AI学习之路（4）: TensorFlow是什么

在我们探索TensorFlow之前，先来聊一下金庸的小说，在它的小说《笑傲江湖》里，剑宗和气宗是华山派的两个派别，也就是说剑宗和气宗同属于华山派，剑宗认为在武学之中剑术最重要，而气宗则认为在武学之中气功最重要，在华山派的历史上这两派一直是争论不休，互相指责对方是邪说，而那种认为剑术和气功同样重要的说法更是同时被两派指责为邪说。

同样，在AI领域，也一直分为两派，一派认为全部数据处理计算太复杂，不能使用神经网络的方式来做AI，应该采用人工编码的方式来实现，早期的人工智能就是写一大堆规则在数据库里来进行决策；另一派则认为全部数据都用来抽取特征，用来计算，经过多层的神经网络，就可以像人的大脑一样：神经元的连接。

同样，在人们看AI能否实现来也分为两派， 1956年，几个计算机科学家相聚在达特茅斯会议（Dartmouth Conferences），提出了“人工智能”的概念。其后，人工智能就一直萦绕于人们的脑海之中，并在科研实验室中慢慢孵化。之后的几十年，人工智能一直在两极反转，或被称作人类文明耀眼未来的预言；或者被当成技术疯子的狂想扔到垃圾堆里。坦白说，直到2012年之前，这两种声音还在同时存在。

人工智能，其实已经几十年过去了，到了目前这个阶段，才开始大放异彩。最早，我们所谓人工智能就是自动地计算加减乘除，接着下象棋，比如IBM的深蓝，目前是下围棋，可见与人们看到电影的机器人还是有很大的差距。随着新一轮深度学习的人工智能的出现，能把围棋这么复杂的事情都干好了，又来到了一个新时代。

Google DeepMind的阿法狗打败了韩国的围棋大师李世乭九段。在媒体描述DeepMind胜利的时候，将人工智能（AI）、机器学习（machine learning）和深度学习（deep learning）都用上了。

机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。与传统的为解决特定任务、硬编码的软件程序不同，机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。
机器学习直接来源于早期的人工智能领域。传统算法包括决策树学习、推导逻辑规划、聚类、强化学习和贝叶斯网络等等。众所周知，我们还没有实现强人工智能。早期机器学习方法甚至都无法实现弱人工智能。

人工神经网络（Artificial Neural Networks）是早期机器学习中的一个重要的算法，历经数十年风风雨雨。神经网络的原理是受我们大脑的生理结构——互相交叉相连的神经元启发。但与大脑中一个神经元可以连接一定距离内的任意神经元不同，人工神经网络具有离散的层、连接和数据传播的方向。神经网络是调制、训练出来的，时不时还是很容易出错的。它最需要的，就是训练。2012年吴恩达（Andrew Ng）教授在Google实现了神经网络学习到猫的样子等等。吴教授的突破在于，把这些神经网络从基础上显著地增大了。层数非常多，神经元也非常多，然后给系统输入海量的数据，来训练网络。在吴教授这里，数据是一千万YouTube视频中的图像。吴教授为深度学习（deep learning）加入了“深度”（deep）。这里的“深度”就是说神经网络中众多的层。

那么本文的主角TensorFlow是什么意思呢？别人都说人如其名，那么先从这个名字开始，来了解一下这个名称由来。虽然我不能像街边算命先生一样测算，但是可以由它的创始人来说一下，这更加贴切。

Tensor（张量）意味着N维数组。1维时就是向量，2维时就是矩阵；通过图像可以代表更高维的数据流，比如，图像可以用三维张量（行，列，颜色）来表示。
Flow（流）意味着基于数据流图的计算。有许多运算（图中的节点）应用在数据流上。
张量从图象的一端流动到另一端，这就是“TensorFlow”。“边”代表张量（数据），节点代表运算处理。

这是发明人解释，我们来看看在物理领域里的解释：

张量（tensor）理论是数学的一个分支学科，在力学中有重要应用。张量这一术语起源于力学，它最初是用来表示弹性介质中各点应力状态的，后来张量理论发展成为力学和物理学的一个有力的数学工具。张量之所以重要，在于它可以满足一切物理定律必须与坐标系的选择无关的特性。张量概念是矢量概念的推广，矢量是一阶张量。张量是一个可用来表示在一些矢量、标量和其他张量之间的线性关系的多线性函数。

其实要了解TensorFlow，通过下面这个动画来看，就更加清楚它的事实本质了：

张量（Tensor)是表示向各个节点流动的数据结构，Flow(流)意味着基于数据流图的计算，TensorFlow即为张量从图的一端流动到另一端。

到这里，应该明白了TensorFlow是什么了吧！

1. C++标准模板库从入门到精通

http://edu.csdn.net/course/detail/3324

2.跟老菜鸟学C++

http://edu.csdn.net/course/detail/2901

3. 跟老菜鸟学python

http://edu.csdn.net/course/detail/2592

4. 在VC2015里学会使用tinyxml库

http://edu.csdn.net/course/detail/2590

5. 在Windows下SVN的版本管理与实战

http://edu.csdn.net/course/detail/2579

6.Visual Studio 2015开发C++程序的基本使用

http://edu.csdn.net/course/detail/2570

7.在VC2015里使用protobuf协议

http://edu.csdn.net/course/detail/2582

8.在VC2015里学会使用MySQL数据库

http://edu.csdn.net/course/detail/2672