人工神经网络简介
人工神经网络简介
我在上学的时候非常讨厌生物学，却热爱数学。在经过很长一段时间之后，我现在终于开始接触一个将数学和生物学结合在一起的领域：受生物神经网络启发而诞生的人工神经网络（ANN）。虽然你可能会觉得这样说很奇怪，但这就是我对人工神经网络的定义。我们在这里所谈的生物学，基本上是研究大脑或者神经系统。人工智能模仿神经系统如何工作。由于大数据的加持，人工神经网络最近非常受欢迎。事实上，我的一个同事说，如果没有大数据，你无法完成人工神经网络或任何机器学习算法。但当然，我不相信他并决定亲自试一试。所以，这篇博文是我与人工智能的第一次互动。
本文对人工智能的解释没有办法做到面面俱到，但是我希望它能给你带来启发。现在，让我们一起先从一节讲述生物神经网络的速成课程开始，掌握它的术语，接着再进一步学习人工神经网络的术语。
当我们的感官捕获某种感觉（比如当你触摸某物时），感觉输入获取数据并将其发送到神经系统。神经系统被细胞的神经组织紧密地包裹着。这些细胞被称为神经元。神经元处理从感官输入中接收到的数据，并指示身体做事，比如将手从热炉中取出。将取出手这一部分称为动作输出。我们当然不会去深入讲解感官输入和动作输出，但我们会借助神经元来对二者稍作了解，并知晓它们如何工作。
神经网络由各种神经元构成。在上图中，该网络由两个神经元构成。如你所见，使用了不同的术语来表示神经元的不同部分。树突是神经元的输入点。数据从感觉输入点或从其他神经元转移到当前神经元，最终由树突接收。细胞体处理数据并以电脉冲或某种化学物质的形式产生输出，并通过轴突将其输送到其他神经元或动作输出。在网络内部，神经元彼此通信时（即轴突把电或化学数据传送到另一个神经元），将数据放在树突接收它们的地方。轴突和树突的连接点被称为突触。突触是将一个神经元的输出转化为下一个神经元输入的点。
这就是神经网络的基础知识。我们现在可以学习人工神经网络了。
上图基本上是生物神经网络与人工神经网络的比较。这个特定的人工神经网络有三层：输入层，中间层和输出层。我们可以将每个圆圈当作一个神经元，因此每个神经元接受输入，处理输入，产生输出。当第一个神经元产生的输出传递给下一个神经元时，会乘上一个权重。然后，新值被下一个神经元接受为输入。神经网络的输入和输出可以与生物神经网络的树突和轴突相类比。权重的乘法运算可以与突触相类比。
人脑中有大约100亿个神经元，每个神经元与大约10,000个神经元相连。有趣的是，生物神经元可以在0.001秒内切换，这相对于计算机10^{-10}的切换速度可以说是相当慢了。不过，生物神经元可以很快做出复杂的决定。为了识别一个认识的人，大约需要0.1秒，你可以想象有多少神经元必须被激发。即使在0.1秒内切换如此多的神经元之后，大脑的表现也是相当快的。令人惊讶，对吧？目前的推测是神经元在人脑中可以并行工作。新的神经网络算法正在被改进为可以并行。
在本系列的之后的博文中，我们将使用Scala和Akka，这将使我们有更多的能力实现并行化。希望你和我一样对此感到兴奋!
总而言之，我们已经了解了生物神经元是什么样的，它们是如何工作的，以及生物网络的不同术语。我们还比较了生物神经网络和人工神经网络。最后，我们讨论了人类大脑如何快速做出复杂的决定。在我的下一篇博客中，我们将通过Scala中的神经网络的例子，深入探讨人工神经网络。