電腦和人腦，你覺得哪一個更強大？
在生活中你會經常發現許多人希望自己的大腦能像電腦一樣，比如要是真有這機會能把自己改造成鋼鐵俠，他們會迫不及待地想抓住。
可是回過頭看看過去幾十年科學家們的研究，你會驚訝地發現，他們在一直努力讓電腦更像人腦！怎麼做到呢？藉助神經網路——它是由幾百個、幾千個甚至幾百萬個人工腦細胞組成的計算機程式，能以與人腦極其相似的方式學習和運轉。那麼到底什麼是神經網路？它們又是怎麼工作的？我們更仔細的瞧一瞧！
電腦和人腦的區別在哪？
你會經常聽到很多人拿人腦和電腦比來比去，乍一看，這倆確實也有些共同之處。一個正常的人類大腦中約有 1千億個微小的細胞，稱為神經元（沒有人確切地知道人腦到底有多少個神經元，只是估計數量範圍在 500 億至 5 千億之間），它是人腦基本的訊號處理單元。
每個神經元都由一個細胞體（它是細胞的核心部分）、一些神經樹突（腦細胞的輸入部分，攜帶傳往細胞體的資訊）和軸突（腦細胞的輸出部分，攜帶輸出的資訊）等三部分組成。神經元非常非常小，100個細胞體排列起來才1毫米長。
在計算機中，和腦細胞有個相同作用的奈米級的開關裝置，叫做電晶體。最新式最先進的處理器中大約有 20 億個電晶體，即時是一個很簡單的處理器中也有大約 5 千萬個電晶體，全都整合到一個僅 2.5 釐米大小的方形積體電路上，比郵票還小！
這就是為何不能將人腦和電腦直接詳細比較，因為這二者完全不是同一種東西。不僅僅是因為電腦是個冷冰冰的裝滿二進位制數值的金屬盒子，而人腦卻是鮮活的熱乎乎的，充滿了思維、感覺和回憶。真正的不同之處在於電腦和人腦的“思考”方式完全不同。電腦中的電晶體只是以一定的順序相對簡單地串聯起來（每個電晶體都以基本的邏輯閘電路和其它幾個電晶體連線），而人腦中的神經元卻是以無比複雜的方式並行相連（每一個神經元都可能與其上萬個鄰近神經元連線）。
電腦（幾百萬個電晶體以較簡單的方式相連）和人腦（幾百到幾千億個腦細胞以更復發的方式相連）這種本質結構的不同，使得它們以非常不同的方式“思考”。電腦能夠很完美地儲存大量無意義的資訊（對於電腦本身來說），根據人們預先輸入的精確指令（程式）以多種不同的方式重新整理這些資訊。而人的大腦卻是以更加迂迴間接的方式緩慢學習，常常要花幾個月甚至幾年完全掌握一些複雜的東西。
但是，不像電腦，人腦能以驚人的全新方式自然而然地將資訊融合在一起，識別原始模式，建立資訊聯絡，以完全不同的視角看待事物，這就是貝多芬、莎士比亞等人類創造性的來源。
如果電腦也能像人腦這樣，豈不是很好？有人說，「要有神經網路」。於是就有了神經網路。
什麼是神經網路？
神經網路背後的基本理念就是在電腦內模擬（以一種簡化但較為可信的方式複製人腦機制）密集相連的腦細胞，從而人們可以讓電腦學習東西、識別模式、做出決定，就像人類一樣。神經網路一個魅力之處就是，你不必為它編寫程式去學習人類的指令：它能完全自主學習，就像人腦一樣。
但是，它不是人腦。需要著重說明一點，神經網路（總體上）是一種軟體模擬：它們由非常普通的電腦編寫而成，以普通的電晶體及串聯邏輯閘在非常傳統的方式下執行，但是卻能夠像幾十億個並行連線的腦細胞那樣工作。還沒人試過造一臺電腦，把電晶體按照人腦那種複雜程度一樣相互連線。換句話說，神經網路和人腦的不同就好比電腦天氣模型和實際的雲彩、雪花、陽光之間的不同。軟體模擬只不過是一系列的代數變數，由數學方程將它們連線在一起（簡單來說，就是一堆數字存放在了一個盒子裡，數字的數值是不斷變化的），它對於執行它的載體電腦本身來說，沒有什麼意義，只對編寫它的人類而言才有意義。
真正的人工神經網路
在我們進一步談談神經網路之前，先了解一些術語。嚴格來講，人們創造的神經網路叫做人工神經網路（即ANN），以和人腦中真正的神經網路相區分（由腦細胞連線成的網路）。你可能也會見過神經網路還以一些名字出現，比如聯結式機器（該領域也叫聯結主義），平行分散處理器（PDP），思考機器等，但本文我們會使用“神經網路”一詞，用它指代“人工神經網路”。
神經網路由什麼組成的？
一個典型的神經網路，由幾個、上百個、上千個甚至幾百萬個稱為“單元”的人工神經元構成，它們排列在一系列的層中，每個層之間彼此相連。其中一些神經元叫做“輸入單元”，用來從外界接收各種各樣的資訊，神經網路會用這些資訊進行學習、識別模式或進行其它的處理。還有些神經元位於神經網路的另一邊，與“輸入單元”方向相反，它們顯示神經網路對資訊的學習狀況，那麼這些神經元就叫做“輸出單元”。在“輸入單元”和“輸出”單元之間還有一個或者很多個由“隱藏單元”構成的層，和“輸入層”及“輸出層”層一起形成神經網路。
大部分神經網路是完全連線的，意思就是，每個隱藏單元及輸出單元都和另一邊的層中的每個單元連線。一個單元和另一個單元之間的連線都以一個叫做“權重”的數字表示，它可以是正值（當一個單元激發另一個單元時），也可以是負值（當一個單元抑制或阻止另一個單元時）。權重值越高，意味著一個單元對另一個單元的影響越大（這和人腦細胞通過突觸相互激發的原理一樣）。
所以，一個神經網路由輸入單元（下圖紅色），隱藏單元（下圖藍色）和輸出單元（下圖黃色）組成。輸入單元所在的層為輸入層，隱藏單元所在的層為隱藏層，輸出單元所在的層為輸出層。所有單元都和兩邊層裡的單元連線。輸入資訊會首先進入左側的輸入層，然後激發中間的隱藏層，最後從右側輸出層輸出結果。神經網路會通過學習漸漸調整每兩個單元（神經元）連線的力度（權重）。
神經網路是怎麼學東西的？
資訊通過兩種方式穿過神經網路。當神經網路學習時（被訓練時）或者正常執行（被訓練後），資訊模式會通過輸入單元輸入神經網路中，其中輸入單元會激發隱藏單元，最後到達輸出單元。這種設計的神經網路被稱為“前饋網路”。並非所有的單元會一直“啟用”。每個單元從其左側的單元中接收輸入資訊，而輸入資訊會由單元之間連線的權重進行相乘。每個單元通過這種方式將它接收的所有輸入資訊進行加算，如果結果大於一個特定的闕值，那麼單元就會“啟用”，並激發和它連線的單元（在其右側）。
談到神經網路的學習，就要涉及到一個叫做“反饋”的東西。就像小孩子通過大人告訴他們做的是對還是錯學習一樣。實際上，我們會一直用到反饋。這裡舉個簡單的例子，想想你頭一回學踢足球的情形，你把球踢向球門，你的大腦會緊盯著球的走向和軌跡，注意球還差多少就能進球門了。下一次再踢的時候，你會記得之前犯過哪些錯，相應地調整動作，希望這次能 make youself great again.
這裡你就是用了反饋機制，即將實際結果和預期結果相比較，找出兩者的不同之處，並藉此改善下一次的行為（比如“我應該再踢的用力一點”“我應該再往左踢一點”等等）。預期結果和實際結果之間的差距越小，你下一次需要調整的幅度就越小。
神經網路正是通過這種方式學習，利用一種叫做“反向傳播”的反饋機制，它由正向傳播過程和反向傳播過程組成。在正向傳播過程中，輸入資訊通過輸入層經隱含層，逐層處理並傳向輸出層。如果在輸出層得不到期望的輸出值，則取輸出與期望的誤差的平方和作為目標函式，轉入反向傳播，逐層求出目標函式對各神經元權值的偏導數，構成目標函式對權值向量的梯量，作為修改權值的依據，神經網路的學習在權重值修改過程中完成。誤差達到所期望值時，神經網路學習結束。
當然你也可以來這裡體驗一番。
就像上述舉的你學踢球的例子一樣，“反向傳播”會讓神經網路進行學習，不斷縮小實際結果和預期結果之間的差別，這樣神經網路會慢慢發現它應該怎麼做才能達到預期效果。
神經網路在實際中怎麼運作？
等用足夠的學習樣本訓練完神經網路後，我們就可以給它一組它從未見過的新的輸入資訊，看它如何迴應。例如，比方說你之前一直在教一個神經網路，以它能理解的方式給它看了很多桌子椅子的照片，告訴它哪個是椅子哪個是桌子。給它看完照片後（我們比方說有25個不同的椅子和25個不同的桌子的照片），給它輸入一組它從未見過的新的照片，看看會發生什麼。神經網路學習的情況不同，它對新樣本分類的結果也會相同，就像人類一樣。等這個神經網路的效能符合要求後，你就教會了一臺電腦怎樣識別傢俱！
這也並不是說神經網路只是“看看”一組傢俱照片，然後就做出有意義的反應，它的行事方式和人類還不一樣。細想我們剛才舉的例子：神經網路實際上看到的並不是傢俱照片。輸入神經網路的資訊本質上是二進位制數字：它們會開啟或關閉神經網路中的單元（神經元）。
所以如果你有 5 個輸入單元，你可以用二進位制答案（是/否）輸入不同椅子的 5 個不同特徵。比如問題是：
1. 它有椅背嗎？
2. 它有桌面嗎？
3. 它有軟的坐墊嗎？
4. 你能長時間舒服地坐在上面嗎？
5. 你能在它上面放很多東西嗎？
在這裡，一個椅子就會表示為是、否、是、是、否，用二進位制表示為 10110，那麼一個桌子就可以表示為否、是、否、否、是，用二進位制表示為 01001。所以，在學習過程中，神經網路就是檢視很多像 10110 和 01001 這樣的二進位制數字，學習哪些表示是個椅子（可能輸出結果為1），哪些表示是個桌子（可能輸出結果為0）。
創造神經網路用來幹嘛？
通過上面所講的內容和所舉例子，你或許會猜到神經網路可以應用在很多方面，從識別模式到做出決策。在航空領域，我們可以將神經網路用作自動駕駛儀，其輸入單元從座艙儀表中讀取訊號和資料，輸出單元會相應調整飛機，保證飛機在正確的航線飛行。在工廠中，我們可以將神經網路用於質量控制。比如，有家工廠通過大規模的複雜的化學處理過程生產洗衣液，我們可以測量出最終的洗衣液成分比例，將測量結果作為輸入資料輸入到神經網路中，然後神經網路就會決定是否進行化學處理。
此外還有很多應用例子，這裡不再一一舉例。總之，神經網路可以在很多方面幫助我們。它們可以幫我們預測天氣、運轉雷達探測系統自動識別敵方飛機或船隻、甚至幫助醫生髮現複雜的疾病。我們現在使用的很多手機應用、語音助手、翻譯軟體都用到了神經網路。
一句話，神經網路讓電腦越來越像人類，讓電腦系統對人類的用處越來越大。
看到這裡，相信應該能明白神經網路是怎麼一回事了吧？我們將來還會分享 8 種常見的神經網路架構，敬請期待！