AI learning note 1 -- 初识AI

AI learning note

Background

偶然在网上十分碰巧的寻得了一篇AI教程，从科普到内容，很有趣，口吻也十分亲切，十分喜悦，摸到了感兴趣领域的敲门砖，目前已经花了一周半左右的时间，学习完毕了第一章的课程，现总体做一遍复习，把一些重要知识及遇到的问题做一个总结记录，以便以后温习。

---

一、初识AI

1.人工智能（Artificial Intelligence）:

大致的定义为通过人工的手段使机器具有“智能”。
现在的方法实现出的智能可以分为“假智能”以及“真智能”。
假智能：专家系统，决策树，逻辑归纳，聚类等方法。
真智能：人工神经网络技术。

2.为什么只有人工神经网络是真智能？

上文中提到的方法中，除人工神经网络技术以外，其他的方法都是“复杂的程序”，我们知道它们的内部结构，知道它们内部是如何运作，如何分析问题，从而得出结果的。

但人工神经网络技术不同，它就像一个小孩子一样，我们能做的只是帮助它去学习，但他是如何学习的，如何去分析问题，去思考的，我们是不知道的！

3.人工神经网络是什么？

我们大多认知的神经网络是存在于我们的大脑中或者是其他动物的大脑中的，这就是生物神经网络，而我们人工神经网络就是借鉴生物神经网络，通过在计算机上构建一个由一个个神经元组成的人工神经网络，来模仿真正生物神经网络的信息处理，从而去解决一些实际问题。

图例所示一个神经网络模型：

4.神经元的信息处理

生物的神经元细胞的信息处理过程为通过树突来接受其他来源的刺激并传递给细胞体，然后细胞体内部对刺激进行处理并输出相应的结果。

人工神经网络中的人工神经元，即上图中所示的小圆圈也有相似的信息处理模式，
如下图所示：

其中x为输入，w为x的权重

5.人工神经网络的学习

上图所示的是一个单神经元神经网络，我们把两层的神经网络称为浅层神经网络，把两层以上的神经网络称为深度神经网络。

训练神经网络的过程就是神经网络的学习过程，即我们将数据输入给神经网络，它自己就会不断地学习进步。显然，训练深度神经网络的过程就是所谓的深度学习。