非科幻思考（第3页）

“阿尔法狗”

究竟是如何做到自我学习的呢？

实际上机器学习并不是非常新的概念，从几十年前，人类就试图让机器自己学习事情，但受限于算法和当时的计算速度，机器学习的步子一直都不快。

“阿尔法狗”

的算法叫“深度学习”

，它的前身是“神经网络学习”

，也是几十年前就诞生的算法，当时流行过一段时间，后来被一篇著名的论文打消了热度，再加之学习效果不算好，于是遭受冷遇几十年。

在与“阿尔法狗”

的创始人相遇之前，“神经网络”

并不是众望所归。

“神经网络”

是什么算法？“深度学习”

又是怎样将其点石成金的？

“神经网络”

是一种“民主投票”

算法，效仿大脑的神经网络建成。

大脑的神经网络是这样工作的：一个神经细胞接收很多个神经细胞的信号输入，一个刺激信号相当于赞成票，一个抑制信号相当于反对票，如果某个细胞收到的赞成票和反对票合起来大于某一个门槛，就算是通过了，会有一个信号发出去到下一个神经细胞。

一路赞成的刺激信号就这样一程程传递下去。

神经网络算法是数字版脑神经网，用数字连接形成网，而其中的投票机制和大脑相似。

它可以让信号在整个学习网络里传播，比单路信号分析复杂很多，也智能很多。

“深度学习”

是什么呢？“深度学习”

是“深度多层神经网络学习”

的简称。

深度是指层次多，一层套一层的神经网络，构成整个算法的深度。

层与层之间的关系，大致是这样：每层神经网络分析的精细程度不同，底层分析细节，上层做出判断。

将一个整体任务分解成无数细节，给一个输入，底层神经网络会分析基础细节，然后将分析结果传给上一层网络，上一层网络综合之后再将结果传给更上一层的网络，而顶层网络综合层层传来的结果，做出判断。

例如，想读出一个字，底层网络会判断字里有没有横竖撇捺，上一层网络会判断字里有没有直角，再上一层网络判断是不是由左右两部分拼成一个字，诸如此类，最上层的网络根据层层结果认出这个字。

这种多层判别本身是效仿真实人类的大脑，人类大脑就是由一层层神经网络组成，每一层网络识别信号，再将处理结果传递到上一层。

人类皮层大脑的神经网络层次大约有六层。

“深度学习”

网络可以有上百层。

换句话说，“深度学习”

就是把从前的“神经网络”

重叠了多层。

就是这样吗？仅仅把“神经网络”

本章未完，点击下一页继续阅读