人工智能之神奇的深度学习和神经网络

近一次的人工热潮来势凶猛，源于大数据的积累和深度学习的复兴，大数据我们好理解，随着2000年前后互联网的发展，数据量急剧增加，那到底什么是深度学习那？为什么深度学习一下子让人工智能又再一次的火起来了？为什么深度学习比其他的机器学习技术，能在计算机视觉、语音识别、数据挖掘、机器翻译、自动驾驶等领域起到更好的效果？

我们都有从婴儿长到成年的经历，想想我们是怎么开始学习汉字的那？是不是从简单到复杂，先先学一、二、三，再学更复杂的？其实计算机也一样，我们用各种数学方法，让计算机去学习每一个汉字。

比如我们让计算机反复的看各种‘一’的写法，各种‘一’的写法非常之多，我们把这样大数据量的‘一’的写法输入给计算机，去训练计算机，计算机就会根据大规模‘一’的图片标记出‘一’的特征，当我们再输入给计算任何写法的‘一’，计算机就会立即反馈并输出‘一’。

其实任何事物流转及存储到计算机里，都是和1组成的一串字符，图片也好，视频也好，数字也好，字符也好，等等最后都是和1组成，电学来说就是高低电平。针对不同的事物在计算机里面的和1字符串，都是有一定特定规律的，那么我们拿人体的图片来说，我们的人体都是有规律的，都有一个脑袋，两只胳膊，两只腿（先不谈残疾人，和类人猿），我们人体的特征就非常明显的，这时我们就找大量的人体的图片，各种状态下人体的图片，这些人体的图片形成的和1字符串，就会比较相似，我们会用计算机算法来记录这些相似，最后把这些相似作为一种特征存储下来，将来有人体的图片输入进来后，计算机就会根据以往学习的特征分辨出来是人体。计算机的这个学习过程，是复杂的，是通过数学公式的深层次的计算，我们管这种深层次的计算叫做深度学习。

深层次计算链接的网络我们可以用另一种词语表示，就是我们标题中提到的神经网络，这个神经网络类似人的大脑神经网络，我们可以这样去想象、去打比方，其实是完全有区别的，深度学习的神经网络如下图，每个小节都是一个数学模型、计算公式，对于每一个计算公司都有N多参数，我们要从入口处扔进去大量的事物（需要人工智能分析的对象），事先我们是知道这个事物的，在最低端出口处，我们要安排这个事物必须从某个出口出，我们不停的往里面扔大量的事物（比如人体图），直到这个人体图一直在特定出口出来，那么我们就认为这个学习过程完成了。这个时候我们再往入口处扔大量其他特定事物，什么都可以，同样，这个特定事物也会从一个我们标注好特定出口出来，如果我们用同样的方法，把世间万物都扔到入口里，这些事物都会按照我们的要求从我们知道的特定出口出来，那么这就是深度学习、神经网络的贡献，当然过程是需要图中每个节点的，这些节点，数据公式、参数也是功不可没的。