聪明宝宝培养计划:007——了解人工智能

每个人都应该去了解人工智能!
本章将用极其简易的知识来介绍人工智能是怎么一回事,保证连初中生都可以看得懂的那种~

按我们门派的规则,每个观点都必须举证,不管观点多么正确,或提出观点的人是谁。
所以接下来,我必须举证:每个人都应该去了解人工智能

人工智能是怎么来的

人工智能是神经学家、数学家、数学研究生合作的成果:

  1. 神经学家研究大脑的构成和机制。
  2. 数学家按神经学家的研究建立模型。
  3. 会编程的数学研究生实现数学家建立的模型。

这里的数学研究生是指拥有丰富数学知识,并又略懂编程的人。
至于为什么会这么说,下文会讲。

从上面可以看出,人工智能之所以能取得现在的成果,表明了神经科学和数学家的研究结果蛮符合我们大脑的构成和机制。
得出:了解人工智能 就是 了解大脑的构成与机制。

因为:每个人都有大脑
所以:每个人都应该去了解人工智能 = 每个人都应该了解自己大脑构成和机制

举证完毕,谢谢大家。

接着就是如何做到让神经学家和数学家的研究成果,保证连初中生都可以看得懂的那种

让 数学家 = 小学生

读小学时,我们就会用 2πr 来计算圆的周长,
2πr 这条公式是怎么来的,要等我们学了高等数学中的微积分才能推导出来。
然而在应用层面上,无论小学生还是博士生在计算圆的面积的时都是用 2πr 这公式。
而既然谷歌开源了它的人工智能工具 Tensorflow,那么把封装当作信条的程序员,绝对会屏蔽一些极其复杂的东西,让大部分人都可以运用。

《周易·系辞上》:“引而伸之,触类而长之,天下之能事毕矣也。”
《乾》:“六爻发挥,旁通情也。”后以“触类旁通”谓掌握了某一些事物的规律,就能推知同类事物。

所以我将我看到的人工智能知识进行 封装类比,从而保证连初中生都可以看得懂的那种

封装思维还可以用来创业,这里留坑,以后再谈

初中时候的知识

在读初中的时候,我们都解过下面的数学题:
已知方程 y=kx+b
x=6 时,y=15
x=8 时,y=19;求kb的值(本质是求方程的具体样子)

15=6k+b
19=8k+b

消元法 解得:k=2b=3
所以方程是:y=2x+3 (我们得到方程的具体样子,然后提供新 x=5 时,就得到 y=13 )

把上面的描述改变成下面的话,请念三遍,你就明白什么是人工智能了!

定义一方程 y=kx+b
当输入 x=6 时,y=15
求这方程 y=kx+b 具体是怎么样的?

定义一方程 y=kx+b
当输入 x=6 时,y=15
求这方程 y=kx+b 具体是怎么样的?

定义一方程 y=kx+b
当输入 x=6 时,y=15
求这方程 y=kx+b 具体是怎么样的?

特别说明,无论你定义的方程多复杂,都不用你求解方程,不用你解方程,不用你解方程~
你只要像初中数学老师一样,布置作业就好了,而且查作业只说做得好还是做得不好,不用教学生解方程,不用教学生解方程,不用教学生解方程~

由于高中开始,公式方程有个更广泛的称呼:函数
所以接下来都会用函数的叫法代替方程的叫法,
因此上面的问题也可以用下面函数表示法来表述问题。

当 f(6) = 15
当 f(8) = 19
求 f = ?; 这个 f 函数是怎么样的?
答 f 这个函数的形式是:y = 2x+3

数学家的建模

神经学家现代机器扫描人的大脑,得:

神经网络

神经网络

神经网络

神经网络

神经网络

以上都是大家在生物课本上看到过的,
接下来是重点,我们来看看数学家们是怎么建模的

神经网络

上图有太多的 x 和输入的 y,
我们首先来思考一个 x 输入和一个 y 输出的简单情况
神经网络

之所以,这样建模,是目前神经学家还不知道细胞核内是怎么运作的。

另外,细胞核所代表是函数 f 是怎么样的,并不是人一出生就固定的,
而是后天调节形成的!!
是后天调节形成的!!
是后天调节形成的!!

想象一下,你指着一只猫教一个孩子叫做“猫”,那么以后该孩子看到猫就会说是“猫”
神经网络

你指着一只猫教一个孩子叫做“猴子”,那么以后该孩子看到猫就会说是“猴子”
神经网络

这里再用人的行为来解释一下:

在古代,普通人看到英国王族,那么就会下意识地下跪,
看到 英国王族(输入) → 下跪(输出)

但现代的人看到英国王族,下意识的反应会合照,签名,发朋友圈三连。
看到 英国王族(输入) → 合照,签名,发朋友圈(输出)

同应的输入,但经过不同训练后神经细胞则会得到不同的答案。

我们用数学来模拟这个调节过程,由于细胞核可以代表任意 f,
那么我们就用最简单的函数表述就好了~

已知方程 y=kx+b,当 x=6 时,y=15,求kb的值。

x 假设方程 假设方程值(预测值) 真实值 评估
6 _y=1x+1 _y=7 y=15 预测值真实值 相差甚远
6 _y=2x+2 _y=14 y=15 预测值真实值 很接近了
6 _y=3x+3 _y=21 y=15 预测值真实值 超过了
6 _y=2.1x+2.3 _y=14.9 y=15 预测值真实值 超接近了

于是大概解得:k=2.1b=2.3,也就是函数是: y=2.1x+2.3
上面说了,当 x=6 时,y=15,我们将 6 函数 y=2.1x+2.3
得 2.1x6+2.3 = 14.9, 但与 15 不匹配,那是因为这个建模还没完成…

我们看回图,信息经过细胞核后,还要经过一段很长的 Axon(轴突)
神经网络

在人工智能中是用权重或激活函数来代表 Axon(轴突),但这里我们用经验这个词,
于是得下面

x 假设方程和值 经验(四舍五入) 理想方程和值 是否匹配
4 2.1x+2.3=10.7 10.7 → 11 2x+3=11
5 2.1x+2.3=12.8 12.8 → 13 2x+3=13
6 2.1x+2.3=14.9 14.9 → 15 2x+3=15
7 2.1x+2.3=17 17 → 17 2x+3=17
8 2.1x+2.3=19.1 19.1 → 19 2x+3=19
9 2.1x+2.3=21.2 21.2 → 21 2x+3=21
50 2.1x+2.3=107.3 107.3 → 107 2x+3=103 x

为什么需要经验,下章讲,这里留坑

我们已经对一个脑细胞进行建模,那么大脑又应该怎么建模呢?

神经网络

神经网络

一个函数是:y=kx+b
那么一组函数就可以表示成如下图所示:
矩阵

然后由于我们的大脑的网络神经是一个连接一个,也就是多层的,所以就如下图所示:

矩阵

然后 w11w45 都有比较适当(注意,是适当)的值,那么就是一个不错的人工智能了。

为什么是适当的值,而不是像初中求解方程(函数)那样如消元法,得到正确的方程(函数)?

假设我们在一张 28像素 28像素 上面写一个数字,要人工智能判断我们写的数字是多少?
我们需要先构造一个矩阵,然后将 `28
28=784x` 作为输入值传给这个矩阵(人工智能),

mnist单层神经网络

我们的眼睛至少是 1000像素 级别的,所以我们随便扫看一下,最少有1000*1000=1百万x 作为输入值传给我们的大脑,而我们的大脑有 860亿 个神经细胞,也就是有 860亿 个方程(函数),消元是不可能消元的,这辈子都不可能消元;调节,如同进化论,适应者生存。

观看下图,感受一下什么叫调节,数字是会变动的:
神经网络训练

人工智能如此简单

  1. 第一步:创造人工智能(假设图片识别)

    • 怎么创造?定义人工智能的大脑
    • 怎么定义?用神经网络
    • 怎么描述神经网络?用矩阵
  2. 第二步:训练人工智能

    • 怎么训练?提供(图片)材料让人工智能训练
    • 目的?让矩阵有适当的值,和适当的经验

总结与展望

没有研究生以上的数学知识的确没有机会去创造人工智能,让我们将注意力放在生物学家对大脑的研究上,了解我们的大脑是怎么运作的,还有,每个人都会为人父母,也就是说,你将会创造出史上最强的“智能”,那么接下来,你将会怎么训练呢????

下一章将解释机器训练——对应大脑在学习过程中的变化,看看神经学家们发现了什么,数学家们又是如何建模。
或许你会找到聪明的定义,何为聪明。

目前人工智能应用最好的是翻译,所以你也许能找到学习外语的最好方式~

觉得文章对您有帮助,请我喝瓶肥宅快乐水可好 (๑•̀ㅂ•́)و✧
  • 本文作者: 阿彬~
  • 本文链接: https://iweixubin.github.io/posts/smart-bb-training-plan/learn-about-ai/
  • 版权声明: 本博客所有文章除特别声明外,均采用 BY-NC-SA 许可协议。转载请注明出处!
  • 免责声明:本媒体部分图片,版权归原作者所有。因条件限制,无法找到来源和作者未进行标注。
         如果侵犯到您的权益,请与我联系删除