本文轉(zhuǎn)載自微信公眾號(hào)「 AI源起」，作者北上。轉(zhuǎn)載本文請(qǐng)聯(lián)系A(chǔ)I源起公眾號(hào)。

你會(huì)分辨數(shù)字嗎？

說起AI，大家心里想到的一定是如“流浪地球2”中的MOSS一樣的帶有智慧的硬件生物，仿佛無所不知、無所不能，只要給他Internet就會(huì)像復(fù)聯(lián)2中的奧創(chuàng)一樣，利用網(wǎng)絡(luò)把自身傳播的無處不在，總想著消滅人類達(dá)到“世界和平”的計(jì)劃。

然而實(shí)際來說，現(xiàn)階段的AI離大家在影視作品中感受和體會(huì)到的，還有相當(dāng)大的差距，今天就拿圖片數(shù)字識(shí)別為例，一起探索下AI到底是以一種什么形式實(shí)際存在的。文章會(huì)以一些關(guān)鍵問題為索引，帶你一步步理解。Follow me, let’s go ~

這是一張帶有數(shù)字的圖片，相信你一定是看到后立刻就能反應(yīng)過來，這是一張帶有數(shù)字“3”的圖片（即便它比較模糊）。

第一個(gè)問題：真正的智慧體——你為什么能清楚的知道這是數(shù)字“3”？這背后代表了什么？

當(dāng)你看向這張圖片，你的眼睛通過光反射在視網(wǎng)膜上將光學(xué)信號(hào)轉(zhuǎn)換為大腦能識(shí)別的生物信號(hào)，并將這部分信息暫存（僅輔助理解，實(shí)際并不是？）在了你的視網(wǎng)膜上。大腦接受到信號(hào)后，通過你聰明的小腦袋迅速認(rèn)識(shí)到這是一個(gè)數(shù)字“3”，此時(shí)你已經(jīng)對(duì)這張圖片完全理解了，它就是一張“3”。當(dāng)然，這一切的基礎(chǔ)上，是你從小被教育過，這種形狀的數(shù)字「等價(jià)于」數(shù)字3，而不是5、6等其他數(shù)字。

第二個(gè)問題：眼睛、視網(wǎng)膜——計(jì)算機(jī)對(duì)于實(shí)體世界的認(rèn)知是通過什么形式輸入的？

計(jì)算機(jī)和AI什么關(guān)系呢？我們可以簡(jiǎn)單理解為AI是需要計(jì)算機(jī)的算力和體系結(jié)構(gòu)一種偽智慧能力，就好比我們自身帶有智慧和生命，但是其實(shí)本質(zhì)上就是碳基生物。眾所周知，計(jì)算機(jī)世界里是二進(jìn)制世界，何謂二進(jìn)制，簡(jiǎn)單來說就是非0即1。我知道你此時(shí)肯定有疑惑，就靠非0即1的二進(jìn)制，就能實(shí)現(xiàn)這么多功能，有這么強(qiáng)大的算力嗎？但先別急，這里需要明確一個(gè)概念，就是二進(jìn)制可以表示任何進(jìn)制的數(shù)字（可以先認(rèn)為是對(duì)的，具體為什么需要的話，咱們后續(xù)再聊），比如我們常用的十進(jìn)制下數(shù)字13，在二進(jìn)制下是 1101，想仔細(xì)學(xué)習(xí)的小伙伴可以看下面圖片的解釋。

因此我們能明確出，對(duì)于一個(gè)數(shù)字，計(jì)算機(jī)都能夠通過二進(jìn)制來“理解”。如果圖片能夠轉(zhuǎn)化成一串?dāng)?shù)字，計(jì)算機(jī)是不是就能從一個(gè)只知道0和1的呆瓜，變成可以將圖片進(jìn)行信息輸入（理解不理解先擱一邊，就像孩子長(zhǎng)個(gè)總得先會(huì)吃飯）。如下圖，圖片每個(gè)小區(qū)域可以認(rèn)為是一個(gè)像素，一個(gè)像素點(diǎn)就代表了一種顏色，那又要眾所周知了，任何一種顏色都能通過紅色（Red）、綠色（Green）、藍(lán)色（Blue）的不同配比調(diào)制出來，那我們按照從左到右，從上到下的順序，就能形成一個(gè)數(shù)字列表，那把這些內(nèi)容送給計(jì)算機(jī)。

到這一步，不管計(jì)算機(jī)理解與否，我們已經(jīng)將圖片轉(zhuǎn)換為了計(jì)算機(jī)能夠接受的信號(hào)，那計(jì)算機(jī)的大腦是怎么識(shí)別圖片中的數(shù)字是“3”呢

第三個(gè)問題：所謂的AI——計(jì)算機(jī)應(yīng)該如何判斷這張圖片中的數(shù)字是“3”

給計(jì)算機(jī)這樣兩張圖片，它能告訴你左邊這張圖片是數(shù)字“3”，你認(rèn)為他是具有人工智能嗎？你可能覺得這也太naive了，這3歲小孩都知道。但是如果像右圖是1萬張藍(lán)腳鰹鳥等稀奇鳥類的圖片，計(jì)算機(jī)只用了幾秒鐘就能以99%的準(zhǔn)確率一字不差的判斷出來各種稀奇生物，那是不是就有點(diǎn)AI那味了？

傳統(tǒng)識(shí)別方法——具體來說，我們已經(jīng)能夠?qū)D片轉(zhuǎn)換為數(shù)字矩陣了，傳統(tǒng)的圖片識(shí)別方法會(huì)將對(duì)圖片中的特征進(jìn)行抽取，比如會(huì)利用一些硬規(guī)則當(dāng)做特征。對(duì)于數(shù)字“3”，在我們?nèi)四X中一看到這個(gè)形狀，就下意識(shí)反應(yīng)出來這是“3”，但是對(duì)于計(jì)算機(jī)他是一串?dāng)?shù)字呀。所以早期在做類似圖片分類任務(wù)的時(shí)候，工程師需要對(duì)數(shù)字“3”映射下的數(shù)字序列進(jìn)行處理，這可真令人頭大。所以如何做特征就是在傳統(tǒng)圖片識(shí)別分類中，一個(gè)至關(guān)重要，但是極其繁瑣的過程。

傳統(tǒng)識(shí)別方法優(yōu)勢(shì)在于，當(dāng)識(shí)別結(jié)果出錯(cuò)時(shí)候，你可以通過顯示特征大致判斷錯(cuò)誤原因，弊端在于特征工程繁瑣。那有沒有這樣一種方法，可以弱化特征工程（雖然后面很多任務(wù)，特征工程也極其重要），給一種端到端的解決方案。所謂端到端，就是我只需要給一張數(shù)字圖片，和它的分類結(jié)果，讓計(jì)算機(jī)自己學(xué)習(xí)出識(shí)別的解決方案（是不是有點(diǎn)像人類的學(xué)習(xí)思路了）。這里經(jīng)過時(shí)代變遷和計(jì)算機(jī)的算力大幅提升，基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法逐漸有了用武之地。

深度神經(jīng)網(wǎng)絡(luò)識(shí)別方法——這幾個(gè)字很深?yuàn)W，不學(xué)計(jì)算機(jī)不搞算法的可能直接被唬住了，我用一句話翻譯翻譯什么叫深度神經(jīng)網(wǎng)絡(luò)（狗頭.jpg）：輸入數(shù)據(jù)和指定標(biāo)簽之間存在某種非線性的關(guān)聯(lián)，神經(jīng)網(wǎng)絡(luò)就是通過多個(gè)非線性函數(shù)去近似擬合上述的非線性關(guān)聯(lián)。如下圖，就是一個(gè)簡(jiǎn)單的深度神經(jīng)網(wǎng)絡(luò)，最左側(cè)的圖片（字母“A”），右側(cè)呢就是將圖片轉(zhuǎn)換為數(shù)字后，進(jìn)行“智能”運(yùn)算的結(jié)構(gòu)體，可以理解為“大腦”。