本文長度為2300字，建議閱讀3分鐘

好奇寶寶想知道人工智能的機(jī)器學(xué)習(xí)究竟是怎么學(xué)習(xí)的?本文用漫畫讓你看懂人工智能內(nèi)部的工作原理。

最近，富士康放出話來，它的工廠夜間已經(jīng)不需要開燈了——因?yàn)橐粋€(gè)工人都不需要，干活的全是人工智能機(jī)器。

幾乎所有大佬都在談?wù)撊斯ぶ悄堋?nbsp;

 

 

 

似乎這個(gè)世界再也不需要人類了。 

 

 

 

你可能聽了一百遍人工智能，不過到底人工智能是個(gè)什么鬼，所謂人工智能的機(jī)器學(xué)習(xí)究竟是怎么學(xué)習(xí)的?它和你之前玩過的小霸王游戲機(jī)究竟有什么區(qū)別?

今天，我們用漫畫

來直接讓你看懂

人工智能內(nèi)部的工作原理

▼

我們所舉的例子是機(jī)器學(xué)習(xí)中的有監(jiān)督學(xué)習(xí)。

人工智能機(jī)器學(xué)習(xí)分為有監(jiān)督學(xué)習(xí)，無監(jiān)督學(xué)習(xí)，強(qiáng)化學(xué)習(xí)和蒙特卡洛樹等。這一句你看不懂完全可以忽略，因?yàn)椴挥绊懴旅娴慕忉尅?/p>

我就是傳說中的大boss，人工智能!怕了吧! 

 

 

 

其實(shí)，人工智能基本等于人工智障!人類一目了然的事情，它得算半天，而且未必能搞定。 

 

 

 

首先，我們來說說，人工智能和傳統(tǒng)計(jì)算機(jī)原理之間的關(guān)系。

最傳統(tǒng)的計(jì)算機(jī)，就是這玩意—— 

 

 

 

它的工作原理就是有一個(gè)確定的輸入，就有一個(gè)確定的輸出。

對于機(jī)器，原理也一樣。比如這個(gè) 

 

 

 

但人類，被輸入一個(gè)刺激后，其實(shí)是往往這樣的 

 

 

 

在現(xiàn)實(shí)世界中，我們看到女朋友的臉，無論她化了什么樣的妝，你一眼就能認(rèn)出來。

但傳統(tǒng)計(jì)算機(jī)的單一輸入值，單一確定輸出的模式，就傻眼了。 

 

 

 

但怎么讓機(jī)器模仿出人的輸入輸出能力，有類似人類的智能。這就是人工智能問題的核心。

其實(shí)，要做的就是對復(fù)雜的輸入信號進(jìn)行分解計(jì)算，對計(jì)算中的不同因子進(jìn)行不同的處理，無論輸入的有怎樣變化，都能做出大致合理的輸出。

用專業(yè)的說法，就是在輸入輸出之間的隱藏層進(jìn)行一系列權(quán)重調(diào)整，建立一個(gè)模型。

這樣無論人臉加上什么偽裝，只要落在一個(gè)范圍內(nèi)，機(jī)器都能認(rèn)出這張臉。 

 

 

 

這時(shí)候，機(jī)器就變得像人一樣能認(rèn)人了，就成了人工智能。

▼

看到這兒，其實(shí)你就比百分九十以上的人更了解人工智能了。但人工智能怎么具體調(diào)整權(quán)重，我們可以講個(gè)機(jī)器人按臉殺人的故事。

***步先要讓機(jī)器可以認(rèn)出人臉。 

 

 

 

所以我們要拿很多包含人臉的圖片喂給它： 

 

 

 

臉上不同的部位分別被抽象為一組數(shù)字，比如鼻子可以極度簡化為為長度和寬度兩個(gè)數(shù)據(jù) 

 

 

 

然后發(fā)送給程序去處理——人工神經(jīng)網(wǎng)絡(luò)現(xiàn)在特別流行，我們就用它好了。這些數(shù)字的流動(dòng)，的確有點(diǎn)像人類腦神經(jīng)的工作方式： 

 

 

 

這個(gè)圖看起來不知所謂，其實(shí)特別簡單，就是挨個(gè)把輸入的數(shù)字乘以那些系數(shù)，***加起來。

對，這些系數(shù)就是所謂的“權(quán)重”。

輸出層輸出的就是一個(gè)普通的數(shù)字。我們給他設(shè)定一個(gè)閾值，比如20;把牙齒，鼻子和眼睛都算出來，等于28，大于20，就判定輸入的是人臉。 

 

 

 

這差不多是一種很原始的人工神經(jīng)網(wǎng)絡(luò)，叫做感知機(jī)。

不過現(xiàn)在的神經(jīng)網(wǎng)絡(luò)會(huì)引入一種叫做激活函數(shù)的東西，把這種一刀切的智障變成一個(gè)稍稍聰明一點(diǎn)的樣子： 

 

 

 

這個(gè)圖像有什么意義呢?

就是把一個(gè)簡單到***的“是不是”的問題，轉(zhuǎn)化為有“百分之多少”的概率問題。看上去是不是智能了不少? 

 

 

 

同時(shí)，聰明的你一定發(fā)現(xiàn)了，決定成效的關(guān)鍵其實(shí)就是那些“權(quán)重”。

怎么獲得恰當(dāng)?shù)臋?quán)重組合?

這就是機(jī)器學(xué)習(xí)的意義：讓機(jī)器自己根據(jù)每一次考試的結(jié)果去修正自己的權(quán)重。

慢著，它自己怎么知道對錯(cuò)? 

 

 

 

這還是要人類事先給這些照片進(jìn)行分類：哪些是人，哪些是狗，哪些是ET……

這就好像人類在給他出有標(biāo)準(zhǔn)答案的考試，所以叫做“有監(jiān)督學(xué)習(xí)”。 

 

 

 

然后我們只要不斷重復(fù)這個(gè)過程，權(quán)重就會(huì)逐漸調(diào)整到更恰當(dāng)?shù)慕M合，輸出結(jié)果就會(huì)越來好，判斷越來越準(zhǔn)。

如此不斷重復(fù)同一過程，達(dá)到改進(jìn)的方式，就叫做“迭代”。 

 

 

 

只要我們的神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)的沒問題，最終，就可以準(zhǔn)確識(shí)別出人類。 

 

 

 

現(xiàn)在***進(jìn)的算法，已經(jīng)可以達(dá)到各種狀況下98%以上的正確率了! 

 

 

 

這整個(gè)過程就叫做“訓(xùn)練”。

我們用來訓(xùn)練它的圖片和每張圖片對應(yīng)的標(biāo)簽，就叫做“訓(xùn)練集”。

▼

一般介紹人工智能文章到這里就不會(huì)再往深里說了，如果繼續(xù)往下看，你對人工智能的了解就會(huì)遠(yuǎn)遠(yuǎn)99.99%的人類。

所以，你做好準(zhǔn)備成為磚家了嗎?

首先，大家***奇的應(yīng)該是：程序到底怎么調(diào)整權(quán)重的? 

 

 

 

這個(gè)被稱作“反向傳播”的過程是這樣的：在每一次訓(xùn)練中，我們都要確定程序給出的結(jié)論錯(cuò)的有多遠(yuǎn)。

我們已經(jīng)說過，程序的猜測和答案都可以轉(zhuǎn)化為數(shù)值 

 

 

把所有的錯(cuò)的平方都加起來，再平均一下，就得到一個(gè)“損失函數(shù)”。

損失函數(shù)當(dāng)然越小越好，這代表我們的神經(jīng)網(wǎng)絡(luò)更厲害。

我們一開始可能在山頂，這意味著“損失”特別大，所以我們要盡快下山止損。 

 

 

 

怎么做呢?一種最常用的也很有效的辦法就是，永遠(yuǎn)選擇最陡的路線，這樣很容易就會(huì)到達(dá)某個(gè)山谷。 

 

 

 

當(dāng)損失函數(shù)達(dá)到某個(gè)最小值，不怎么變化了，就說明訓(xùn)練差不多了。這種方法就被叫做“梯度下降”。

具體而言，其實(shí)就是求導(dǎo)數(shù)： 

 

 

 

看到這個(gè)公式有沒有一點(diǎn)想崩潰的感覺? 

 

 

 

如果還沒有徹底崩潰，就稍微解釋一下吧：

這個(gè)式子的意思就是，把某個(gè)權(quán)重減少這么多，損失函數(shù)對相應(yīng)權(quán)重的偏導(dǎo)數(shù)乘以α。

至于怎么求這個(gè)偏導(dǎo)數(shù)的數(shù)值……你確定你真的想知道? 

 

 

而這個(gè)α呢，也很重要，叫做“學(xué)習(xí)速率”。

它的意思是：發(fā)現(xiàn)錯(cuò)誤之后，改變的幅度太大或太小都不好。比如學(xué)開車，轉(zhuǎn)彎 

 

 

 

至于改的幅度(系數(shù))多大***，這就要靠悟了。 

 

 

 

▼

好吧，說了這么難的東西，再來點(diǎn)八卦吧。

為啥要讓人工智能殺那么多猩猩、海豚、蜥蜴? 

 

 

 

因?yàn)槿绻麤]有這些負(fù)樣本，人工智能隨手一抓都是對的。 

 

 

 

這樣，就不存在學(xué)習(xí)和積累經(jīng)驗(yàn)(調(diào)整權(quán)重)的過程，也不會(huì)有在現(xiàn)實(shí)世界中真正找到人臉的能力。

不要被那些所謂人工智能專家神神鬼鬼的術(shù)語所迷惑，其實(shí)人工神經(jīng)網(wǎng)絡(luò)的有監(jiān)督學(xué)習(xí)的整個(gè)過程，無非就是在做自動(dòng)化的回歸分析罷了。 

 

 

 

從最簡單的一元線性回歸到多元非線性回歸，就是越來越看起來越來越智能的過程。人工智能的專家也是這么循序漸進(jìn)掌握機(jī)器學(xué)習(xí)的。

▼

***，如果你能堅(jiān)持到這里...

恭喜，你已經(jīng)成為半個(gè)機(jī)器學(xué)習(xí)的專家了!

如果大家喜歡，我們下次再來講講其他人工智能的技術(shù)，比如無監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)!

參考資料：

• 斯坦福大學(xué)公開課：《機(jī)器學(xué)習(xí)》
• FaceNet: A Unified Embedding for Face Recognition and Clustering, Florian Schroff,Dmitry Kalenichenko,James Philbin,Google Inc.
• Efficient BackProp, Yann LeCun,Leo Bottou
• 《人工智能時(shí)代》，杰瑞·卡普蘭
• 《心靈、語言和社會(huì)》，約翰·塞爾