在對(duì)技術(shù)毫無了解的人看來，人工智能是什么？
《流浪地球》里的AI語音助手MOSS么？還是《終結(jié)者》里的天網(wǎng)？
如果對(duì)當(dāng)今人工智能的主流技術(shù)——深度學(xué)習(xí)沒有了解，可能真的會(huì)有人覺得，當(dāng)前的科學(xué)家們?cè)趧?chuàng)造無所不能、無所不知的電影AI形象。
那么，如何用最淺顯的方式，給大眾解釋什么是深度學(xué)習(xí)呢？
法國(guó)博主Jean-Louis Queguiner撰寫了這篇《給我8歲的女兒解釋深度學(xué)習(xí)》，以用深度學(xué)習(xí)技術(shù)搭建識(shí)別手寫數(shù)字的神經(jīng)網(wǎng)絡(luò)為例，用清晰的方式，解釋了深度學(xué)習(xí)的原理。
這些數(shù)字每個(gè)人的寫法都不一樣，要如何讓計(jì)算機(jī)判斷出這些手寫體數(shù)字是幾呢？
1、和數(shù)數(shù)一樣簡(jiǎn)單
首先，考慮到0~9這十個(gè)數(shù)字，本身也是存在各種筆畫的，那我們就拆解開來，看每個(gè)手寫體數(shù)字里，有多少橫豎撇捺，曲折彎彎。
左邊豎著的一列是是個(gè)數(shù)字，上方橫著的紅色字符則是拆解出來的筆畫，用這個(gè)表格，來統(tǒng)計(jì)每個(gè)字符里有多少個(gè)相應(yīng)的筆畫。
現(xiàn)在，我們來寫一些新的數(shù)字，然后數(shù)一數(shù)，這些新寫的數(shù)字里，有多少個(gè)紅色的筆畫，和上方的表格對(duì)比一下，就能判斷出這些新寫的數(shù)字是幾了。
比如，第一個(gè)數(shù)字里，有一個(gè)“ / ”，一個(gè)“丨”，我們發(fā)現(xiàn)有這種特征的，是“1”這個(gè)數(shù)字，而且完全符合，那第一個(gè)數(shù)字就是“1”。
第二個(gè)數(shù)字，上下左右半圓各有2個(gè)，另外還有一個(gè)“ / ”，一個(gè)“丨”，總共10個(gè)筆畫。比較之下，會(huì)發(fā)現(xiàn)上表中的數(shù)字“8”有8個(gè)筆畫符合，數(shù)字“9”有6個(gè)筆畫符合，那么這第二個(gè)數(shù)字就是“8”。
看懂這一步，那恭喜你已經(jīng)搭建了世界上最簡(jiǎn)單的識(shí)別手寫數(shù)字神經(jīng)網(wǎng)絡(luò)。
2、圖像即矩陣
矩陣這個(gè)概念，大部分8歲的小學(xué)生肯定是沒學(xué)過的，可以簡(jiǎn)單的理解為一串橫豎的格子里，每個(gè)放一個(gè)數(shù)。
對(duì)于計(jì)算機(jī)來說，每張照片都是細(xì)微的像素組成的，這些像素排列成矩陣格子，每個(gè)格子一個(gè)顏色，拼起來便是一副圖像。
比如這些紅紅綠綠的格子，你縮小來看，原來是一張草莓圖片的一部分。
而顏色，對(duì)于計(jì)算機(jī)來說，正是用數(shù)表示的，草莓圖片中彩色的顏色是紅綠藍(lán)三種色光，各自有一個(gè)數(shù)，總共三個(gè)數(shù)；而手寫數(shù)字都是黑白的，只要一個(gè)數(shù)，0表示純黑色，255表示純白色，兩者中間的數(shù)則是灰色，數(shù)字越小顏色越深，數(shù)字越大顏色越淺。
所以，看這個(gè)手寫數(shù)字，一共28行28列，784個(gè)像素格子，沒有筆畫的黑色格子就是0，有筆畫的部分，筆畫中心是更淺的白色，數(shù)字在一兩百左右，筆畫邊緣則是灰色，數(shù)字只有幾十，這就構(gòu)成了這個(gè)手寫數(shù)字的矩陣。
3、卷積層：找到筆畫輪廓
現(xiàn)在，我們知道了圖片的每個(gè)像素格子都是數(shù)字，但如何找出這些數(shù)字中的筆畫呢？
深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)是有許多許多“層”組成的，找輪廓這一步需要用到卷積層，本質(zhì)上就是在前面用數(shù)字表示的圖像上加一個(gè)過濾器，把沒有筆畫的部分過濾掉，留下有筆畫的部分。
過濾器就像下面這個(gè)玩具一樣，識(shí)別出圖案的輪廓，如果輪廓匹配，就可以放進(jìn)盒子里，輪廓不匹配，那就放不進(jìn)去，三角形的過濾器匹配三角形的木塊，正方形的過濾器匹配正方形的木塊
4、獨(dú)立過濾
過濾器過濾的過程就像這張動(dòng)畫一樣，每一次掃描都是獨(dú)立的，所以可以同時(shí)進(jìn)行許多次掃描，每次掃描互不干擾。
5、重復(fù)卷積
前面的過程，是我們的手寫數(shù)字圖像被多個(gè)過濾器過濾，但是為了提高準(zhǔn)確性，只要把前一次過濾的圖像再拿來過濾就好了，用的過濾器越多，過濾的次數(shù)越多，結(jié)果越準(zhǔn)確。
而且，由于手寫的數(shù)字并不像玩具中的三角形、五角星一樣規(guī)整，每個(gè)人寫數(shù)字“8”都可能寫成不同的樣子，因此筆畫的布局都不一樣。
為了讓過濾出來的筆畫更清晰，需要不斷創(chuàng)建新的過濾器，直到過濾器被精確到我們前面看到的那些紅色橫豎撇捺半圓的形狀。
6、卷積：乘法和加法
但過濾中具體的掃描過程是怎樣的呢？
涉及到卷積運(yùn)算，比如下圖，左邊是一張8×8的圖像，中間是一個(gè)3×3的卷積濾波器，3×3的格子在8×8的圖像上逐一移動(dòng)，挨個(gè)進(jìn)行卷積。
這里，需要告訴大家卷積是怎樣算的。比如上圖，左邊的3×3格子的左上角是3，中間卷積過濾器的左上角是-1，那就需要把3和-1乘起來，得到-3。以此類推，同一位置的兩個(gè)數(shù)相乘，得到9個(gè)乘積，再把9個(gè)乘積加起來，得到-3，就是卷積的結(jié)果。
當(dāng)然，圖上這個(gè)例子中涉及了負(fù)數(shù)，如果小朋友還沒有學(xué)會(huì)負(fù)數(shù)的運(yùn)算，可以先不要理它，當(dāng)做一個(gè)整數(shù)就好啦。
7、池化層：把圖片變小，易于總結(jié)
經(jīng)過了復(fù)雜的卷積過程，我們現(xiàn)在需要進(jìn)行總結(jié)采樣，首先要把矩陣縮小，這里用到的是池化層。
比如，把四個(gè)格子縮成一個(gè)格子，可以取四個(gè)格子的最大值、最小值、平均值、求和等，這樣矩陣的大小就只有原來的四分之一了。
8、神經(jīng)網(wǎng)絡(luò)
我們整個(gè)過程，是為了識(shí)別手寫的數(shù)字是幾，這個(gè)過程叫做圖像分類，因?yàn)閿?shù)字只有10個(gè)，所以需要把每個(gè)不同的手寫數(shù)字分到0~9十類中。
經(jīng)過了上面的多層處理，現(xiàn)在需要把它放進(jìn)類中，需要準(zhǔn)備10個(gè)神經(jīng)元，每個(gè)代表一類，連接到最后一個(gè)池化層之后。
下面是Yann LeCun設(shè)計(jì)的最早的LeNet-5卷積神經(jīng)網(wǎng)絡(luò)，這是圖像識(shí)別領(lǐng)域的幾個(gè)早期成果之一。
9、靠反向傳播實(shí)現(xiàn)自我改進(jìn)
不過，整個(gè)過程不只靠卷積完成，還需要依靠神經(jīng)網(wǎng)絡(luò)自身學(xué)習(xí)和適應(yīng)的能力，比如借助一種叫做反向傳播的方法，靠權(quán)重來減少神經(jīng)元的數(shù)量。
簡(jiǎn)單來講，我們看神經(jīng)網(wǎng)絡(luò)的輸出的結(jié)果，如果輸出的這個(gè)分類是錯(cuò)的，比如把手寫的6認(rèn)成了9，我們就認(rèn)為，其中有一個(gè)過濾器犯了個(gè)錯(cuò)誤，是個(gè)不靠譜的過濾器，擔(dān)不起自己的責(zé)任，就把它的權(quán)重降低，下次神經(jīng)網(wǎng)絡(luò)就不會(huì)犯同樣的錯(cuò)誤了。
這樣，整個(gè)神經(jīng)網(wǎng)絡(luò)系統(tǒng)就擁有了學(xué)習(xí)能力，保持自我提升。
10、寫在最后
找了數(shù)千張圖片，運(yùn)行了數(shù)十個(gè)過濾器，采樣輸出……所有的步驟都可以完美的同時(shí)搞定，因此適合在GPU上運(yùn)行。
另外，我們還沒有討論準(zhǔn)確率的問題，在圖像識(shí)別競(jìng)賽ImageNet中，根據(jù)歷年的結(jié)果，我們可以看出，隨著神經(jīng)網(wǎng)絡(luò)層數(shù)的增加，準(zhǔn)確率在不斷提升。
最后，本文講得雖然是識(shí)別手寫字母，但所有的圖像識(shí)別，無論是用于醫(yī)療還是用于自動(dòng)駕駛，原理都是一樣的，靠很多層神經(jīng)網(wǎng)絡(luò)、各種濾波器，在不同的矩陣上做各種變換。
也就是說，所有圖像識(shí)別都是在GPU上運(yùn)行的矩陣運(yùn)算。
傳送門
英文原文：
https://www.ovh.com/blog/deep-learning-explained-to-my-8-year-old-daughter/
【責(zé)任編輯：龐桂玉 TEL：（010）68476606】