本文為 AI 研習(xí)社編譯的技術(shù)博客，原標(biāo)題 ：

Neural networks for dummies: a quick intro to this fascinating field

作者 | Dalya Gartzman

翻譯 | Disillusion

校對(duì) | 醬番梨        整理 | 菠蘿妹

原文鏈接：

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

你是否想知道大家都在談?wù)摰纳窠?jīng)網(wǎng)絡(luò)到底是什么，但你又不敢去問(wèn)？哈哈，別再害怕了！讀了這篇文章，你將能夠走進(jìn)任何一個(gè)會(huì)議，用你新獲得的流行詞在午餐桌上大放異彩！

如果你在過(guò)去幾年里打開(kāi)過(guò)瀏覽器，你一共見(jiàn)過(guò)“神經(jīng)網(wǎng)絡(luò)”這個(gè)詞（幾百次）了。

在這篇短文中，我將給你一些關(guān)于神經(jīng)網(wǎng)絡(luò)和其領(lǐng)域的一些知識(shí)。在接下來(lái)的5分鐘里，你可能不會(huì)成為這個(gè)領(lǐng)域的世界專家，但你會(huì)經(jīng)歷一個(gè)不平凡的入門(mén)階段。你也會(huì)學(xué)到一些時(shí)髦的詞匯來(lái)給餐桌上的家人留下深刻印象，尤其是當(dāng)你真的照著文末的閱讀清單去讀書(shū)。

要理解神經(jīng)網(wǎng)絡(luò)，我們首先需要理解機(jī)器學(xué)習(xí)。為了理解機(jī)器學(xué)習(xí)，我們得先談?wù)勅祟?lèi)學(xué)習(xí)，也就是“經(jīng)典編程”。

在經(jīng)典編程中，作為開(kāi)發(fā)人員，我需要理解我試圖解決的問(wèn)題的各個(gè)方面，并確切地知道所有的規(guī)則是什么，以使我的程序成為解決方案。

例如，假設(shè)我想讓我的程序知道正方形和圓形之間的區(qū)別。處理它的一種方法是編寫(xiě)一個(gè)程序，它可以檢測(cè)角，然后應(yīng)用它來(lái)計(jì)數(shù)角。如果程序看到四個(gè)角，那么這個(gè)形狀就是正方形，如果程序看不到角，那么這個(gè)形狀就是圓形。

而機(jī)器學(xué)習(xí)呢？一般來(lái)說(shuō)，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)我們面對(duì)同樣的區(qū)分圓和正方形的問(wèn)題時(shí)，我們會(huì)設(shè)計(jì)一個(gè)學(xué)習(xí)系統(tǒng)，該系統(tǒng)會(huì)以形狀及其類(lèi)(正方形或圓形)的許多例子作為輸入。我們希望機(jī)器能自己學(xué)會(huì)區(qū)分它們的特性。

然后，我的朋友們，一旦機(jī)器學(xué)習(xí)了所有這些特性，我就可以給它一個(gè)新的圓或正方形的圖像，一個(gè)它以前沒(méi)見(jiàn)過(guò)的圖像，一切順利的話，它將能對(duì)其正確地分類(lèi)。

神經(jīng)元，在神經(jīng)網(wǎng)絡(luò)的背景下，是自作聰明的人想的一個(gè)花哨的名字，實(shí)際上它們就是函數(shù)。函數(shù)，在數(shù)學(xué)和計(jì)算機(jī)科學(xué)的背景下，也是一個(gè)花哨的名稱，用來(lái)表示接受一些輸入，應(yīng)用一些邏輯，并輸出結(jié)果的東西。

說(shuō)的更確切些，神經(jīng)元可以看作是一個(gè)學(xué)習(xí)單元。

因此，我們需要理解在機(jī)器學(xué)習(xí)的背景下，什么是學(xué)習(xí)單元。然后我們還將了解神經(jīng)網(wǎng)絡(luò)最基本的組成部分，即神經(jīng)元。

為了舉例說(shuō)明，假設(shè)我試圖理解一篇博客文章中的字?jǐn)?shù)與人們實(shí)際從那篇博客文章中讀到的字?jǐn)?shù)之間的關(guān)系。記住，我們?cè)跈C(jī)器學(xué)習(xí)領(lǐng)域，我們從例子中學(xué)習(xí)。

所以我收集了很多關(guān)于博客文章字?jǐn)?shù)的例子，用x表示，以及人們?cè)谶@些文章中實(shí)際讀了多少個(gè)單詞，用y表示，我想它們之間有某種關(guān)系，用f表示。

然而，訣竅是，我只需要告訴機(jī)器(程序)我期望看到的關(guān)系是什么(例如一條直線)，機(jī)器就會(huì)理解它實(shí)際需要繪制的線。

我從中得到了什么?

下次我想寫(xiě)一篇含有x個(gè)單詞的博客文章時(shí)，機(jī)器可以應(yīng)用它找到的關(guān)系f，告訴我可以期望人們實(shí)際讀多少個(gè)單詞，y。

如果神經(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(特別多)這樣的函數(shù)，這樣的學(xué)習(xí)單元，它們的所有輸入和輸出都是相互交織的，它們相互供給。

作為這個(gè)網(wǎng)絡(luò)的設(shè)計(jì)者，我的工作是回答以下幾個(gè)問(wèn)題:

一旦我回答了這些問(wèn)題，我就可以“展示”神經(jīng)網(wǎng)絡(luò)許多(特別多)正確輸入和輸出的示例，希望當(dāng)我“展示”一個(gè)它從未見(jiàn)過(guò)的新輸入示例時(shí)，它將知道如何給出正確的輸出。

這個(gè)學(xué)習(xí)過(guò)程是如何工作的超出了本文的范圍，但如果你想要了解更多信息，可以看這個(gè)。你也可以去這個(gè)超級(jí)酷的神經(jīng)網(wǎng)絡(luò)游樂(lè)場(chǎng)，更好地理解這些概念。

隨著這個(gè)領(lǐng)域的爆炸式發(fā)展，每分鐘都有大量的新(和高質(zhì)量的)內(nèi)容涌現(xiàn)出來(lái)，任何人都不可能全部關(guān)注。(我的天哪，你認(rèn)為將來(lái)會(huì)有一天，人類(lèi)能夠制造出一種能夠跟蹤人類(lèi)在人工智能領(lǐng)域進(jìn)步的人工智能嗎？？)

進(jìn)入這個(gè)領(lǐng)域，首先要知道的是沒(méi)有人知道一切。所以，不管你處在什么階段都不要緊張，保持好奇心:)

因此，我希望在這篇文章的最后幾句話是一些我個(gè)人最喜歡的參考資源:

感謝 Hagar Shilo, Adi Polak, Noa Raindel, Yudit Sharabi, Batel Mankovsky。

想要繼續(xù)查看該篇文章相關(guān)鏈接和參考文獻(xiàn)？雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)

長(zhǎng)按鏈接點(diǎn)擊打開(kāi)或點(diǎn)擊【小白必看：神經(jīng)網(wǎng)絡(luò)入門(mén)指南】：

https://ai.yanxishe.com/page/TextTranslation/1303

AI研習(xí)社每日更新精彩內(nèi)容，觀看更多精彩內(nèi)容：

用Python實(shí)現(xiàn)遺傳算法

如何將深度學(xué)習(xí)應(yīng)用于無(wú)人機(jī)圖像的目標(biāo)檢測(cè)

機(jī)器學(xué)習(xí)和深度學(xué)習(xí)大PK！昆蟲(chóng)分類(lèi)誰(shuí)更強(qiáng)？

Python高級(jí)技巧：用一行代碼減少一半內(nèi)存占用

等你來(lái)譯：

五個(gè)很厲害的 CNN 架構(gòu) 

如何在神經(jīng)NLP處理中引用語(yǔ)義結(jié)構(gòu) 

特朗普都被玩壞了，用一張照片就能做出惟妙惟肖的 Memoji

讓神經(jīng)網(wǎng)絡(luò)說(shuō)“我不知道”——用Pyro/PyTorch實(shí)現(xiàn)貝葉斯神經(jīng)網(wǎng)絡(luò)