儿童节 | 如何向5岁小朋友解释神经网络?这个Reddit回答获得了5k+赞

大数据文摘出品

编译:小鱼、龙牧雪

如何向5岁小朋友解释神经网络?

Reddit有位叫做kouhoutek的大咖给出了一个超棒的答案,获得了200+条评论,6700+点赞,还吸引来了各种技术大牛的互相讨论!

答案:谁叫得响,谁说了算

想象这样一个场景:

你当教练的球队刚刚赢得了比赛,你问队员们是否想出去吃披萨或汉堡包庆祝一下。每个孩子都开始尖叫自己喜欢的食物,最后,你会选择带孩子们去吃呼声最高的那种食物。

这基本上就是一个多层神经网络的工作原理。顶层节点接收输入信息,然后每个节点都会检测输入信号的某个属性,比如,多数孩子喜欢吃汉堡,汉堡这一属性在此次食物争霸赛中所占的权值越大,针对这种食物的欢呼声就越大。

类似的还有,你会听到来自不同“节点”的不同音量的叫声:“它颜色很深!”,“它是红色的!”,“它是圆的!” 接着,下一级节点会根据刚才听到的内容喊出更复杂的特征:“它有一张脸!”,“它有毛皮!”,直到最后,会听到有个声音喊道“这是一只小猫!”。

有意思的是,并没有人告诉孩子们什么时候开始尖叫,完全是基于孩子们行动后的反馈。你的小队员们决定去吃汉堡,结果吃完发现有队员生病了。下周,他们可能不会吵着要吃汉堡,汉堡的呼声也没有第一次那么高。他们已经建立了共识,吃汉堡可能不是一个很好的选择,并且会有意避开这个选择。

神经网络也是基于相同的原理进行训练。你用大量的小猫图片和非小猫图片对网络进行训练。如果识别结果正确的话,该节点的权值会增加,所以对于类似输入,网络能更准确的识别出小猫的图片。如果识别结果错误,将会减小该节点的权值。最初,网络的识别结果是随机的,但是如果你设计正确,它会随着节点的调整而变得越来越好。所以,经常会遇到这种情况:你设计的神经网络运行效果很棒,但你却无法解释它的工作原理。

评论里将这个比喻扩展到RNN

同样,我们可以用上面那个很棒的比喻来解释RNN。

假设你的球队要做的决策不再是选择食物这么简单,而是要对正在进行的一系列运动做出判断。 例如,假设球队正在进行棒球比赛。球队中每个队员对赛况都有不同的个人见解,并且在任何时候他们都可以协作对当前的状况做出判断,并据此采取具体行动。

同样,这种决策也是基于反馈进行不断学习。一旦球队完成了一场比赛,球员们可以一起回顾比分,并作出一些分析:“比利需要靠近内场”等等,球员会相应地做出反应。随着赛季的进行,球队的成绩会变得越来越好!

“叫声”比喻的作者也说道,他的比喻和1957年的一篇文章Pandemonium: A Paradigm for Learning中提出的一个字符识别的比喻很接近。在那个比喻里,尖叫的是“小恶魔”节点们。

相关报道:

https://www.reddit.com/r/explainlikeimfive/comments/7buzbs/eli5_what_are_neural_networks_specifically_rnns/

https://wolfe4e.sinauer.com/wa04.02.html

原文发布于微信公众号 - 大数据文摘(BigDataDigest)

原文发表时间:2018-06-01

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏数据科学与人工智能

【数据挖掘】机器学习与数据挖掘的学习路线图1

应部分朋友要求,特奉上“机器学习与数据挖掘的学习路线图”,供有兴趣的读者研究。 说起机器学习和数据挖掘,当然两者并不完全等同。如果想简单的理清二者的关系,不妨这...

2449
来自专栏IT派

普通程序员,几个月如何成功转型AI?

IT派 - {技术青年圈} 持续关注互联网、大数据、人工智能领域 动辄50万的毕业生年薪,动辄100万起步价的海归AI高级人才,普通员到底应不应该转型AI工程...

4826
来自专栏量子位

如何给非专业人士讲解什么是深度学习?

本文转载自王咏刚微信:半轻人,点击左下角阅读原文,可直达原文链接。 去年开始,工作中需要做许多有关 AI 科普的事情。很长时间里一直在想,该如何给一个没有 CS...

3378
来自专栏木子昭的博客

朴素贝叶斯完成新闻分类

朴素贝叶斯 朴素指的是"独立" 朴素贝叶斯是分类算法,可以给出每种类别发生的概率 善于计算几个独立事件同时发生的概率(文章分类) 关于独立事件(职业,...

3036
来自专栏大数据挖掘DT机器学习

4步教你开发风控评分模型

作者简介 作者:郑旻圻 邹钰 刘巧莉 背景:数信互融-数据分析师 数信互融(IFRE):专注于互联网金融领域的风险量化、资产定价。基于互联网金融行业数据,结合...

1.1K8
来自专栏数据派THU

独家 | 一文读懂复杂网络(应用、模型和研究历史)

前言 随着近几年关于复杂网络(Complex network)理论及其应用研究的不断深入,已有大量关于复杂网络的文章发表在Science,ature,RL,NA...

7455
来自专栏全栈数据化营销

品牌知觉图:精准找到空白市场定位,数据化衡量品牌效果

如何知道自己品牌留给客户的是什么印象呢?如何印证品牌推广和塑造的效果呢?如何有效寻找在品牌建设中的空白点和机会点呢? 这次就介绍在品牌建设中会经常用到的品牌知觉...

38911
来自专栏cloudskyme

算法——贝叶斯

简介 学过概率理论的人都知道条件概率的公式:P(AB)=P(A)P(B|A)=P(B)P(A|B);即事件A和事件B同时发生的概率等于在发生A的条件下B发生的概...

35310
来自专栏量子位

伯克利用120万美元设备24分钟训练ImageNet,刷新Facebook成绩

李林 编译整理 量子位 报道 | 公众号 QbitAI 最近,加州大学伯克利分校的研究人员用120万美元的设备,24分钟完成了ImageNet的训练。 ? 在最...

3114
来自专栏PPV课数据科学社区

如何给非专业人士讲解什么是深度学习?

去年开始,工作中需要做许多有关 AI 科普的事情。很长时间里一直在想,该如何给一个没有 CS 背景的人讲解什么是深度学习,以便让一个非技术的投资人、企业管理者、...

3316

扫码关注云+社区