人工神經網路初學：是什麼以及為什麼？

談及人工智慧，就會涉及到人工神經網路。人工神經網路是現代人工智慧的重要分支，它是一個為人工智慧提供動力，可以模仿動物神經網路行為特徵，進行分散式並行資訊處理的系統。

有人認為神經網路的核心是微積分，但實際上這種計算系統源於生物學，是人類的大腦啟發了創造這些系統的科學家。

神經網路複雜的原理和難以解釋的性質讓很多人望而卻步，所以現在讓我們以初學者的身份重新認識一下人工神經網路。

什麼是人工神經系統？

人工神經系統是一種計算系統，由高度互聯的處理元素組成。互聯性是神經網路的核心，它幫助系統的動態執行，但系統動態的特性增加了這些機器的理解難度。

參與設計原始網路的科學家受到了大自然的啟發，人類的大腦給他們帶來了靈感。我們的大腦有數十億（至少）神經元，這些神經元與我們體內的每一個細胞相連線。這些神經元之間以動態的方式相互通訊，從而使我們的身體正常運作。

相比人類大腦，人工神經網路執行環境簡單很多。與人腦數十億的神經元相比，人工神經網路的一個系統只包含數千或數萬個連線，處理能力遠遠低於人腦。

神經網路運作關鍵點：學習規則

神經網路有各種層次和連線層，每一層都有一個接收資訊的輸入層和共享資訊的輸出層，還有一個隱藏層處理中間的所有資訊。

輸入節點從其他地方接收資訊，然後用隱藏層的連線來處理、解碼以及重新組裝資訊。資訊不止傳送到最近的節點上，研發人員可以對節點加權以將可識別的資料傳送到正確的位置。

舉一個例子：

比如你走在街上看到一條金毛犬，那麼你是如何識別出它是一條金毛犬呢？是因為你進行了邏輯分析。首先給您的資料顯示出它有四條腿，然後是一個毛茸茸的身體和尾巴，並且帶有天使微笑的面孔跟你知道的金毛一致。此外，之前的記憶告訴你“金毛犬”這個詞，你腦中會有這個詞的概念，然後所有的這些細節在你的大腦裡進行邏輯處理，最後得到結論。

人工神經網路的工作原理就跟這樣的邏輯處理相似。它們接收到資訊，例如“四條腿”，並依靠給出的資訊來建立所謂的“學習規則”。

就像你被教導帶有幸福微笑的大黃狗就是金毛犬一樣，網路也是如此。神經網路的學習取決於它所從事的學習型別。

人工神經網路與普通計算機有什麼不同？

你也許會認為人工神經網路的處理過程應該跟傳統計算機的工作方式相似，但事實上卻相差很多。

傳統的計算機有一箇中央處理器，它從機器的其他部分和記憶體中讀取給它的指令。傳統計算機就像一頭訓練有素的猴子，如果你提供給它的資訊是未知的，它就會識別不出來甚至出現bug。

人工神經網路沒有中央處理器，它可以使用數百種方法從其他處理器中收集資訊。這種網路結構沒有規律可循，它們會對任何資訊作出反應。

傳統的計算機只有一個處理器，它需要遵循指令。如果你的電腦看到一條金毛獵犬，那麼它只會認得它是一條犬，因為你的電腦從未了解過犬的世界，系統顯示它就是一條狗。

然而，神經網路就不需要擔心這些。它透過一個輸入節點接收分支數，毛茸茸的面孔由另一個節點處理，輸出的結果就自然是金毛獵犬。

因此，與傳統計算機相比，神經網路的工作方式更接近於人類的大腦。它不能算作是一個完美的複製品，但其發揮的作用卻顯而易見。

如何使用人工神經網路

人工神經網路可以看成是一個“推理神器”，它可以使用規定好的學習規則來推理接收到的資料。它可以用於那種精確性小的邏輯推理上。

工程師們使用這些網路去挖掘資訊模式。當資料量太大，人類無法看到聯絡時，就要用到神經網路。例如，醫院的研究人員需要對所有的關於化療的文章進行分類，他們便可以使用人工神經網路找到關於化療的內外聯絡，然後整個流程就簡化了很多。

神經網路幫助我們學習

雖然，目前的人工神經網路不能從現有的資料中創造新的答案，但它可以學習人類尋找答案的方式去處理資料。它的存在更加推動了人工智慧、機器學習以及超級計算的發展。