浅谈人工智能（下）

书接上文，今天让我们来谈谈神经网络。最初提出神经元模型的是上面的这两位老兄，他们提出了MP（他们两位名字的合写）神经元模型。

采用简图描述就是一个神经元，其从上游神经元获得若干输入（a1、a2、a3等），对这些输入设定权值（w1、w2、w3等），然后进行运算，得到结果Z。他们研究发现，神经元自身会通过调整某个权值来改变最终的运算结果Z。这一模型成为随后三代神经网络的理论基础。

第一代是感知机；

第二代是BP(反向传播,Back-propagate)神经网络；

第三代就是现在应用广泛的CNN、RNN等神经网络；

25种神经网络模型

这些网络模型看起来五花八门，如果深入研究会发现有很多共同之处。比如几乎都有输入层、隐含层及输出层；层与层之间进行连接等。主要区别在于连接方式上，有些是全网全连接、有些层间全连接，有些则是层间局部连接。

就拿上图的DCN（深度卷积网络）为例，为了减少运算量，输入层与隐含层进行局部连接，通过不断的卷积、池化，图像关键特征被提取出来，最后经过一个全连接层进行最终的分类。DCN只不过是CNN(卷积神经网络)的另外一种叫法。

[神经网络实战]

源代码来自GITHub网站，有兴趣的同学可以从如下连接获取源代码https://github.com/burness/tensorflow-101/tree/master/chinese_hand_write_rec/src

中科院自动化所（CASIA）对外发布了一套手写字库并且已经完成标注。GitHub上的代码就是使用这套字库进行的手写识别训练。

1、字库采用GNT格式编码，文字的图像信息及标注（tag_code，其实就是图片对应汉字的GBK编码）信息被编码在这些GNT文件中。我们借助data_to_png.py代码将其转换为PNG文件。这个转换过程很有趣，其按照tag_code对图片进行分类归档。比如创建文件夹“00000”，将汉字“一”所有的手写图片都放在这个文件夹下；其余手写图片按照类似方式处理。

但因为汉字“一”的GBK编码并不是“00000”，所以，转换函数还生成一个无扩展名的文件（char_dict），按照理解应该是“00000”与汉字“一”GBK编码的对应关系。

下图是对汉字“乒”的归并处理结果样例

2、然后就是训练，运行chinese_rec.py，就可以看到程序不断有输出信息，告诉当前训练的成果，比如图片识别准确率0.0001...................0.82等。我在GPU环境下，训练一个下午，可以得到准确率在80+%的训练结果。

chinese_rec.py文件中与神经网络模型相关的关键代码如下：

def build_graph(top_k):

......

完成第一次卷积与池化

conv_1 = slim.conv2d(images, 64, [3, 3], 1, padding='SAME', scope='conv1') max_pool_1 = slim.max_pool2d(conv_1, [2, 2], [2, 2], padding='SAME')

完成第二次卷积与池化

conv_2 = slim.conv2d(max_pool_1, 128, [3, 3], padding='SAME', scope='conv2')

max_pool_2 = slim.max_pool2d(conv_2, [2, 2], [2, 2], padding='SAME')

完成第三次卷积与池化

conv_3 = slim.conv2d(max_pool_2, 256, [3, 3], padding='SAME', scope='conv3')

max_pool_3 = slim.max_pool2d(conv_3, [2, 2], [2, 2], padding='SAME')

......

经过全连接得到图片是什么的概率

最终程序得到CheckPoint文件，我们借助这个文件进行新的手写汉字识别，效果还可以，能够一定概率识别出汉字是什么。

[思考]

chinese_rec.py的训练函数在整个训练过程中没有访问char_dict文件，而这个算法又宣称是监督学习，那所谓的监督又从何而来？

其实对于训练程序而言，其是拿着那个文件夹的名字（比如 “00000”）来理解这个汉字是什么。在推理阶段，首先将新的手写字图片对应到这些编码上（比如“00000”、“03729”等），为了让人可以看懂，再从char_dict文件中找到对应“00000”的汉字是什么，给人看的就是“一”。

此时，我们还觉得机器是否真的具有智能？真是大打折扣，灰心丧气。其只是具备基于特征的一种机械式概率回馈。

与同事交流此事时，有些同事认为这也是一种智能，只是机器与我们理解的物质本质有差别而以，其不是已经认出这个字是什么了，如果再给其配备一个强大的知识库，其就可以讲出“一”到底是什么。

记得之前看过一个蓝绿色盲的例子。某人对于蓝绿两色的认知与普通人正好相反，但是在真实的测试中，较难测试出来。比如遇到绿灯，他也会停下来，但在他的大脑认知里，映射的是常人所说的“蓝色”，而他从起始认知时，就被人告诉这就是绿色。

与之类似的情况在真实社会上普遍存在，比如讨论问题时，我们问“你是否明白”，对方坚定的说“我明白”。但我们又如何真的知道其明白，即使明白也是我们认为的明白。

物自体是德国古典哲学家康德提出的哲学的一个基本概念。它指认识之外的，又绝对不可认识的存在之物。它是现象的基础，人们承认可以认识现象，必然要承认作为现象的基础的物自体的存在。

桌子在我脑海里的理解真的和你脑海里的理解一样吗？好吧，再聊就要上升到宗教了。就此打住。

[总结]虽说机器已经可以识别汉字，但其尚未具备真实思考能力，只是一种机械式的特征反馈，期待真正的人工智能时代到来。

[附录]

GitHub上的这套代码，因其设定的神经网络层次比较浅，汉字识别准确率有限。为了进一步提升汉字识别准确性，还需要多借鉴下业界的成功模型，比如VGGNet等。

VGGNet由牛津大学的视觉几何组（Visual Geometry Group）提出，是ILSVRC-2014中定位任务第一名和分类任务第二名。其突出贡献在于证明使用很小的卷积（3*3），增加网络深度可以有效提升模型的效果，而且VGGNet对其他数据集具有很好的泛化能力。