“人造大脑”：改变世界的强有力工具！

偏执的太偏执、 2022-12-15 02:57 150阅读 0赞

![format_png][]

全文共**2047**字，预计学习时长**6**分钟

![format_png 1][]

图源：unsplash

如果人类已经造出了人造大脑，你会想让它做什么呢？写作业，称霸股市，还是霸占世界？人造大脑的可能性是无穷的。事实上，在一定程度上我们已经做到了！人造大脑不像我们的大脑那么复杂，却是能改变世界的强有力工具，它就是神经网络。

神经网络是什么？

神经网络（简称NN）是能够接收、处理并输出信息的一组连接节点。我们的大脑也是一种神经网络！它的内部有许许多多生物神经元连接，能够获取信息（屏幕上的文字），并将其处理、输出（理解文字并储存信息）。

生物神经网络：

![format_png 2][]

生物神经的简图

理解生物神经的工作机制是直观理解人造神经的关键。我们先来看看生物神经的物质构造，再将其与人造神经进行比较。生物神经的构造如下：

·        树突：接收其它神经的输入信号。

·        胞体：联合树突收集的所有信息并进行计算，它能根据计算判断是否输出信号（会根据强度有所差异）。

·        轴突：接受胞体的计算并传输信号。

·        轴突末端：向其它神经元输出信号。

人工神经网络：

人工神经网络不是像人脑一样实体的神经网络（但它们可以是！），它们实际上只是电脑中运行的软件！我们先来看看人工神经网络的构造，再来深究它们是如何相互作用的。

![format_png 3][]

简化的神经网络

神经网络的构成：

·        节点：接收之前节点的输入，进行计算并输出。节点与生物意义上神经网络的胞体、树突和轴突末端类似。

·        突触：将一个节点输出的信号传输到下一个节点进行输入，类似生物神经网络的轴突。

·        输入层：输入数据（以数字的形式）嵌入的部位。

·        隐藏层：不参与输入输出的层级（好处：如果层级多于1个，神经网络就会由简单神经网络升级成深度神经网络）。

·        输出层：参与神经网络最终输出的层。

神经网络如何工作？

神经网络的实际工作机制：

·        首先要将输入数据以数字的形式放置在输入层中。

·        数据会通过突触传送。数据在从节点传输到突触的过程中，会通过参数放大，就会产生一个偏差。这样就放大或者抑制了信号。

·        这个信号会被归于下一个节点，会同其它所有的信号整合，传递到突触中。

·        在各个层级中重复“计算+传送”的步骤。

·        最终的输出会是一系列数字，能够转化为我们想要的结果。

这5个步骤（+另外一个后续会提到的步骤）就是我们的大脑在处理信息时会遵循的步骤。人工神经网络是模仿我们的大脑建成的！

![format_png 4][]

更复杂些的神经网络

这张图片看起来有些复杂，每个层有很多个节点，节点又通过许多突触连接，但它仍不能反映真实的神经网络。实际生活中，神经网络有几十个层，每一层有上千个节点。虽然过程都是相同的，但仍有这样的问题存在：电脑是如何将所有数据一一计算出来的呢？

给神经网络编程

神经网络中只存在数字，它们由向量（数字列表）表示，以点积的方式相互作用。这样做是因为计算机处理向量和点积非常迅速。这次再运用矩阵浏览一下整个过程：

·        输入层是输入数据的向量表示（例如：属性的单个图像或单个列表）。

·        在下一层里，向量会被传递给每一个节点。

·        每个节点中会有参数向量来取代突触。两个。向量之间会以点乘的方式来产生一个数字。这个数字会产生一个偏差形成输出

·        整个层会得出很多个输出结果，结合在一起形成向量。

·        这个向量会被传送出去。这个过程会一直重复到最后一个层。

有注意到在步骤3中，通过常数放大了输入，又添加了另一个常数吗？这听起来像是9年级学的线性函数！这个函数中需要记忆的等式y=mx+b（在最后）有一个实际运用。y是输出，m是参数，x是输入，b是偏差！所以又把步骤3叫做线性层。

你或许还会注意到这个问题：神经网络中的众多线性层可以整合为1个层，为什么还要那么多层级呢？这是个很好的想法，会在缺失的一个关键步骤——非线性中得到处理。

非线性函数：

![format_png 5][]

线性整流函数是最简单最常见的非线性函数

通过在每个线性层之间添加非线性的方法，就能将它们分隔开！所要做的只是将非线性函数运用到线性层的所有输出。非线性函数的数量很多。最简单常用的叫做线性整流函数。瞄准这个函数，因为它理解起来很容易，需要的时间很短。（注意：非线性函数层叫做激活层。）

那么，为什么一定要有这么多层呢？1个层不可以吗？答案是：通用近似定理。通用近似定理描述了如果有足够的线性层和非线性层，就可以以任意精度近似任意函数。也就是说，神经网络可以做任何事。

![format_png 6][]

到这里，你就已经了解了神经网络的工作方式，可以深入研究其训练过程啦！

![format_png 7][]

**推荐阅读专题**

[![format_png 8][]][format_png 8 1]

[![format_png 9][]][format_png 9 1]

[![format_png 10][]][format_png 10 1]

[![format_png 11][]][format_png 11 1]

![format_png 12][]

**留言点赞发个朋友圈**

**我们一起分享AI学习与发展的干货**

编译组：邓逸瑶、杨娴

相关链接：

https://medium.com/datadriveninvestor/the-easiest-and-most-intuitive-explanation-of-neural-networks-53162e5ce104

如转载，请后台留言，遵守转载规范

**推荐文章阅读**

[ACL2018论文集50篇解读][ACL2018_50]

[EMNLP2017论文集28篇论文解读][EMNLP2017_28]

[2018年AI三大顶会中国学术成果全链接][2018_AI]

[ACL2017论文集：34篇解读干货全在这里][ACL2017_34]

[10篇AAAI2017经典论文回顾][10_AAAI2017]

**长按识别二维码可添加关注**

**读芯君爱你**

![format_png 13][]

[format_png]: /images/20221123/3caab591ebb0401bb86cc885d65b9841.png
[format_png 1]: /images/20221123/1ac71596360e4fbba9826992449aa882.png
[format_png 2]: /images/20221123/0053eda6bfbb4c5d94d789cfcbdfadb0.png
[format_png 3]: /images/20221123/84616c3f3ecd4adb8e94065a1374c5a1.png
[format_png 4]: /images/20221123/e4ce7ce614434cabbb5da775df42ea09.png
[format_png 5]: /images/20221123/71074ad53c9e460f970164fa07d342c9.png
[format_png 6]: /images/20221123/14a7d1fd2c064e06a6211450f90510e4.png
[format_png 7]: /images/20221123/c06cba5dad194c738658acf23fddb05c.png
[format_png 8]: /images/20221123/2b47b72fdd104f1b9cf2c11f460efca3.png
[format_png 8 1]: http://mp.weixin.qq.com/s?__biz=MzI2NjkyNDQ3Mw%3D%3D&chksm=ea841ec4ddf397d2bb194670056d7ed973cf4349656e20d98bd139d8a5d99526a799fb243f8d&idx=1&mid=2247493138&scene=21&sn=d2fa895e71260f2576fa952cf2487522#wechat_redirect
[format_png 9]: /images/20221123/6c8d08d92dc64100abb71751b29a3ec5.png
[format_png 9 1]: http://mp.weixin.qq.com/s?__biz=MzI2NjkyNDQ3Mw%3D%3D&chksm=ea841ed9ddf397cf9a7136dfb1352cf9fb1127b3061293cf716f8ee95b4560e694fce20a1e24&idx=2&mid=2247493135&scene=21&sn=5711dc1074411b7e45b40eb34fecc648#wechat_redirect
[format_png 10]: /images/20221123/ae08cab77b9344f286a60be721c4084f.png
[format_png 10 1]: http://mp.weixin.qq.com/s?__biz=MzI2NjkyNDQ3Mw%3D%3D&chksm=ea841ec4ddf397d28ed77a111732be52384c9be414e0aad59c570ada6b29278755d066ae2090&idx=2&mid=2247493138&scene=21&sn=e45fe93b00342ba9eac222f24369d036#wechat_redirect
[format_png 11]: /images/20221123/a779ae22bbb04633bb51fe7698803478.png
[format_png 11 1]: http://mp.weixin.qq.com/s?__biz=MzI2NjkyNDQ3Mw%3D%3D&chksm=ea841ed9ddf397cfbc27f47a160ee926a706f1b3151c53f707c8f221fde0ea51446aabe2148d&idx=1&mid=2247493135&scene=21&sn=cce4cc400933c960a3200fd0dfa4d0a7#wechat_redirect
[format_png 12]: /images/20221123/d33ccad7be9646c98f9a04eac2133287.png
[ACL2018_50]: https://mp.weixin.qq.com/s?__biz=MzI2NjkyNDQ3Mw%3D%3D&chksm=ea87ee2addf0673cae27c598a097f5addad5d81b2ed766e570f20fc0fb12b77c5cf34098022e&idx=1&lang=zh_CN&mid=2247489276&scene=21&sn=98e22e2b69478303f1f1a0a51e712570&token=192322725#wechat_redirect
[EMNLP2017_28]: https://mp.weixin.qq.com/s?__biz=MzI2NjkyNDQ3Mw%3D%3D&chksm=ea87eaadddf063bb3ab4ec5af616612a45f8d4fe9a5ad558f66278478296060253c1564bd05c&idx=1&lang=zh_CN&mid=2247488123&scene=21&sn=a55185f3a693f7a5d85b1abe3dd36177&token=140500370#wechat_redirect
[2018_AI]: https://mp.weixin.qq.com/s?__biz=MzI2NjkyNDQ3Mw%3D%3D&chksm=ea87f6ebddf07ffd8e84bcc18d7122f894b6cf5dc967daad9c2e122edb22968fd6f589d6852f&idx=1&mid=2247487037&scene=21&sn=37cd38b305aa874c29d764361c88a202#wechat_redirect
[ACL2017_34]: https://mp.weixin.qq.com/s?__biz=MzI2NjkyNDQ3Mw%3D%3D&chksm=ea87f59addf07c8c2480dd46784a431612d099d3d0531449aa8e64f68b3ba340363578d95659&idx=1&mid=2247486796&scene=21&sn=a8ae95efbf16985a259c4cd66bf919f2#wechat_redirect
[10_AAAI2017]: https://mp.weixin.qq.com/s?__biz=MzI2NjkyNDQ3Mw%3D%3D&idx=1&lang=zh_CN&mid=2247487100&scene=21&sn=3bd640ec4f00c5104664687194dd9a51&token=77118319#wechat_redirect
[format_png 13]: /images/20221123/a9c43148055a4b5db672b9acf9cfc811.png