人類(lèi)對(duì)于人工智能一直抱有無(wú)限遐想。

古希臘神話(huà)中，火神赫菲斯托斯用金子制造機(jī)器人女工，她們不僅可以幫他干活，還可以同他交流?，旣愌┤R筆下的科學(xué)怪人，和普通人一樣擁有好奇心，追求美好情感。除了出于提高勞動(dòng)效率，改善生活等考慮，人類(lèi)癡迷于人工智能，還因?yàn)槿祟?lèi)也渴望成為造物者，像女?huà)z那樣，看著泥土在自己手中幻化成有智慧的生命。

也許這一天還很遙遠(yuǎn)，人類(lèi)的探索從未停止。過(guò)去幾年，人工智能快速增長(zhǎng)，前所未有的浪潮洶涌而來(lái)。深度學(xué)習(xí)作為人工智能的一個(gè)子領(lǐng)域，在解決復(fù)雜學(xué)習(xí)問(wèn)題領(lǐng)域的成功已經(jīng)有目共睹。亞馬遜語(yǔ)言助理 Alexa、人工智能?chē)宄绦?AlphaGo、Google 自動(dòng)翻譯，這些技術(shù)背后都離不開(kāi)深度學(xué)習(xí)。

我也十分好奇，計(jì)算機(jī)是如何具備學(xué)習(xí)能力的。相關(guān)科普文章、八卦新聞、媒體報(bào)道無(wú)法滿(mǎn)足我的好奇，于是我直接參加了開(kāi)智學(xué)堂第一期深度學(xué)習(xí)課程。作為一個(gè)深度學(xué)習(xí)小白，我想跟你分享探索路看到的風(fēng)景。

機(jī)器學(xué)習(xí)，學(xué)什么

機(jī)器學(xué)習(xí)把計(jì)算機(jī)看做黑盒子，接收輸入，處理后反饋結(jié)果；把處理過(guò)程表征為一個(gè)模型，或一個(gè)函數(shù) f()。

對(duì)于圖像識(shí)別程序，

對(duì)于 AlphaGo，

對(duì)于語(yǔ)音識(shí)別程序，

這個(gè)函數(shù)有可能非常復(fù)雜，計(jì)算機(jī)的任務(wù)就是把它模擬出來(lái)。

假設(shè)有這樣一組數(shù)據(jù)，記錄了一門(mén)課程的結(jié)業(yè)成績(jī)，a₁ 是學(xué)生的平時(shí)分，a₂ 是期末考試的分?jǐn)?shù)，y 是老師給出的最終得分。這組數(shù)據(jù)稱(chēng)為樣本集，a₁，a₂ 稱(chēng)為特征，y 稱(chēng)為標(biāo)簽。

把數(shù)據(jù)交給計(jì)算機(jī)，讓它從中學(xué)習(xí)打分的模型。也就是說(shuō)，我們期望它能夠獲得這樣一個(gè)函數(shù) f(a₁,a₂)，盡可能地滿(mǎn)足這一系列等式

f(60,90) = 80
……
f(50,65) = 75

假如計(jì)算機(jī)學(xué)習(xí)到的模型是正確的，或者準(zhǔn)確率可以接受，我們就可以給這個(gè)函數(shù)一系列新的輸入，讓它預(yù)測(cè)這些學(xué)生的分?jǐn)?shù)。

看看如何用深度學(xué)習(xí)來(lái)解決這個(gè)問(wèn)題。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)分支，基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)。在理解神經(jīng)網(wǎng)絡(luò)之前，要先理解什么是神經(jīng)元。神經(jīng)元其實(shí)就是一個(gè)能夠接收輸入，對(duì)輸入進(jìn)行線性疊加，運(yùn)算并輸出結(jié)果的單元。

為了簡(jiǎn)化問(wèn)題，假設(shè)神經(jīng)元直接把線性疊加的結(jié)果輸出，沒(méi)有經(jīng)過(guò)其他的運(yùn)算。 即 f(a₁,a₂) = a₁W₁+a₂W₂+b，W₁，W₂ 是平時(shí)分和期末分?jǐn)?shù)分別所占的權(quán)重，但它們是未知的。神經(jīng)網(wǎng)絡(luò)的任務(wù)就是把這三個(gè)未知數(shù) W₁，W₂ 和 b 算出來(lái)。

怎么算呢？答案是：猜。當(dāng)然不是漫無(wú)目的的猜，而是按照特定的策略，一邊猜一邊進(jìn)行修正。參考下面的流程圖。

先給權(quán)重和常數(shù)賦一個(gè)隨機(jī)的值，假設(shè)是 W₁=0，W₂=1，b=2。把樣本集里的第一行數(shù)據(jù)交給神經(jīng)元進(jìn)行計(jì)算。 把計(jì)算結(jié)果和第一行數(shù)據(jù)里的真實(shí)值進(jìn)行比較，算出誤差。再根據(jù)誤差修改權(quán)重。具體怎樣修改權(quán)重，有很多種方法，都是基于特定的數(shù)學(xué)理論，能夠保證不斷的迭代之后，誤差會(huì)越來(lái)越小。這個(gè)基于誤差修改權(quán)重的過(guò)程，就稱(chēng)為學(xué)習(xí)。學(xué)習(xí)方法歸根結(jié)底就是網(wǎng)絡(luò)連接權(quán)重的調(diào)整方法。接下來(lái)不斷地循環(huán)以上過(guò)程，直到誤差變得最小，就獲得了最合適的 W₁，W₂ 和 b 的組合，也就得到所需的函數(shù)。

以上是最簡(jiǎn)單的，只有一個(gè)神經(jīng)元的網(wǎng)絡(luò)，它只能表達(dá)簡(jiǎn)單的函數(shù)。假如有兩個(gè)老師給學(xué)生打分，他們的意見(jiàn)不一致，各自都有自己的一組權(quán)重。那就在網(wǎng)絡(luò)中增加一個(gè)神經(jīng)元。權(quán)重增加為四個(gè)。每個(gè)老師算出的分?jǐn)?shù)再交給一個(gè)神經(jīng)元進(jìn)行計(jì)算，同樣也要添加不同的權(quán)重。

假如輸入的特征增加，例如上課次數(shù)，平時(shí)分，期末得分共同決定總成績(jī)，網(wǎng)絡(luò)就變?yōu)?/p>

當(dāng)許許多多神經(jīng)元按一定規(guī)則連接起來(lái)，構(gòu)成深度神經(jīng)網(wǎng)絡(luò)，就具備了強(qiáng)大的功能。深度學(xué)習(xí)的「深度」一詞指的是層數(shù)比較多的神經(jīng)網(wǎng)絡(luò)。

以上就是神經(jīng)網(wǎng)絡(luò)的工作原理。

具體到特定領(lǐng)域，比如圖像識(shí)別，也是先人工給大量圖片做好標(biāo)記，這是一只貓，這是一只狗，這是一朵花，再交給計(jì)算機(jī)進(jìn)行學(xué)習(xí)。每一輪學(xué)習(xí)，它都會(huì)根據(jù)設(shè)定好的方式對(duì)權(quán)重系數(shù)做出修正。當(dāng)然具體的應(yīng)用要更復(fù)雜，例如 y 值的計(jì)算，通常不是簡(jiǎn)單的線性函數(shù)，而是更復(fù)雜的運(yùn)算過(guò)程，每一層的計(jì)算方法也會(huì)不一樣。微軟在 2015 年 ImageNet 挑戰(zhàn)賽中應(yīng)用的系統(tǒng)具有 152 層神經(jīng)網(wǎng)絡(luò)。

人工神經(jīng)元與大腦神經(jīng)元

神經(jīng)元的學(xué)習(xí)過(guò)程令我想起曾經(jīng)在科學(xué)館里走過(guò)的鏡子迷宮。當(dāng)你進(jìn)入迷宮后，眼前層層疊疊，分不清虛實(shí)，前進(jìn)的方法是用手里的泡沫軸敲一敲，看看是鏡子還是路，如果路就往前走，如果是鏡子就換一個(gè)方向，當(dāng)走到了死胡同就退回來(lái)。

人類(lèi)大腦做決策也是類(lèi)似的：不斷的接收輸入，做出判斷，再根據(jù)現(xiàn)實(shí)與自身判斷的差距進(jìn)行調(diào)整。人類(lèi)的學(xué)習(xí)是對(duì)自我的修正，人工神經(jīng)元的學(xué)習(xí)則是對(duì)它擁有的一系列權(quán)重系數(shù)的修正，只是在計(jì)算機(jī)上精確的量化了這一過(guò)程。

1943 年，邏輯學(xué)家 Walter Pitts 和神經(jīng)生理學(xué)家 Warren McCulloch 提出神經(jīng)元模型，其后神經(jīng)網(wǎng)絡(luò)研究起起伏伏多年，一度被淡忘，直到 2010 年前后才重新崛起，獲得廣泛應(yīng)用。事實(shí)上人工神經(jīng)網(wǎng)絡(luò)的發(fā)明正是受到中樞神經(jīng)系統(tǒng)的啟發(fā)。研究大腦認(rèn)知機(jī)理，再把它運(yùn)用到計(jì)算機(jī)上，是實(shí)現(xiàn)人工智能的一個(gè)重要途徑。下圖是大腦神經(jīng)元的構(gòu)造。

樹(shù)突是神經(jīng)元的輸入通道，軸突是神經(jīng)元的輸出通道。一個(gè)神經(jīng)元通常具有多個(gè)樹(shù)突，而軸突只有一條，軸突尾端有許多軸突末梢跟其他神經(jīng)元的樹(shù)突產(chǎn)生連接，從而傳遞信號(hào)。這個(gè)連接的位置在生物學(xué)上叫做「突觸」。

1977 年諾貝爾物理學(xué)獎(jiǎng)得主安德森在論文《多者異也》中指出，物質(zhì)在不同的尺度會(huì)遵從不一樣的規(guī)律。單個(gè)神經(jīng)元的功能十分簡(jiǎn)單，當(dāng)神經(jīng)元多達(dá)數(shù)百億個(gè)，心智自然涌現(xiàn)。大腦神經(jīng)網(wǎng)絡(luò)之所以具有思維認(rèn)識(shí)等高級(jí)功能，正是因?yàn)闊o(wú)數(shù)神經(jīng)元之間的聯(lián)結(jié)構(gòu)成了一個(gè)龐大而復(fù)雜的系統(tǒng)。

我前面所介紹的內(nèi)容，都只是簡(jiǎn)單的，淺層次的理解，可能有些知識(shí)也屬于「司機(jī)知識(shí)」。深度學(xué)習(xí)是一個(gè)融合了數(shù)學(xué)，計(jì)算機(jī)技術(shù)和特定領(lǐng)域知識(shí)的多學(xué)科交叉領(lǐng)域。在數(shù)學(xué)理論的指導(dǎo)下，才能保證模型的學(xué)習(xí)是朝著正確的方向，能夠獲得最優(yōu)的結(jié)果；在理解了神經(jīng)網(wǎng)絡(luò)的原理之后，必須通過(guò)編程技術(shù)才能真正實(shí)現(xiàn)；如何用來(lái)解決現(xiàn)實(shí)中的問(wèn)題，計(jì)算機(jī)怎樣理解圖像，我們使用的語(yǔ)言文字要怎樣轉(zhuǎn)換成計(jì)算機(jī)可以處理的數(shù)字，這些都是需要沉下心來(lái)，投入時(shí)間才能夠掌握的。下一階段的計(jì)劃是深度學(xué)習(xí)「深度學(xué)習(xí)」。

學(xué)習(xí)如織網(wǎng)

新生兒大腦中約有 860 億個(gè)神經(jīng)元。對(duì)大腦的運(yùn)行而言，神經(jīng)元數(shù)目只是一方面，神經(jīng)元之間的連接才是決定性的。怎樣建立神經(jīng)元之間的連接呢？通過(guò)學(xué)習(xí)。

神經(jīng)可塑性（Neuro-plasticity）是指的由于經(jīng)驗(yàn)原因引起的大腦的結(jié)構(gòu)改變。神經(jīng)可塑性是近期的發(fā)現(xiàn)，過(guò)去往往認(rèn)為在嬰兒關(guān)鍵期后，大腦結(jié)構(gòu)往往不發(fā)生變化。大腦有神經(jīng)元細(xì)胞和神經(jīng)膠質(zhì)細(xì)胞構(gòu)成，這些細(xì)胞互相連接，通過(guò)加強(qiáng)或削弱這些連接，大腦的結(jié)構(gòu)可以發(fā)生改變。

大家都有這樣的體會(huì)，第一次讀到一段文字，往往不會(huì)有深刻印象。后來(lái)，在某個(gè)觸動(dòng)你的故事中再次看到這段文字，或某個(gè)具體場(chǎng)景令你聯(lián)想到它，才在腦海中留下鮮活印象。

中學(xué)時(shí)很喜歡讀詩(shī)詞，大部分都是過(guò)目即忘。某天放學(xué)路上，我望著天邊的落日，一句話(huà)從腦海里涌出：浮云游子意，落日故人情。完全記不起這是誰(shuí)寫(xiě)的，什么時(shí)候讀過(guò)，甚至有種錯(cuò)覺(jué)，似乎是自己想出來(lái)的。查書(shū)才知道來(lái)自李白的《送友人》，這時(shí)我才是真正的「記住」了這首詩(shī)。

生物學(xué)家埃里克·坎德?tīng)枺‥ric R. Kandel）研究原始動(dòng)物海兔的神經(jīng)細(xì)胞，發(fā)現(xiàn)記憶就發(fā)生在神經(jīng)元的突觸上。短期記憶形成時(shí)，突觸連接的強(qiáng)度增加，長(zhǎng)期記憶形成時(shí)，不僅是突觸強(qiáng)度增加，神經(jīng)回路中的突觸數(shù)目也發(fā)生了變化。

因此，坎德?tīng)枌?xiě)道：「對(duì)需要長(zhǎng)期保持的記憶而言，輸入的信息必須經(jīng)過(guò)徹底而深入的處理。要完成這樣的處理過(guò)程，就得留意這些信息，并把這些信息跟記憶中已有的知識(shí)有意義地、系統(tǒng)化地聯(lián)系起來(lái)。」

古人云，學(xué)而時(shí)習(xí)之。學(xué)習(xí)是一個(gè)反復(fù)印證，互為佐證的過(guò)程，也是在不斷地增強(qiáng)大腦中神經(jīng)元之間的連接。深度學(xué)習(xí)的計(jì)算部分，通過(guò)線性代數(shù)中的矩陣來(lái)實(shí)現(xiàn)。每列代表一個(gè)神經(jīng)元，也就是它所擁有的權(quán)重。一個(gè)公式簡(jiǎn)潔的表達(dá)了前面所說(shuō)的一系列運(yùn)算步驟。

這是我和線性代數(shù)的第三次相遇。

讀大學(xué)時(shí)它是令我頭疼的一門(mén)課，各種矩陣變換令人暈頭轉(zhuǎn)向，完全不明白為什么要定義這些奇怪的規(guī)則?？佳袝r(shí)弄懂了，后來(lái)工作中不常用到，又漸漸遺忘。在深度學(xué)習(xí)課程中，我才明白，原來(lái)矩陣可以用在這里。

我們接受的教育有一個(gè)奇怪的特點(diǎn)，把知識(shí)灌輸?shù)搅四X海，卻沒(méi)有與現(xiàn)實(shí)生活聯(lián)系。仿佛有一塊孤零零的區(qū)域，專(zhuān)門(mén)用來(lái)考試。學(xué)生在考試的指揮棒之下趕路，無(wú)法領(lǐng)略其中的奧妙。直到多年以后，為了理解新的知識(shí)去重溫，才明白，原來(lái)它是這樣使用的。把過(guò)去的記憶提取到大腦中，與新的記憶連接，我們同時(shí)在織著兩張網(wǎng)，一張是虛擬的知識(shí)網(wǎng)絡(luò)，一張是大腦中神經(jīng)元的網(wǎng)絡(luò)。

洞穴外的光

到目前為止，我參加了開(kāi)智學(xué)堂的四門(mén)課程，坦白說(shuō)，開(kāi)智的課程信息密度都很大，稍不注意就會(huì)掉隊(duì)。每期課程都有一些特別優(yōu)秀的同學(xué)，在我還沒(méi)看懂算法內(nèi)容的時(shí)候，他已經(jīng)可以和老師討論算法的性能了。我的狀態(tài)就是一直在追趕，從來(lái)都追不上，但是這樣一次又一次「被虐」，我卻樂(lè)此不疲。

大家可能聽(tīng)說(shuō)過(guò)柏拉圖的洞穴隱喻，設(shè)想有一個(gè)深邃幽暗的洞穴，人被完全禁錮，只能看到前方墻壁上刻意制造的幻象，他就以為這是真實(shí)的世界。當(dāng)其中一人的枷鎖被解除，能夠自由行動(dòng)，看到洞穴里的一切，他會(huì)開(kāi)始思考何者為真何者為幻，產(chǎn)生困惑與痛苦。當(dāng)他走出洞穴，逐步看清事物真相，適應(yīng)了刺眼的陽(yáng)光，便不愿意再回到黑暗之中生活。

我們都生活在自我構(gòu)建的洞穴之中，它可以是你所處的環(huán)境，也可以是人生的不同階段。假如你觀察一個(gè)孩子，會(huì)發(fā)現(xiàn)他的喜怒哀樂(lè)、行動(dòng)都是出于本能，是不自知的。隨著心智成熟，有一天他會(huì)能夠意識(shí)到自己的情緒，從而調(diào)節(jié)和控制。這便是一個(gè)走出洞穴的過(guò)程。留在已知世界中會(huì)令我們感覺(jué)安全，而探索新知，開(kāi)拓思維的疆域，則有機(jī)會(huì)來(lái)到更寬廣更精彩的世界。對(duì)我而言，這就是光。

其實(shí)學(xué)習(xí)的這些課程，在短期內(nèi)都和我的工作沒(méi)有多大關(guān)聯(lián)，但是并不意味著它們對(duì)我的生活不具備現(xiàn)實(shí)意義。在我看來(lái)，最好的教育不是僅僅提供知識(shí)和答案，而是給你更多疑問(wèn)，讓你對(duì)現(xiàn)狀產(chǎn)生質(zhì)疑。

相信很多小伙伴都和我一樣，面臨這個(gè)問(wèn)題：想做的事情太多，時(shí)間不夠用，怎么辦？在學(xué)習(xí)認(rèn)知科學(xué)，了解大腦怎樣做決策后，開(kāi)始嘗試著簡(jiǎn)化生活， 把一些不那么重要的事情盡可能地簡(jiǎn)單化，自動(dòng)化，減少對(duì)認(rèn)知能量的消耗。在陽(yáng)志平老師的生活十二問(wèn)中有所提及，我就不再贅述。

簡(jiǎn)化生活，最重要的是處理好與身邊人的關(guān)系。遠(yuǎn)方的戰(zhàn)爭(zhēng)會(huì)令我們動(dòng)容，慨嘆過(guò)后，生活照舊。但是假如和身邊的人，尤其是家人產(chǎn)生矛盾，則會(huì)帶來(lái)一整天的心神不寧。而我們往往更在意自己面對(duì)外人時(shí)的形象，而忽略了家人的感受。意識(shí)到這一點(diǎn)，帶來(lái)的是行動(dòng)上的改變。相比兩年之前，我能感受到自己能夠以一種更平和的心境面對(duì)工作和生活。

陶淵明筆下，武陵人穿越山中小口，遇見(jiàn)桃花源。當(dāng)我們跨出自我的疆域，踏進(jìn)未知世界，或許會(huì)感覺(jué)豁然開(kāi)朗，另有一番天地？■