理解深度学习

秀才2025年7月1日大约 6 分钟AI人工智能生成式AI深度学习导论

理解深度学习

1. 什么是深度学习？

机器能否像我们人类（人脑）一样学习事物？——这是推动深度学习创新的核心理念。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子集）。其核心基于人工神经网络（ANN），这是一种受人类大脑结构和功能启发的计算模型。

下面我们用更通俗语言来解释！首先，我们需要理解几个重要概念。

2. 人脑中的生物神经网络

神经元是人类大脑最基本的细胞。人脑拥有数百亿个相互连接并传递信息的神经元，这些神经元构成了神经网络。

这些神经元接收来自视觉、听觉、触觉等各类感官输入，通过彼此传递信息产生连锁反应。正是这种神经网络的工作机制，使人类具备了思考能力，更重要的是——学习能力

3. 人工神经网络(ANN)

人工神经网络是一种模仿人脑生物神经网络结构构建的计算网络。人类大脑的神经元彼此相互连接。类似地，人工神经网络也拥有相互连接的神经元，这些神经元被称为节点。下面以一个形象的例子来看

假设用不同形状和大小的管道搭建一个大型3D结构。每根管道可以连接多根其他管道，并配有可开合的开关。这会产生无数种管道连接方式，看起来有点复杂。现在让我们把这个管道系统连接到水龙头上。不同尺寸的管道会让水流以不同速度通过。如果关闭开关，水就无法流动。

这里其实水流象征着流经大脑的数据，而管道则代表大脑中被称为神经元的组成部分。

4. 人工神经网络架构

Artificial Neural Network primarily consists of three layers — Input Layer, Output Layer and Hidden Layers.

人工神经网络主要由三层组成——Input Layer（输入层）、Output Layer （输出层）、Hidden Layers（隐藏层）。
可以把人工神经网络类比成一个三层的三明治。

第一层称为 输入层，相当于三明治的底层面包片。它负责接收信息。
第二层称为 隐藏层，相当于中间美味的夹心馅料。它进行思考并解决问题。
第三层称为 输出层，相当于顶层的面包片。它给出最终结果。

简单来说就是：

输入层
- 这是信息进入人工神经网络的入口。
- 作为起始点，网络在此接收需要处理的数据。
输出层
- 这就是网络给出最终结果或答案的地方。
- 这是终点站，网络在这里告诉我们它学到了什么或做出了什么决定。
隐藏层
- 这些层位于输入层和输出层之间。
- 这些层中的神经元处理信息，帮助网络学习模式并做出决策。

5. 人工神经网络如何工作？

假设一群孩子通过分享他们的观察来识别一只熊猫。每个孩子专注于特定特征，比如黑白相间的毛发、圆脸和独特的眼睛。单独来看，他们可能无法完全理解熊猫的模样。但通过综合各自的见解，他们形成了集体认知。在人工神经网络的世界里，这些孩子就相当于神经元。

人工神经网络中，单个"神经元"（类似例子中的孩子们）专门负责识别特定特征。
它们共同作用，帮助识别整体概念（熊猫）。
通过反复接触，网络会不断完善其理解，就像孩子们会随着时间的推移不断完善识别熊猫的能力一样。

**输入层（观察）：**每个孩子观察一个方面，比如毛色或脸型，这就构成了我们网络的输入层。
**隐藏层（处理过程）：**孩子们互相传递观察结果，模拟神经网络中的隐藏层。通过信息共享，他们共同构建起对熊猫特征的更全面理解。
**输出层（识别结果）：**最终，他们通过整合所有细节得出结论。如果多数人认为观察到的特征与熊猫相符，就会输出"熊猫"。这个输出层对应着神经网络的最终决策。

评分方法：

为了提高识别能力，孩子们会记录自己的准确率。