天才一秒記住【閃文書庫】地址：www.shanwen.tw
的呢？
實際上機器學習並不是非常新的概念，從幾十年前，人類就試圖讓機器自己學習事情，但受限於演算法和當時的計算速度，機器學習的步子一直都不快。
“阿爾法狗”的演算法叫“深度學習”，它的前身是“神經網路學習”，也是幾十年前就誕生的演算法，當時流行過一段時間，後來被一篇著名的論文打消了熱度，再加之學習效果不算好，於是遭受冷遇幾十年。在與“阿爾法狗”的創始人相遇之前，“神經網路”並不是眾望所歸。
“神經網路”是什麼演算法？“深度學習”又是怎樣將其點石成金的？
“神經網路”是一種“民主投票”演算法，效仿大腦的神經網路建成。大腦的神經網路是這樣工作的：一個神經細胞接收很多個神經細胞的訊號輸入，一個刺激訊號相當於贊成票，一個抑制訊號相當於反對票，如果某個細胞收到的贊成票和反對票合起來大於某一個門檻，就算是透過了，會有一個訊號發出去到下一個神經細胞。一路贊成的刺激訊號就這樣一程程傳遞下去。神經網路演算法是數字版腦神經網，用數字連線形成網，而其中的投票機制和大腦相似。它可以讓訊號在整個學習網路裡傳播，比單路訊號分析複雜很多，也智慧很多。
“深度學習”是什麼呢？“深度學習”是“深度多層神經網路學習”的簡稱。深度是指層次多，一層套一層的神經網路，構成整個演算法的深度。層與層之間的關係，大致是這樣：每層神經網路分析的精細程度不同，底層分析細節，上層做出判斷。將一個整體任務分解成無數細節，給一個輸入，底層神經網路會分析基礎細節，然後將分析結果傳給上一層網路，上一層網路綜合之後再將結果傳給更上一層的網路，而頂層網路綜合層層傳來的結果，做出判斷。例如，想讀出一個字，底層網路會判斷字裡有沒有橫豎撇捺，上一層網路會判斷字裡有沒有直角，再上一層網路判斷是不是由左右兩部分拼成一個字，諸如此類，最上層的網路根據層層結果認出這個字。這種多層判別本身是效模擬實人類的大腦，人類大腦就是由一層層神經網路組成，每一層網路識別訊號，再將處理結果傳遞到上一層。人類皮層大腦的神經網路層次大約有六層。“深度學習”網路可以有上百層。
換句話說，“深度學習”就是把從前的“神經網路”重疊了多層。
就是這樣嗎？僅僅把“神經網路”疊了多層，就從受人冷遇的小人物變成了江湖明星？故事有這麼雞湯嗎？
當然不是這麼簡單。“深度學習”這次能煥發
本章未完，請點選下一章繼續閱讀！若瀏覽器顯示沒有新章節了，請嘗試點選右上角↗️或右下角↘️的選單，退出閱讀模式即可，謝謝！