如何簡單形象又有趣地弄懂神經網絡是什麼？

電腦和人腦，你以爲哪個更強大？

在生活中你會常常發現許多人但願本身的大腦能像電腦同樣，好比要是真有這機會能把本身改形成鋼鐵俠，他們會火燒眉毛地想抓住。

但是回過頭看看過去幾十年科學家們的研究，你會驚訝地發現，他們在一直努力讓電腦更像人腦！怎麼作到呢？藉助神經網絡——它是由幾百個、幾千個甚至幾百萬我的工腦細胞組成的計算機程序，能以與人腦極其類似的方式學習和運轉。那麼到底什麼是神經網絡？它們又是怎麼工做的？咱們更仔細的瞧一瞧！

電腦和人腦的區別在哪？

你會常常聽到不少人拿人腦和電腦比來比去，乍一看，這倆確實也有些共同之處。一個正常的人類大腦中約有 1千億個微小的細胞，稱爲神經元（沒有人確切地知道人腦到底有多少個神經元，只是估計數量範圍在 500 億至 5 千億之間），它是人腦基本的信號處理單元。

每一個神經元都由一個細胞體（它是細胞的核心部分）、一些神經樹突（腦細胞的輸入部分，攜帶傳往細胞體的信息）和軸突（腦細胞的輸出部分，攜帶輸出的信息）等三部分組成。神經元很是很是小，100個細胞體排列起來才1毫米長。

在計算機中，和腦細胞有個相同做用的納米級的開關裝置，叫作晶體管。最新式最早進的處理器中大約有 20 億個晶體管，即時是一個很簡單的處理器中也有大約 5 千萬個晶體管，全都集成到一個僅 2.5 釐米大小的方形集成電路上，比郵票還小！

這就是爲什麼不能將人腦和電腦直接詳細比較，由於這兩者徹底不是同一種東西。不只僅是由於電腦是個冷冰冰的裝滿二進制數值的金屬盒子，而人腦倒是鮮活的熱乎乎的，充滿了思惟、感受和回憶。真正的不一樣之處在於電腦和人腦的「思考」方式徹底不一樣。電腦中的晶體管只是以必定的順序相對簡單地串聯起來（每一個晶體管都以基本的邏輯門電路和其它幾個晶體管鏈接），而人腦中的神經元倒是以無比複雜的方式並行相連（每個神經元均可能與其上萬個鄰近神經元鏈接）。

電腦（幾百萬個晶體管以較簡單的方式相連）和人腦（幾百到幾千億個腦細胞以更復發的方式相連）這種本質結構的不一樣，使得它們以很是不一樣的方式「思考」。電腦可以很完美地存儲大量無心義的信息（對於電腦自己來講），根據人們預先輸入的精確指令（程序）以多種不一樣的方式從新整理這些信息。而人的大腦倒是以更加迂迴間接的方式緩慢學習，經常要花幾個月甚至幾年徹底掌握一些複雜的東西。

可是，不像電腦，人腦能以驚人的全新方式天然而然地將信息融合在一塊兒，識別原始模式，創建信息聯繫，以徹底不一樣的視角看待事物，這就是貝多芬、莎士比亞等人類創造性的來源。

若是電腦也能像人腦這樣，豈不是很好？有人說，「要有神經網絡」。因而就有了神經網絡。

什麼是神經網絡？

神經網絡背後的基本理念就是在電腦內模擬（以一種簡化但較爲可信的方式複製人腦機制）密集相連的腦細胞，從而人們可讓電腦學習東西、識別模式、作出決定，就像人類同樣。神經網絡一個魅力之處就是，你沒必要爲它編寫程序去學習人類的指令：它能徹底自主學習，就像人腦同樣。

可是，它不是人腦。須要着重說明一點，神經網絡（整體上）是一種軟件模擬：它們由很是普通的電腦編寫而成，以普通的晶體管及串聯邏輯門在很是傳統的方式下運行，可是卻可以像幾十億個並行鏈接的腦細胞那樣工做。還沒人試過造一臺電腦，把晶體管按照人腦那種複雜程度同樣相互鏈接。換句話說，神經網絡和人腦的不一樣就比如電腦天氣模型和實際的雲彩、雪花、陽光之間的不一樣。軟件模擬只不過是一系列的代數變量，由數學方程將它們鏈接在一塊兒（簡單來講，就是一堆數字存放在了一個盒子裏，數字的數值是不斷變化的），它對於運行它的載體電腦自己來講，沒有什麼意義，只對編寫它的人類而言纔有意義。

真正的人工神經網絡

在咱們進一步談談神經網絡以前，先了解一些術語。嚴格來說，人們創造的神經網絡叫作人工神經網絡（即ANN），以和人腦中真正的神經網絡相區分（由腦細胞鏈接成的網絡）。你可能也會見過神經網絡還以一些名字出現，好比聯結式機器（該領域也叫聯結主義），平行分散處理器（PDP），思考機器等，但本文咱們會使用「神經網絡」一詞，用它指代「人工神經網絡」。

神經網絡由什麼組成的？

一個典型的神經網絡，由幾個、上百個、上千個甚至幾百萬個稱爲「單元」的人工神經元構成，它們排列在一系列的層中，每一個層之間彼此相連。其中一些神經元叫作「輸入單元」，用來從外界接收各類各樣的信息，神經網絡會用這些信息進行學習、識別模式或進行其它的處理。還有些神經元位於神經網絡的另外一邊，與「輸入單元」方向相反，它們顯示神經網絡對信息的學習情況，那麼這些神經元就叫作「輸出單元」。在「輸入單元」和「輸出」單元之間還有一個或者不少個由「隱藏單元」構成的層，和「輸入層」及「輸出層」層一塊兒造成神經網絡。

大部分神經網絡是徹底鏈接的，意思就是，每一個隱藏單元及輸出單元都和另外一邊的層中的每一個單元鏈接。一個單元和另外一個單元之間的鏈接都以一個叫作「權重」的數字表示，它能夠是正值（當一個單元激發另外一個單元時），也能夠是負值（當一個單元抑制或阻止另外一個單元時）。權重值越高，意味着一個單元對另外一個單元的影響越大（這和人腦細胞經過突觸相互激發的原理同樣）。

因此，一個神經網絡由輸入單元（下圖紅色），隱藏單元（下圖藍色）和輸出單元（下圖黃色）組成。輸入單元所在的層爲輸入層，隱藏單元所在的層爲隱藏層，輸出單元所在的層爲輸出層。全部單元都和兩邊層裏的單元鏈接。輸入信息會首先進入左側的輸入層，而後激發中間的隱藏層，最後從右側輸出層輸出結果。神經網絡會經過學習漸漸調整每兩個單元（神經元）鏈接的力度（權重）。

神經網絡是怎麼學東西的？

信息經過兩種方式穿過神經網絡。當神經網絡學習時（被訓練時）或者正常運行（被訓練後），信息模式會經過輸入單元輸入神經網絡中，其中輸入單元會激發隱藏單元，最後到達輸出單元。這種設計的神經網絡被稱爲「前饋網絡」。並不是全部的單元會一直「激活」。每一個單元從其左側的單元中接收輸入信息，而輸入信息會由單元之間鏈接的權重進行相乘。每一個單元經過這種方式將它接收的全部輸入信息進行加算，若是結果大於一個特定的闕值，那麼單元就會「激活」，並激發和它鏈接的單元（在其右側）。

談到神經網絡的學習，就要涉及到一個叫作「反饋」的東西。就像小孩子經過大人告訴他們作的是對仍是錯學習同樣。實際上，咱們會一直用到反饋。這裏舉個簡單的例子，想一想你頭一回學踢足球的情形，你把球踢向球門，你的大腦會緊盯着球的走向和軌跡，注意球還差多少就能進球門了。下一次再踢的時候，你會記得以前犯過哪些錯，相應地調整動做，但願此次能 make youself great again.

這裏你就是用了反饋機制，即將實際結果和預期結果相比較，找出二者的不一樣之處，並藉此改善下一次的行爲（好比「我應該再踢的用力一點」「我應該再往左踢一點」等等）。預期結果和實際結果之間的差距越小，你下一次須要調整的幅度就越小。

神經網絡正是經過這種方式學習，利用一種叫作「反向傳播」的反饋機制，它由正向傳播過程和反向傳播過程組成。在正向傳播過程當中，輸入信息經過輸入層經隱含層，逐層處理並傳向輸出層。若是在輸出層得不到指望的輸出值，則取輸出與指望的偏差的平方和做爲目標函數，轉入反向傳播，逐層求出目標函數對各神經元權值的偏導數，構成目標函數對權值向量的梯量，做爲修改權值的依據，神經網絡的學習在權重值修改過程當中完成。偏差達到所指望值時，神經網絡學習結束。

固然你也能夠來這裏體驗一番。

就像上述舉的你學踢球的例子同樣，「反向傳播」會讓神經網絡進行學習，不斷縮小實際結果和預期結果之間的差異，這樣神經網絡會慢慢發現它應該怎麼作才能達到預期效果。

神經網絡在實際中怎麼運做？

等用足夠的學習樣本訓練完神經網絡後，咱們就能夠給它一組它從未見過的新的輸入信息，看它如何迴應。例如，比方說你以前一直在教一個神經網絡，以它能理解的方式給它看了不少桌子椅子的照片，告訴它哪一個是椅子哪一個是桌子。給它看完照片後（咱們比方說有25個不一樣的椅子和25個不一樣的桌子的照片），給它輸入一組它從未見過的新的照片，看看會發生什麼。神經網絡學習的狀況不一樣，它對新樣本分類的結果也會相同，就像人類同樣。等這個神經網絡的性能符合要求後，你就教會了一臺電腦怎樣識別傢俱！

這也並非說神經網絡只是「看看」一組傢俱照片，而後就作出有意義的反應，它的行事方式和人類還不同。細想咱們剛纔舉的例子：神經網絡實際上看到的並非傢俱照片。輸入神經網絡的信息本質上是二進制數字：它們會開啓或關閉神經網絡中的單元（神經元）。

因此若是你有 5 個輸入單元，你能夠用二進制答案（是/否）輸入不一樣椅子的 5 個不一樣特徵。好比問題是：

1. 它有椅背嗎？

2. 它有桌面嗎？

3. 它有軟的坐墊嗎？

4. 你能長時間舒服地坐在上面嗎？

5. 你能在它上面放不少東西嗎？

在這裏，一個椅子就會表示爲是、否、是、是、否，用二進制表示爲 10110，那麼一個桌子就能夠表示爲否、是、否、否、是，用二進制表示爲 01001。因此，在學習過程當中，神經網絡就是查看不少像 10110 和 01001 這樣的二進制數字，學習哪些表示是個椅子（可能輸出結果爲1），哪些表示是個桌子（可能輸出結果爲0）。

創造神經網絡用來幹嗎？

經過上面所講的內容和所舉例子，你或許會猜到神經網絡能夠應用在不少方面，從識別模式到作出決策。在航空領域，咱們能夠將神經網絡用做自動駕駛儀，其輸入單元從座艙儀表中讀取信號和數據，輸出單元會相應調整飛機，保證飛機在正確的航線飛行。在工廠中，咱們能夠將神經網絡用於質量控制。好比，有家工廠經過大規模的複雜的化學處理過程生產洗衣液，咱們能夠測量出最終的洗衣液成分比例，將測量結果做爲輸入數據輸入到神經網絡中，而後神經網絡就會決定是否進行化學處理。

此外還有不少應用例子，這裏再也不一一舉例。總之，神經網絡能夠在不少方面幫助咱們。它們能夠幫咱們預測天氣、運轉雷達探測系統自動識別敵方飛機或船隻、甚至幫助醫生髮現複雜的疾病。咱們如今使用的不少手機應用、語音助手、翻譯軟件都用到了神經網絡。

一句話，神經網絡讓電腦愈來愈像人類，讓電腦系統對人類的用處愈來愈大。

看到這裏，相信應該能明白神經網絡是怎麼一回事了吧？咱們未來還會分享 8 種常見的神經網絡架構，敬請期待！