第17章 我是谁？(10/13)

一张照片放大后是由一个个微小的像素组成，不同灰度的像素排列组合形成了图像，眼睛看到世间万物的原理也是如此。光反射进眼睛被视网膜中的光敏细胞捕捉，光敏细胞将光信号转换为电信号，通过视神经传递到大脑的视觉皮层，进而重构出看到的图像。福岛邦彦所做的就是用计算机模拟这一过程。

    下面介绍一下神经网络的工作原理。以识别阿拉伯数字“3”为例，先扫描手写数字得到 28x28 像素的图像，将每个像素点对应一个神经元，共 784 个神经元，用 0 到 1 之间的数字标记，0 代表最黑，1 代表白色，中间灰度用不同数值表示。这 784 个神经元构成输入层，相当于人眼的光敏细胞。最后一层是输出层，假设有十个神经元对应 0 到 9 这十个数字。中间的层是隐藏层，通常不止两层，隐藏层越多神经网络越复杂，大脑也是如此。手写数字存在一定模式，比如数字 9 可看成一个圈加一个数，数字 8 是在一个圈下再加一个圈，数字 4 可看成竖竖横三个部分。以 9 为例，当它出现时会点亮下一层认为接近圈和数的神经元，大概有 8 到 10 个神经元被点亮，然后进入倒数第二层确认代表圈和数的神经元，最终在输出层得出结果。但实际上，仅从输入层计算复杂的非线性问题难度很大，于是计算机专家想到了人脑的经验机制。比如“杯弓蛇影”，弓的倒影和蛇相似，经验会影响判断，输出端也会反过来影响大脑对事物的认知。在图像识别中，当机器识别手写数字 2 时，可能会认为 3 和 6 的可能性最高而给出错误结果，这时可通过人工在输出层给出新权重，将 2 打成最高分，其他数字为 0，反向输入后机器就能学会识别类似的手写 2，这种训练方法就是反向传播，它是深度学习的核心训练方法之一。然而，神经网络存在“黑箱”问题，它由多层神经元组成，大量参数相互作用，决策基于统计规律，人类难以理解其逻辑，也很难解释每一层学习到的含义。人类大脑约有 860 亿个神经元，通过约 100 万亿个神经突触相互沟通协作，其运作原理同样神秘。

    2017 年，谷歌的八位计算机专家发表了具有跨时代意义的论文《注意力机制是唯一需要的》，提出的 transfo
本章还未完，请点击下一页继续阅读>>>