.w1 + x2*w2 +x3*w3……xm.wm
然后使用激活函数如Sigmoid、tanH、ReLU等将该求和值转换为输出值。那么这些激活函数又是什么呢?下面举个sigmoid激活函数的例子。
Sigmoid激活函数
Sigmoid激活函数将任何输入值(本案例中求和y即是Sigmoid函数的输入值)转换为0至1范围内的值。就这么简单,添加输入值和各自的权重到激活函数中就好啦。你的神经元就会给你一个输出值。
简单的神经网络
这