[[252981]]

大數(shù)據(jù)文摘出品

編譯：李雷、笪潔瓊、云舟

在過去幾年中，如果你打開過瀏覽器，那么你肯定看到過幾百回“神經(jīng)網(wǎng)絡(luò)”這個(gè)詞。

在這篇短文中，我將為你初步介紹這一領(lǐng)域和神經(jīng)網(wǎng)絡(luò)本身的背景信息。接下來的5分鐘可能不會(huì)讓你迅速成為這個(gè)領(lǐng)域的世界級(jí)專家，但讓你經(jīng)歷一個(gè)意義非凡的入門階段卻是很簡(jiǎn)單的。另外，你還將學(xué)習(xí)到一些流行術(shù)語(yǔ)(尤其是按文后的清單做進(jìn)一步閱讀)，這可以成為你茶余飯后的談資。

什么是機(jī)器學(xué)習(xí)?

要理解神經(jīng)網(wǎng)絡(luò)，我們首先需要懂機(jī)器學(xué)習(xí)。而為了理解機(jī)器學(xué)習(xí)，我們就得先談?wù)勅祟悓W(xué)習(xí)，或者“經(jīng)典編程”。

在經(jīng)典編程中，我，也就是開發(fā)人員，需要弄明白我正在試圖解決的問題的各個(gè)方面，并確切地知道怎樣找到解決方案。

例如，假設(shè)我希望我的程序知道正方形和圓形之間的區(qū)別。解決這個(gè)問題的其中一種方法是編寫一個(gè)可以檢測(cè)邊角的程序。如果我的程序檢測(cè)到4個(gè)角，那么這個(gè)形狀是一個(gè)正方形，如果它檢測(cè)不到任何角，那么這個(gè)形狀就是一個(gè)圓。

那么機(jī)器學(xué)習(xí)又是啥?一般來說，機(jī)器學(xué)習(xí)=從例子中學(xué)習(xí)。

在機(jī)器學(xué)習(xí)中，當(dāng)面對(duì)上文區(qū)分圓和正方形的問題時(shí)，我們將設(shè)計(jì)一個(gè)學(xué)習(xí)系統(tǒng)，將許多形狀及其類別(正方形或圓形)的例子作為輸入，從而希望機(jī)器能夠自己學(xué)習(xí)可以用來區(qū)分形狀的特征。

然后，一旦機(jī)器學(xué)會(huì)了所有的特征，我們就可以給它一個(gè)以前沒出現(xiàn)過的圖像，并且希望它能夠正確地對(duì)其進(jìn)行分類。

什么是神經(jīng)元?

在神經(jīng)網(wǎng)絡(luò)的背景下，神經(jīng)元是一個(gè)奇妙的名詞，“聰明”的人不愿用函數(shù)(function)這個(gè)樸素名字。當(dāng)然，在數(shù)學(xué)和計(jì)算機(jī)科學(xué)的背景下，函數(shù)(function)也是一個(gè)奇妙的名稱，它接收輸入，實(shí)現(xiàn)處理邏輯并輸出結(jié)果。

更重要的是，神經(jīng)元可以被認(rèn)為是一個(gè)學(xué)習(xí)單元。

因此，我們需要在機(jī)器學(xué)習(xí)的背景下理解什么是學(xué)習(xí)單元。之后我們就可以理解神經(jīng)網(wǎng)絡(luò)最基本的構(gòu)造，即神經(jīng)元。

為了闡述這個(gè)問題，假設(shè)我試圖理解博客文章中單詞數(shù)量與人們實(shí)際從該帖子中讀到的單詞數(shù)量之間的關(guān)系。請(qǐng)注意 - 我們是在機(jī)器學(xué)習(xí)領(lǐng)域做這件事，因此我們要從例子中學(xué)習(xí)。

所以我在博客文章中收集了許多單詞數(shù)統(tǒng)計(jì)的實(shí)例，用x表示，以及人們?cè)谶@些帖子中實(shí)際閱讀了多少單詞，用y表示，我假設(shè)它們之間存在一定關(guān)系，用f表示。

這件事情的神奇之處在于，我只需要告訴機(jī)器(程序)我期望看到的關(guān)系(例如直線)大概是怎樣的，機(jī)器就會(huì)明白它需要繪制的實(shí)際圖形。

那我在這里又得到了什么?

下一次，我想要寫一篇有x個(gè)單詞的博客文章，機(jī)器可以運(yùn)用它發(fā)現(xiàn)的關(guān)系f來告訴我，我可以預(yù)期人們實(shí)際閱讀的單詞數(shù)量，y。

所以，神經(jīng)網(wǎng)絡(luò)是......

好，如果一個(gè)神經(jīng)元是一個(gè)函數(shù)，那么神經(jīng)網(wǎng)絡(luò)就是一個(gè)函數(shù)網(wǎng)絡(luò)!這意味著我們有許多(很多)這樣的函數(shù)和這樣的學(xué)習(xí)單元，它們的所有輸入和輸出是相互交織的，就是說他們互為輸入輸出。

作為這個(gè)網(wǎng)絡(luò)的設(shè)計(jì)者，我需要回答以下問題：

• 如何為輸入和輸出建模?(例如，如果輸入是一些文本，我可以用字母建模嗎?那數(shù)字和向量呢?...。)
• 每個(gè)神經(jīng)元有哪些功能?(它們是線性的嗎?還是指數(shù)型的?...)
• 網(wǎng)絡(luò)的架構(gòu)是什么?(也就是說，哪個(gè)函數(shù)的輸出是哪個(gè)函數(shù)的輸入?)
• 我可以用哪些流行術(shù)語(yǔ)描述我的網(wǎng)絡(luò)?

一旦我回答了這些問題，我就可以向我的網(wǎng)絡(luò)“展示”許多正確的輸入輸出的例子，這樣當(dāng)我“展示”給它一個(gè)它以前從未見過的新示例輸入時(shí)，它就會(huì)知道正確的輸出。

你也可以訪問神經(jīng)網(wǎng)絡(luò)游樂場(chǎng)這個(gè)超級(jí)酷的網(wǎng)站，從而更好地理解這個(gè)過程意味著什么。

神經(jīng)網(wǎng)絡(luò)游樂場(chǎng)：https://playground.tensorflow.org/

神經(jīng)網(wǎng)絡(luò) - 永無(wú)止境的故事

由于這個(gè)領(lǐng)域?qū)嶋H上在不斷膨脹，每分鐘出現(xiàn)的新內(nèi)容的數(shù)量對(duì)任何人來說都是不可能跟蹤的。(不知道會(huì)不會(huì)有朝一日我們能夠建立一個(gè)能夠追蹤人類在AI領(lǐng)域進(jìn)步的AI)

進(jìn)入這個(gè)領(lǐng)域，首先要知道的是沒有人知道一切。所以你不用擔(dān)心自己不如他人，只要保持好奇心就好了。:)

因此，推薦一些比較優(yōu)秀的資源：

Gal Yona，在這個(gè)領(lǐng)域非常棒的博主之一。她的帖子包括從核心技術(shù)的解釋到半哲學(xué)的評(píng)論。

• 核心技術(shù)的解釋：https://towardsdatascience.com/do-gans-really-model-the-true-data-distribution-or-are-they-just-cleverly-fooling-us-d08df69f25eb
• 到半哲學(xué)的評(píng)論：https://towardsdatascience.com/the-tale-of-1001-black-boxes-62d12b5886aa

Siraj Raval 是一個(gè)擁有大量視頻的油管博主(youtuber)，從理論解釋到動(dòng)手教程都非常有趣!

• 理論解釋：https://www.youtube.com/watch?v=xRJCOz3AfYY
• 動(dòng)手教程：https://www.youtube.com/watch?v=pY9EwZ02sXU

Christopher Olah，一位充滿激情和洞察力的研究員，擁有一個(gè)超炫的博客，其中包括從基本概念到深度學(xué)習(xí)的帖子。

• 從基本概念：http://colah.github.io/posts/2015-09-Visual-Information/
• 深度學(xué)習(xí)：https://distill.pub/2017/feature-visualization/

《走向數(shù)據(jù)科學(xué)》是這個(gè)領(lǐng)域最大的中型出版物，無(wú)論你有幾分鐘或幾小時(shí)的時(shí)間，都可以去他們的主頁(yè)開始探索一切，從實(shí)用工具到深度算法應(yīng)有盡有。

• 走向數(shù)據(jù)科學(xué)：https://towardsdatascience.com/

相關(guān)報(bào)道：

https://medium.freecodecamp.org/neural-networks-for-dummies-a-quick-intro-to-this-fascinating-field-795b1705104a

【本文是51CTO專欄機(jī)構(gòu)大數(shù)據(jù)文摘的原創(chuàng)譯文，微信公眾號(hào)“大數(shù)據(jù)文摘（ id: BigDataDigest）”】

戳這里，看該作者更多好文