深度学习与Keras实践|第一期：（入门） 一些简单介绍与一个简单例子

1. 我们要干什么？

不管我们普通人接触到的到底是人工智能还是人工智障，也不管市场到底是不是用脚投票，“人工智能”现在已经成了我们绕不开一个的话题。在这样的风口面前，我们即使无法参与进去，恐怕也需要踮着脚尖往里面看一看。这一系列文章的目的就是让读者能通过一些简单的概念和实际的例子，一叶知秋、管中窥豹，大致看看“人工智能”到底是个什么东西。

---

2. 什么是深度学习？

说起人工智能，我们稍微回忆一下，就会发现有一系列词汇被引申出来：从机器学习到深度学习、从神经网络到卷积神经网络……我们有必要对这些概念做一个简单梳理：首先，范围最大的是人工智能，这是一个大的学科，从某种带有哲学意味的角度来看它可以被分成强人工智能与弱人工智能，但这不是我们要关注的。具体一些，人工智能的实现方法包括统计学方法和深度学习方法（看，深度学习出现了！），而卷积神经网络等等一大堆神经网络则属于深度学习方法的具体实现（事实上，深度学习就是搭建人工神经网络）。正是深度学习取得的突破才将人工智能带到了我们这些普通人的生活中。

自从2006年深度学习“三巨头”发表了三篇经典论文以来，深度学习领域的研究成果不断涌现，其在计算机视觉、自然语言处理等领域也不断产生出落地的工业产品。深度学习并不是一个特定的算法，而是一类算法的统称（相信上一段文字已经让你知道了这件事情）。它通过搭建人工的神经网络去模仿人的大脑中神经元网络对信息的处理方式。具体来说，一个被输入的信号要经过许多级处理单元，而前一级处理单元的输出可以作为下一级处理单元的输入。我们把一个处理单元称为一个层，这样，我们就可以把神经网络看作许多不同的层（其实就是不同的处理单元）之间的堆叠。用一张图来表示，我们可以先简单的表示成这样一种线性的顺序模型：