神经网络与人类思维间的深层关系

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