这一期我们先看AI入门，也就是实现AI的总体思想。在聊AI的时候，我们将以图像识别为例子（因为图像识别比语音识别要简单，但是语音识别的思想也是和图像识别一样，语音识别在最后的循环神经网络再聊）。
开始搞吧
OK，现在开始，现在我给你一个任务，让计算机来识别一张图片里面的一只狗，你的想法是什么？正常人的思维是这样的。
- 第一步：定义一只狗，然后输入计算机。
- 第二步：将狗的图片输入计算机，
- 第三步：将狗的图片信息和第一步中定义好的信息做对比，如果符合定义就输出是狗，如果不是就输出不是狗。
从古至今，人类在计算机领域的研究都是这么干的，包括现在的AI，但是与传统的机器识别相比，在第一步有本质的变化。传统识别中，我们是人为定义一只狗，比如颜色，大小，品种，毛的形状等等。但是在AI中，我们人类是不参与这些定义的，而是让机器自己学习这些信息，我认为这是本质区别。也就是说，这带来了一个新的概念，就是机器自己学习，学习怎么去区分一个东西，也就是进行分类。
如果让机器学习分类，那么我们先必须了解人类的大脑是怎么给物体分类的。这里不说生物学的研究历史，我们只看宏观概念，只看结论。
人类大脑在理解一只狗或者一只猫的时候，其实是对动物进行分类的。比如我们用数学中的坐标系来表示，我们人类认为的狗在红点位置（当然，哈士奇，藏獒等不同品种的狗也在红色点的不同位置），认为猫在蓝色位置，认为牛在绿色位置。
这个位置分类，是你的大脑从出生到现在一直学习的过程，只不过这些学习不受你的意识控制，是大脑完成的结果，所以你感受不到。当你看到一只狗的时候，你就会立马对应到红色区域，然后大脑告诉你，这是一只狗。也就是说，各种动物在大脑中对应的位置是不一样的。所以我们只要让电脑，也会这样的分类就可以了。
那该怎么分呢，对，我相信你肯定猜到了，就是在不同颜色之间画一条线，如果给的图片是一只狗，那么图片信息就落在这条线的右上方。所以我们的目的就是找到这么一条线来把狗单独分类出来。这个找线的过程就是计算机学习的过程。
这条线该怎么表示呢？或者说，这个例子的数学基础是什么呢（不要怕，很简单的）？在数学中这是一次函数的标准公式，就是y=kx+b，其中x是输入，y是输出。K控制斜率，b控制偏量。当k，b这两个参数变动时，这条线的位置和形状也会变动。所以用k和b可以画出任何形状的直线。
所以我们就把计算机识别狗的问题转换为找到一条合适的线，也就是找到合适的k和b，让这条线把狗的分出来。
于是，我们输入狗的信息x，在这条线的控制下，就能达到输出的y是在红色区域（也就是狗的区域），这不就达到我们的预期了吗？bing-go，继续
唉，我还要唠叨一会儿，在机器学习中，我们经常遇到拟合的概念，那啥是拟合呢？
Excel图表总该使用过吧，我们假设下图左边你们公司的一年的12个月的收入，然后可以根据这12个点来求出一条线，这些点到这条线的距离是最短的（也就是说是误差最小的）。那么这条直线就是拟合出来的线。当然，有线性拟合，比如我们上面举的例子。也有非线性拟合（就是拟合出来是一条曲线），比如下右图。为了方便，我们只聊线性拟合。
所以上面的例子如果用拟合的概念来解释，就变成了这个样子。我们将狗的这些点，拟合出来一条线，将猫的这些点拟合一条线，将牛的这些点拟合一条线。所以，在坐标系中就有了三条线，而且这三条线都是直线，可以用y=kx+b来表示。
当我们输入一张图片，也就是x，然后分别带入到三个公式中，求出3个y值，看看这个y值离哪个区域最近，机器就判断是狗还是猫，还是牛。
其实分类和拟合是对同一现象的不同角度解释。大家只需要理解就够了，因为在看新闻的时候可能会遇到这个概念。当然，你可能会看到更复杂的“xxxxxx拟合”，那只是拟合方法不同，目的是更快的找出拟合线，但是结果是一样的。
那么问题来了，我们怎么让计算机得到上述的拟合线呢？
OK，现在给你一个任务，给你一张只有4个像素的图片，里面画一只狗（不要跟我抬杠，我知道4个像素不能画一只狗，但是好说，你容易理解），这是输入。而且，为了方便，我们假设是黑白照片，不是彩色照片（其实彩色，黑白都是一样的，只不过会复杂一些，先聊黑白，再聊彩色）。
我们在输出端有三个输出，狗，猫，牛。我们希望得到的是输出三个值，而且狗的这个数值会更大，也就是下图这个模型。
我们还是套用上面的公式y=kx+b，输入x是4个像素，输出是三个数值，分别对应猫，狗，牛。与上面拟合例子不同的是，x不是一个值，而是4个像素的灰度值（一个0~255的数字，大部分都是这样子的，不信打开ps来看看），我们把这四个像素值排成一列。然后把输出值也排成一列，最后套入y=kx+b这个公式。于是，我们就得到了这个模型
模型中，用w代替k，而且换了一个名字，叫做权重（weight）。而且这个时候x，y，w，b已经不是一个数字，而是一个矩阵（真的很难解释矩阵的概念，其实就是一排一排的数字）。我们不能改变x，因为我们已经输入了4个像素。而且最后希望y1的值比y2，y3要大。所以我们只能改变w和b，寻找出最适合上述条件的w和b的值。
如果还有疑问，那我们就先看个例子。
假设我们输入的是最左边的矩阵，就是上面的例子。已经找出w和b是下面图形，
然后用输入乘以w再加上b，那么输出就是（98,3,-2）。哇塞，狗的得分最多哎，binggo，就是这个w和b的配置了。如果再换四个像素，里面还是画了一只狗，再带入w和b的公式，还是狗的得分最多，就更加认为这个w和b的分配是对的。如果所有狗的图片都满足这个条件，那么这个w和b就是完美的。这个过程会涉及到矩阵的乘法和加法，其实很简单，我在这里就不多说了，大家可以百度一下。
所以机器学习/深度学习的最终目的就是解方程，给你很多图片，也就是很多x和y，然后解这个y=wx+b的方程，求出（或者说拟合出）最好的w和b的值，这个过程就是所谓的训练，将训练好的方程，投放到市场（这个时候其实已经很准确了），供终端用户使用。当然，在用户端肯定也会有错误，没关系，随着终端用户提供的x和y越多，得到的w和b就更准确，结果也就更准确。
在上面的例子中，我们是通过人的眼睛来判断最终结果是好是坏，输入狗的照片得出结果是（98,3,-2），98是最大的，所以输出结果好.那么如果输出是（87，-10，-12）呢？这两个结果哪个比较好？我们该使用哪一组对应的w和b的值？
这个时候，我们就引入了损失函数的概念。损失函数表示的是，我们这个分类器拟合出的这条线和真实值之间的距离大小，损失函数的值越小，就表示我们拟合的越好，w和b的取值就越好。所以求w和b的过程就是，尝试一种w和b的组合，得出y值和损失函数的值，如果这个损失函数足够小，我们就认定，这组w和b的组合是好的。
当然这里面存在过拟合和欠拟合的情况，我们这里就不做过多介绍了，我觉得如果不是吃AI这口饭，不去撸算法，知道损失函数就足够了。
通过上面的内容，我相信你已经了解了大概思想，我们再聊一下计算机是怎么求出w和b来的，总不能计算机自己生成随机数，一个一个试吧，那要试到猴年马月。这个时候人类就发明了反向算法这个概念。这个可是人工智能最伟大的一步，如果没有它，我们也不会这么快就接触到AI。
那反向算法是个什么鬼呢？其实很简单，想象一下你正在下山，一步只走一个台阶。如果山比较陡，你一个台阶下去，你会感觉下降很多，如果极端点，就是一步掉悬崖。如果山不陡，你就感觉像是走平地。所以如果我们需要用最快的方式下山，就要走比较陡的地方。比如下面这个图形，这是一个山坳，中间低，我们的目的就是从周围走到中心最低的位置（因为损失函数越低越好啊）
换到数学上，山陡不陡是斜率影响的，山越陡，斜率就越大。所以我们只走斜率大的路就ok了，这是最快的下山方法。换到人工智能模型，我们需要做的就是稍微改变w的值，然后求出损失函数的值，然后反向微积分，得到这个斜率。假设w值变小时比w值变大时，损失函数减少的多（代表斜率大），那么我们就继续调小w值，这样才能用最快的速度的得出损失函数最小的时候所对应的W和b的值。
我们在用这种方法求时，假设对应的最终损失函数是0，也就是到了100%准确率的时候，随便在网上找一只狗，输入计算机，肯定狗的分数最高,那这个w和b的组合是完美的。但是可能还有新的问题。有可能会出现有两组或两组以上的w和b的值，对应到损失函数是相等的且是最小的。那我们到底该选择哪一组呢？一般情况下，我们尽量选择w不为0，而且尽可能小的值，因为我们希望，w中的每个参数都会对结果又影响，所以不能为0。至于w为什么尽可能小，唉，又是一堆数学推导，我还是不说了，了解一下就好了。
OK，这就是最基本的人工智能入门，虽然有些地方不太准确，但是可以按照这个思想来理解人工智能。
来源：半导体产业园
/2 
