像切西瓜一样切出个深度学习来——如何快速理解什么是深度学习

曾经有段时间对于深度学习非常好奇，并去网络上寻找答案，但大部分时候实在是让人失望，因为绝大部分人对于深度学习的解释非常的专业但又晦涩难懂，这使得我一度认为深度学习这种技术是无法被我这种不懂技术的人搞明白的，这让我对于这个概念的理解一直停留在似懂非懂的状态。

然而好奇心驱使我继续寻找答案，直到有一天看到了某位知乎大神的文章，让我彻底明白了，什么是深度学习。

深度学习的概念来自被誉为深度学习之父的Geoffrey Hinton提出的，本质上就是人工神经网络，而人工神经网络就是来自于人脑神经网络的模拟。

相信大家还记得高中我们学习生物时，知道我们的大脑由无数个神经元组成，无数个神经元通过突触等连接起来组成了一个异常复杂的网络，这个网络就是我们的大脑，他的名字就是神经网络。

人类为什么能够具备智能，一直是科学家们希望搞清楚的，虽然至今为止，大脑运行机制仍被誉为最难攻克的难题，但我们已经掌握了大脑的基本运行机制。

于是，致力于制造出人工智能的科学家们，通过各种方法来模拟大脑的运行机制来让冷冰冰的机器具备智能。

随着科技的发展，我们具备了模拟大脑神经元的能力，并通过算法让人工神经元组成了一个很复杂的神经网络，虽然这个人工神经网络远没人脑的复杂，但仍然让我们感觉非常的振奋人心。

到底神经网络是如何工作的，让我们从最简单的开始。

看下图，你知道应该怎么给他们分类吗？(红色代表狗，蓝色代表猫)

是不是从中间切一刀就可以了？跟切西瓜似的！

那么下图呢？(红色代表狗，蓝色代表猫)

稍微复杂些，但切两刀也就够了？好吧，把这个西瓜再切一刀！

如果把二维拓展到三维呢？所需要的也就是多切多少下而已。(论怎么切西瓜更完美)

那么如果只切一刀，我们需要一个神经元就可以了，但随着目标物体越来越复杂，我们就需要更多的神经元了，每个神经元切完之后，就交给下一层的神经元，直到把目标物体分解成最基本的单元，然后再用数学方法完成分类，聚类。

现在我们提到的深度学习，其实要做的事情就是上面提到的分类，拿图像识别来说，它的本质仍然是分类，只不过分类做的很精细而已，越精细就越需要更加复杂的神经网络来处理。

最初图像识别的目标是能够分清是动物还是人，后来能够分清是猫还是老虎，直到现在可以分清具体哪个人了，无论如何，本质都是分类。

而深度学习，就是开发出这样的人工神经网络，让其跟人一样，通过大量数据的自我学习之后，能够具备智能。

这跟一个人通过学习具备某种能力的本质是一样的。

仅有不到7%的公众号还在坚持原创