深度學習應用入門
深度學習技術
這一輪AI的技術突破，主要源于深度學習技術，而關于AI和深度學習的發展歷史我們這里不重復講述，可自行查閱。我用了一個多月的業務時間，去了解和學習了深度學習技術，在這里，我嘗試以一名業務開發工程師的視角，以盡量容易讓大家理解的方式一起探討下深度學習的原理，盡管，受限于我個人的技術水平和掌握程度，未必完全準確。
1. 人的智能和神經元
人類智能最重要的部分是大腦，大腦雖然復雜，它的組成單元卻是相對簡單的，大腦皮層以及整個神經系統，是由神經元細胞組成的。而一個神經元細胞，由樹突和軸突組成，它們分別代表輸入和輸出。連在細胞膜上的分叉結構叫樹突，是輸入，那根長長的“尾巴”叫軸突，是輸出。神經元輸出的有電信號和化學信號，最主要的是沿著軸突細胞膜表面傳播的一個電脈沖。忽略掉各種細節，神經元，就是一個積累了足夠的輸入，就產生一次輸出（興奮）的相對簡單的裝置。
樹突和軸突都有大量的分支，軸突的末端通常連接到其他細胞的樹突上，連接點上是一個叫“突觸”的結構。一個神經元的輸出通過突觸傳遞給成千上萬個下游的神經元，神經元可以調整突觸的結合強度，并且，有的突觸是促進下游細胞的興奮，有的是則是抑制。一個神經元有成千上萬個上游神經元，積累它們的輸入，產生輸出。
人腦有1000億個神經元，1000萬億個突觸，它們組成人腦中龐大的神經網絡，最終產生的結果即是人的智能。
2. 人工神經元和神經網絡
一個神經元的結構相對來說是比較簡單的，于是，科學家們就思考，我們的AI是否可以從中獲得借鑒？神經元接受激勵，輸出一個響應的方式，同計算機中的輸入輸出非常類似，看起來簡直就是量身定做的，剛好可以用一個函數來模擬。
通過借鑒和參考神經元的機制，科學家們模擬出了人工神經元和人工神經網絡。當然，通過上述這個抽象的描述和圖，比較難讓大家理解它的機制和原理。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%