第363期：最好懂的神經網絡解釋

神經網絡是 AI 的算法基礎。前些天，我在美國科普網站《量子雜誌》（Quanta Magazine），讀到一篇科普文章，用一個淺顯的例子 + 插圖，解釋了神經網絡，堪稱我見過的最好懂的教程。下面就是我整理出來的中文版。1、你的計算機裏有一堆照片，你想要從中找出貓的照片，應該怎麼做？你很快意識到，這其實是一個機器分類問題，計算機要把照片分成兩類：一類是貓，另一類不是貓。2、

讓我們把這個問題想成一張地圖，中間有一條分界線，把地圖分成兩個國家。你的任務是，找出這條分界線的確切位置。這樣的話，給出任意一個點，你就知道它在分界線的左邊還是右邊。3、作爲已知條件，地圖上很多點的歸屬，是已知的。比如上圖中，三角點屬於 A 國，方塊點屬於 B 國。你要做的就是，從這些點推測出分界線。4、我們可以建立一個數學函數（上圖的點 N），處理這個問題。

這個函數接受兩個參數，分別是每個點的 x 座標和 y 座標，函數的返回值是0～1之間的一個值，表示該點有多大概率屬於當前國家。5、你就用已知的點，去訓練這個函數。計算機自動根據每次訓練的誤差，調整每個參數的權重值，最終得到一條最接近的分界線。6、筆直的分界線只是最理想的情況，現實世界中，分界線更可能是七拐八彎的曲線。7、這時，只用一個函數來確定分界線，就不太夠了。你需要多個函數，從不同角度進行判斷。8、

判斷過程甚至需要分階段進行，也就是需要多層函數。這些函數組成的網絡，很像人類的神經系統，所以稱爲神經網絡。每個函數就是網絡中的一個神經元。9、好了，現在再回到貓的照片。我們同樣需要建立一個函數，來判斷照片是貓的概率。地圖分界線的函數只需要 X 和 Y 兩個參數，貓照片的函數就不行了，需要把整張照片輸入進去。假如照片大小是2500個像素，那麼函數就有2500個參數。10、

函數的參數個數，可以看成空間的維度，2個參數就是二維空間，2500個參數就是2500維的空間。貓照片的函數就是在2500維空間裏面，通過大量訓練，找到一條分界線，從而算出任意一張照片落在線內的概率有多大。

來源｜阮一峯科技愛好者週刊第 363 期，