ai 电脑配置(人工智能需要什么电脑配置)

发布时间:2020-10-15 19:24

从010年到1010年,人工智能的许多进展都是新的统计模型,其中大多数来自一种叫做人工神经网络(简称ANN)的技术。这项技术大致模拟了人脑的结构。值得注意的是,人工神经网络和神经网络是不同的。很多人为了方便,在“人工神经网络”中省略了“人工”一词,这是不准确的,因为“人工”一词是用来区别于计算神经生物学中的神经网络的。这是真正的神经元和突触。

我们的人工神经网络有一个叫做“神经元”的计算单元。这些人工神经元由“突触”连接,其中“突触”指的是权重值。这意味着给定一个数,一个神经元会进行某种计算(比如sigmoid函数),然后计算结果乘以一个权重。如果你的神经网络只有一层,加权结果就是神经网络的输出值。或者,可以配置多层神经元,这是深度学习的基本概念。

它们起源于哪里?

人工神经网络不是一个新概念。事实上,它们在过去并不被称为神经网络,它们的最早状态与我们今天看到的完全不同。在20世纪60年代,我们称之为感知器,它由麦卡洛克-皮茨神经元组成。我们甚至有偏差感应机。最后,人们开始创造多层感知器,也就是我们今天通常听到的人工神经网络。

如果说神经网络始于20世纪60年代,为什么直到今天才流行起来?这个说来话长。简单来说就是有一些原因阻碍了ANN的发展。例如,我们过去没有足够的计算能力来训练这些模型。使用神经网络是不舒服的,因为它们似乎表现得很随意。但是上面提到的每一个因素都在变化。如今,我们的计算机变得更快、更强大,并且由于互联网的发展,我们可以使用各种数据。

它们是如何工作的?

我提到了运行计算的神经元和突触。你可能会问,“他们是如何学习执行哪种计算的?本质上,答案是我们需要问他们很多问题,给他们提供答案。这叫监督学习。有了足够多的“问答”案例,存储在每个神经元和突触中的计算和权重可以慢慢调整。通常,这是通过一个称为反向传播的过程来实现的。

扫一扫关注微信