? 上一期，我們為你介紹了什么是機器學習和深度學習，今天我們給你講一講神秘的神經網絡。

? 神經網絡，全稱是人工神經網絡，顧名思義這是從人類中樞神經系統受到的啟發，發明了人工神經網絡這個概念。在人工神經網絡中，簡單的人工節點，稱作神經元，連接在一起形成一個類似生物神經網絡的網狀結構。

? 神經網絡是我們上節課介紹的深度學習的基礎，這是一門強大的機器學習方法，可以這么說，正是神經網絡快速發展帶來的變革，引發了今天人工智能潮流的火爆。

那么，什么是神經網絡？

? 神經網絡最重要的用途是分類，為了讓你對分類有個直觀的認識，我們先看幾個例子：

? 貓狗分類：有一大堆貓、狗照片，把每一張照片送進一個機器里，機器需要判斷這幅照片里的東西是貓還是狗。

? 廣告識別：現在有一封電子郵件，把出現在里面的所有詞匯提取出來，送進一個機器里，機器需要判斷這封郵件是否是營銷廣告郵件。

? 影像識別：病人把在醫院照的X光影像片交給醫生，醫生把照片送進一個機器里，機器需要判斷這個病人是否得病，得的什么病。

? 這種能自動對輸入的東西進行分類的機器，就叫做分類器。

? 分類器的輸入和輸出都是一堆數值，比如第一個例子里，分類器的輸入是照片，假如每一張照片都是100*100像素的紅綠藍三通道彩色照片，那么分類器的輸入就是一個長度為100*100*3=30000的向量。輸出的時候，0則表示圖片中是狗，輸出1則表示是貓。

? 分類器的目標就是讓正確分類的比例盡可能高。一般我們需要首先收集一些樣本，人為標記上正確分類結果，然后用這些標記好的數據訓練分類器，訓練好的分類器就可以在新來的數據上工作了。

? 好，現在我們以輸出貓和狗為例，假設分類器的輸入是通過某種途徑獲得的兩個值，輸出是0和1，比如分別代表貓和狗。現在有一些樣本：

? 大家想想，最簡單地把這兩組特征向量分開的方法是啥？當然是在兩組數據中間畫一條豎直線，直線左邊是狗，右邊是貓，分類器就完成了。以后來了新的向量，凡是落在直線左邊的都是狗，落在右邊的都是貓（如下圖）。

? 一條直線把平面一分為二，一個平面把三維空間一分為二，兩邊分屬不同的兩類，這種分類器就叫做神經元。

? 上圖的分類器好分，但是下圖呢？

? 當樣本的復雜程度增加的時候，一個神經元只能切一刀的缺點就會顯露。這時的解決辦法是多層神經網絡，底層神經元的輸出是高層神經元的輸入。我們可以在中間橫著砍一刀，豎著砍一刀，然后把左上和右下的部分合在一起，與右上的左下部分分開；也可以圍著左上角的邊沿砍10刀把這一部分先挖出來，然后和右下角合并。

? 每砍一刀，其實就是使用了一個神經元，把不同砍下的半平面做交、并等運算，就是把這些神經元的輸出當作輸入，后面再連接一個神經元。這個例子中特征的形狀稱為異或，這種情況一個神經元搞不定，但是兩層神經元就能正確對其進行分類。只要你能砍足夠多刀，把結果拼在一起，什么奇怪形狀的邊界神經網絡都能夠表示，所以說神經網絡在理論上可以表示很復雜的函數/空間分布。

? 最后我們來說一下神經網絡的訓練。它依靠反向傳播算法：最開始輸入層輸入特征向量，網絡層層計算獲得輸出，輸出層發現輸出和正確的類號不一樣，這時它就讓最后一層神經元進行參數調整，最后一層神經元不僅自己調整參數，還會勒令連接它的倒數第二層神經元調整，層層往回退著調整。經過調整的網絡會在樣本上繼續測試，如果輸出還是老分錯，繼續來一輪回退調整，直到網絡輸出滿意為止。這有點像小米式互聯網思維，從用戶終端聽取意見，優化需求更新產品功能，最終做出用戶喜歡的，強參與感的智能手機。

? 如果形象地打個比方，神經網絡就像一個剛開始學習東西的小孩子，開始認東西，作為一個大人（監督者），第一天，他看見一只京巴狗，你告訴他這是狗；第二天他看見一只波斯貓，他開心地說，這是狗，糾正他，這是貓；第三天，他看見一只蝴蝶犬，他又迷惑了，你告訴他這是狗……直到有一天，他可以分清任何一只貓或者狗。

? 這就是神經網絡，你看懂了么？

小結：

? 神經網絡是一種把東西進行分類的機器，它由若干個神經元組成。每個神經元就像一把剪刀，可以把兩組數據一分為二；若干個神經元經過剪切、拼接、粘貼之后，最終可以把兩個東西區分開（例如區分貓和狗），這就是神經網絡。

預告：

? 下一期，我們將向你介紹神奇的蒙特卡羅算法，結合神經網絡，可以為你解析AlaphaGo的工作原理。

? 如果你感興趣，請留意關注微信公眾號：智能加研究院