小白必看:神經網路入門指南
本文為 AI 研習社編譯的技術博客,原標題 :
Neural networks for dummies: a quick intro to this fascinating field
作者 |Dalya Gartzman
翻譯 | Disillusion
校對 | 醬番梨 整理 | 菠蘿妹
https://medium.freecodecamp.org/neural-networks-for-dummies-a-quick-intro-to-this-fascinating-field-795b1705104a
你是否想知道大家都在談論的神經網路到底是什麼,但你又不敢去問?哈哈,別再害怕了!讀了這篇文章,你將能夠走進任何一個會議,用你新獲得的流行詞在午餐桌上大放異彩!
如果你在過去幾年裡打開過瀏覽器,你一共見過「神經網路」這個詞(幾百次)了。
在這篇短文中,我將給你一些關於神經網路和其領域的一些知識。在接下來的5分鐘里,你可能不會成為這個領域的世界專家,但你會經歷一個不平凡的入門階段。你也會學到一些時髦的辭彙來給餐桌上的家人留下深刻印象,尤其是當你真的照著文末的閱讀清單去讀書。
什麼是機器學習?
要理解神經網路,我們首先需要理解機器學習。為了理解機器學習,我們得先談談人類學習,也就是「經典編程」。
在經典編程中,作為開發人員,我需要理解我試圖解決的問題的各個方面,並確切地知道所有的規則是什麼,以使我的程序成為解決方案。
例如,假設我想讓我的程序知道正方形和圓形之間的區別。處理它的一種方法是編寫一個程序,它可以檢測角,然後應用它來計數角。如果程序看到四個角,那麼這個形狀就是正方形,如果程序看不到角,那麼這個形狀就是圓形。
而機器學習呢?一般來說,機器學習=從例子中學習。
在機器學習中,當我們面對同樣的區分圓和正方形的問題時,我們會設計一個學習系統,該系統會以形狀及其類(正方形或圓形)的許多例子作為輸入。我們希望機器能自己學會區分它們的特性。
然後,我的朋友們,一旦機器學習了所有這些特性,我就可以給它一個新的圓或正方形的圖像,一個它以前沒見過的圖像,一切順利的話,它將能對其正確地分類。
什麼是神經元?
神經元,在神經網路的背景下,是自作聰明的人想的一個花哨的名字,實際上它們就是函數。函數,在數學和計算機科學的背景下,也是一個花哨的名稱,用來表示接受一些輸入,應用一些邏輯,並輸出結果的東西。
說的更確切些,神經元可以看作是一個學習單元。
因此,我們需要理解在機器學習的背景下,什麼是學習單元。然後我們還將了解神經網路最基本的組成部分,即神經元。
為了舉例說明,假設我試圖理解一篇博客文章中的字數與人們實際從那篇博客文章中讀到的字數之間的關係。記住,我們在機器學習領域,我們從例子中學習。
所以我收集了很多關於博客文章字數的例子,用x表示,以及人們在這些文章中實際讀了多少個單詞,用y表示,我想它們之間有某種關係,用f表示。
然而,訣竅是,我只需要告訴機器(程序)我期望看到的關係是什麼(例如一條直線),機器就會理解它實際需要繪製的線。
我從中得到了什麼?
下次我想寫一篇含有x個單詞的博客文章時,機器可以應用它找到的關係f,告訴我可以期望人們實際讀多少個單詞,y。
所以, 一個神經網路是…
如果神經元是一個函數,那麼神經網路就是一個函數網路!這意味著我們有許多(特別多)這樣的函數,這樣的學習單元,它們的所有輸入和輸出都是相互交織的,它們相互供給。
作為這個網路的設計者,我的工作是回答以下幾個問題:
我如何為輸入和輸出建模?(例如,如果輸入的是文本,我可以用字母建模嗎?數字?向量? ....)
每個神經元的功能是什麼?(他們是線性的嗎?指數?…)
神經網路的架構是什麼?(也就是說,哪個函數的輸出是哪個函數的輸入?)
我能用什麼流行語來描述我的關係網?
一旦我回答了這些問題,我就可以「展示」神經網路許多(特別多)正確輸入和輸出的示例,希望當我「展示」一個它從未見過的新輸入示例時,它將知道如何給出正確的輸出。
這個學習過程是如何工作的超出了本文的範圍,但如果你想要了解更多信息,可以看這個。你也可以去這個超級酷的神經網路遊樂場,更好地理解這些概念。
神經網路——永無止境的故事
隨著這個領域的爆炸式發展,每分鐘都有大量的新(和高質量的)內容湧現出來,任何人都不可能全部關注。(我的天哪,你認為將來會有一天,人類能夠製造出一種能夠跟蹤人類在人工智慧領域進步的人工智慧嗎??)
進入這個領域,首先要知道的是沒有人知道一切。所以,不管你處在什麼階段都不要緊張,保持好奇心:)
因此,我希望在這篇文章的最後幾句話是一些我個人最喜歡的參考資源:
Gal Yona - 在該領域我最喜歡的博主之一. 她既寫硬核的技術解釋,也寫半哲學的評論。
Siraj Raval - 一個擁有大量視頻的youtuber,從理論解釋到手把手教學,全都超級有趣!
Christopher Olah - 一個充滿激情和洞察力的研究人員,有一個視覺上吸引人的博客,從基本概念到深入知識的帖子都有。
Towards Data Science 是該領域最大的媒體出版物,我喜歡的是它的編輯都是優秀的領頭人。當你有幾分鐘/幾個小時空閑的時候,只要去他們的主頁,開始探索一切,從實用工具到深入的演算法內容。
感謝 Hagar Shilo, Adi Polak, Noa Raindel, Yudit Sharabi, Batel Mankovsky。
※一次LDA的項目實戰
※任務型對話中的跨領域&個性化&遷移學習
TAG:AI研習社 |