眼下最热门的技术,绝对是人工智能。
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。
什么是神经网络呢?
它是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的。
一个神经网络的搭建,需要满足三个条件:
1.输入和输出;
2.权重(w)和阈值(b);
3.多层感知器的结构。
也就是需要事先画出下面的那张图:
其中,最困难的部分就是确定权重(w)和阈值(b)。目前为止,这两个值都是主观给出的,但现实中很难估计它们的值,必需有一种方法,可以找出答案。
这种方法就是试错法。其他参数都不变,w(或b)的微小变动,记作Δw(或Δb),然后观察输出有什么变化。不断重复这个过程,直至得到对应最精确输出的那组w和b,就是我们要的值。这个过程称为模型的训练。
因此,神经网络的运作过程如下:
1.确定输入和输出;
2.找到一种或多种算法,可以从输入得到输出;
3.找到一组已知答案的数据集,用来训练模型,估算w和b;
4.一旦新的数据产生,输入模型,就可以得到结果,同时对w和b进行校正。
可以看到,整个过程需要海量计算。所以,神经网络直到最近这几年才有实用价值,而且一般的 CPU 还不行,要使用专门为机器学习定制的 GPU 来计算。
扫一扫关注公众号!
联系客服