一文读懂神经网络的奥妙 _神经网络

作者：宇信教育祝森
眼下最热门的ICT技术，人工智能绝对可以排在前列。
2016年谷歌Alpha Go与围棋世界冠军李世石上演"世纪人机大战"，将人工智能（AI）的关注度推到了前所未有的高度，到如今随处可见的刷脸支付、AI音箱、扫地机器人，以及各大顶级公司都在投入的无人驾驶研究，背后都有人工智能技术在做支撑。预计2025年，全球企业对AI的采用率将达86% 。AI的崛起将深刻改变企业的业务模式和价值创造模式。
人工智能的底层模型是"神经网络"（neural network）。许多复杂的应用（比如模式识别、自动控制）和高级模型（比如深度学习）都基于它。学习人工智能，一定是从它开始。
人为什么能够思考？原因在于人体的神经网络，其中思考的基础是神经元，如果能够"人造神经元"（artificial neuron），就能组成人工神经网络，模拟思考。一直以来，科学家都希望模拟人的大脑，造出可以思考的机器。上个世纪六十年代，科学家提出了最早的"人造神经元"模型，叫做"感知器"（perceptron），直到今天还在用。
人工神经网络，简称神经网络（Artificial Neural Network，ANN）：是由人工神经元互连组成的网络，它是从微观结构和功能上对人脑的抽象、简化，是模拟人类智能的一条重要途径，反映了人脑功能的若干基本特征，如并行信息处理、学习、联想、模式分类、记忆等。

文章插图

如图，我们可以初步理解神经网络模型是一个包含输入，输出与计算功能的模型。输入可以类比为神经元的树突，输出可以类比为神经元的轴突，计算则可以类比为细胞核。
作为AI技术的底层技术，为什么神经网络的提出已久，但近几年才大放光芒？这是因为神经网络等算法需要巨大算力来支撑。在2016年的那场人机大战中，谷歌DeepMind公司共消耗了1202颗CPU和176颗GPU的计算资源，Alpha Go的浮点运算能力是1998年IBM深蓝战胜象棋冠军时的3万倍之多，所以当前超高的运算能力是支撑AI技术发展的重要推手。
人工智能目前最成熟的应用方向之一是图像识别，它是实现如何让机器理解图像中的内容的AI技术，而其中神经网络对图像识别技术发展起到了突出的作用。
接下来我们通过一个简单的例子来更好的理解神经网络。
当一张图片输入到电脑中，它通常是一种三维数组的形式，第一维度我们通常称为Height，第二维度我们称为Width，这两个维度构即图像被计算机分割采样的尺寸，也就是通常所说的分辨率（如一张分辨率为1920*1080的图像，表示这幅图像是由1920*1080个点组成），第三维度称为Channel也就是通道，通常以RGB作为通道，表示图像每个划分的点的色彩，也就是他们分别在红，绿、蓝三原色域上的取值，如下图：

文章插图

我们的任务是，搜集大量相关的照片（即有些图片是猫，有些不是猫，比如是小狗），并对已知照片的结果做标记（这个动作也叫打标签）：是猫的图片记做1，不是猫的记做0，如下图。

文章插图

让计算机识别已有标签图片的信息，建立一套识别模式，再用这套识别模式判断新输入的图片是不是猫，这就是一个简单的图像识别问题。
到此我们可以将上述任务转化为：对一批三维数组进行层层计算、转换、压缩，最终输出每个三维数组是0或1的过程，而神经网络就是完成这个过程的计算模型之一，也是目前比较出色的。
一个典型的神经网络模型包含有输入、输出，以及中间代表计算功能的隐藏层，如下图，图中各个层级之间的关系用箭头线表示，称为"连接"，每一个连接都代表计算过程中的一个权重与偏差，也就是模型的参数。

文章插图

结合上图我们继续概括下神经网络算法进行图像识别的过程：每个图像对应的三维数组在计算机中被处理成数字矩阵，也就是特征矩阵，也可以看成是一系列的向量（矩阵的每一行或每列可以看成一个向量），这里简化为只有三个向量X1，X2，X3作为输入特征，它们们被当作神经网络的输入层。输入层后面是隐藏层，由一个个神经元构成，它们代表着获取的信息。最后一层是输出层，一般是用来产生预测值的，此任务中输出的是一个0或者1 。其中每个"连接"是通过样本特征矩阵和权重矩阵进行矩阵相乘，然后加上偏差形成的，并且也是下一层的输入。