漫画版：什么是深度学习？

茉莉蜜茶only是阿里的前端程序媛，旨在做一些有意义的事情，Momomo^[1]是她的掘金号，专栏文章质量也很高，感兴趣的童鞋关注下哦~

前言

本文来自YouTube 上的一段 5 分钟的漫画版视频^[2]，有趣且简单的介绍了什么是深度学习，包括深度学习的应用、深度学习与机器学习和人工智能的不同之处、什么是神经网络以及如何训练它们来识别手写的数字。最后介绍了深度学习的一些流行应用。

什么是深度学习？

Google 如何在短短几秒钟内将整个网页翻译成不同的语言，或者你的手机图库如何根据它们的位置对图片进行分组? 这些都是深度学习的结果。

但什么是深度学习呢？

深度学习是机器学习的一个子集，而机器学习又是人工智能的一个子集。

人工智能是一种使机器能够模仿人类行为的技术，机器学习是一种通过使用数据训练的算法来实现 AI 的技术，最后深度学习是一种受人脑结构（生物神经网络）启发的机器学习。这种结构在深度学习领域称为人工神经网络。

让我们来更好地理解深度学习，以及它与机器学习的区别。

假设我们有一个可以区分西红柿和樱桃的机器，如果使用机器学习完成，则必须告诉机器可以区分两者的特征。这些特征可能是大小（Size）和茎的类别（Type of Stem）。

如果使用深度学习，神经网络可以提取特征，而不需要人工干预。

当然，这种特性需要拥有大量的数据来训练我们的机器。现在让我们来深入研究神经网络的工作原理。

原理

在这里，我们有三个学生，他们每人在一张纸上写下数字 9, 但他们写的并不完全一样。人类的大脑可以很容易地识别数字，但是计算机如何识别它们？使用深度学习可以实现。

每个数字以 28x28 像素的图像形式显示，总计 784 像素。

这是一个经过训练可识别手写数字的神经网络，神经元是神经网络中最基本的的核心实体，是进行信息处理的地方，784 个像素中的每个像素都被送到神经网络第一层的神经元，这形成了输入层，输入层仅接受输入，不进行函数处理。

另一端是输出层，输入层与输出层之间的一层神经元称为隐含层。隐含层与输出层的神经元都是拥有激活函数的功能神经元。

输入层神经元接收到 784 个输入信号，这些输入信号通过带权重的连接进行传递，神经元接收到的总输入值将与神经元的阈值（每个神经元都有一个阈值称为偏差 Bias）进行比较，然后通过激活函数（Activation Function）处理以产生神经元的输出，激活函数的结果决定了神经元是否被激活。

神经网络的学习过程，就是根据训练数据来调整神经元之间的“连接权”（connection weight）以及每个功能神经元的阈值。换言之，神经网络学到的东西，蕴含在连接权与阈值中。

应用

那么深度学习有哪些应用呢？

在客服行业：当大多数人与客服代理交谈时，交谈看起来是那么真实，他们甚至没有意识到这实际上是个机器人。

在医疗行业，神经网络可检测癌细胞并分析 MRI 图像以提供详细结果。

像科幻小说一样的自动驾驶汽车现在已经成为现实。苹果、特斯拉和日产一些公司在研发自动驾驶汽车。

局限性

深度学习的范围很广，但也面临着一些局限性。

数据量

第一个局限性便是数据。虽然深度学习是处理非结构化数据的最有效方法，但神经网络需要大量的数据来训练。

计算能力

假设我们拥有大量的样本数据，但并不是每台机器都有处理这些数据的能力，这给我们带来了第二个限制：计算能力。通常简称“算力”。

训练神经网络需要成千上万的图形处理单元。与 CPU 相比，GPU 当然更贵。

训练时间

最后就是训练时间，深度神经网络需要几个小时甚至几个月的训练，时间随着网络中数据量和层数的增加而增加。

深度学习框架

一些流行的深度学习框架，包括 Tensorflow、Pytorch、Caffe、DL4J 和 Microsoft cognitive toolkit。

未来

我们对深度学习和人工智能在未来的应用只看到了表面，未来会充满惊喜。

Horse 技术正在为盲人开发一种使用深度学习的设备，用计算机视觉向用户描述世界，整体复制人类的思维。

小测验

所以给你一个小测验，神经网络的正确工作顺序排序：

A. The bias is added 加偏差
B. The weighted sum of the inputs is calculated 计算输入的加权和
C. Specific neuron is activated 特异性神经元被激活
D. The result is fed to an activation function 结果被输入到激活函数

答案：

B、计算输入的加权和
A、加偏差
D、结果被输入到激活函数
C、特异性神经元被激活

说明：在神经网络中，一层中的每个神经元都与相应层中的其他神经元相连。这些连接具有随机权重。计算输入的加权和，并以偏置形式添加一个附加输入（w * x + b）。其结果被输入到激活函数。基于特定的阈值，只有那些超过阈值的神经元才会被激活。

参考资料

[1]

Momomo: https://juejin.im/user/5df79a0cf265da33ed41225d

[2]

YouTube 上的一段 5 分钟的漫画版视频: https://www.youtube.com/watch?v=6M5VXKLf4D4