從“瞎子摸象“到“火眼金睛“：深度學(xué)習(xí)這場魔術(shù)，如何讓機(jī)器讀懂世界？

想象一下，你拿一張貓的照片，給一個從沒見過貓的外星人看，它會一臉茫然。但你自己看一眼就知道：“喔，這是我家主子！”

這種“秒懂”的能力，人類習(xí)以為常，卻讓科學(xué)家花了整整半個世紀(jì)才教會機(jī)器。這場教學(xué)的秘籍，叫做“深度學(xué)習(xí)”。今天我們就一起來揭秘“深度學(xué)習(xí)”這本魔法秘籍。

1

教機(jī)器認(rèn)貓，就像教3歲小孩

假設(shè)你要教一個3歲小朋友認(rèn)識“貓”，你不會遞給他一本《哺乳動物分類學(xué)》，而是會指著小區(qū)里的流浪貓說：“看，毛茸茸、會喵喵叫的就是貓！”

下次見到英短，你會說：“這也是貓，只是臉扁扁的。”再下次見到暹羅貓，你又說：“這還是貓，只是顏色不同。”

深度學(xué)習(xí)做的，就是這件事：教機(jī)器學(xué)習(xí)足夠量的樣本，訓(xùn)練出自主學(xué)習(xí)能力。

不同的是，它用數(shù)學(xué)代替了媽媽的溫柔教導(dǎo)。我們把成千上萬張貓的照片喂給計算機(jī)，就像給小孩看無數(shù)只貓。

一開始，機(jī)器完全懵逼——在它眼里，每張圖都是一堆數(shù)字（像素值）。

但神奇的地方來了：

我們告訴它：“第一張是貓，第二張是狗，第三張還是貓...” 就像媽媽不斷指正，機(jī)器內(nèi)部有數(shù)百萬個“小旋鈕”，每看錯一次，它就偷偷擰一下這些旋鈕。

看了100萬張貓后，這些旋鈕的組合，竟然真的學(xué)會了“貓”的精髓！這個過程叫“訓(xùn)練” ，那些旋鈕叫“參數(shù)” 。

但你可能會問：幾百萬個旋鈕，到底要怎么擰才能不打架？這就需要一個天才的組織架構(gòu)——神經(jīng)網(wǎng)絡(luò)。

2

神經(jīng)網(wǎng)絡(luò)——一個瘋狂的快遞分揀中心

深度學(xué)習(xí)的工作原理藏在“神經(jīng)網(wǎng)絡(luò)”里。別被名字嚇到，它其實(shí)就是個超級快遞分揀中心而已。

想象你有個巨大的快遞分揀站：

• 輸入層：卸貨口，所有包裹涌入

• 隱藏層：幾百個分揀員分工協(xié)作，每個只認(rèn)一種特征

分揀員A：專看“有沒有尖耳朵”

分揀員B：專查“有沒有胡須”

分揀員C：專找“有沒有喵喵叫”

• 輸出層：最終打包處，匯總所有分揀員的信息，得出結(jié)論：“是貓！”

深度學(xué)習(xí)的“深度”，就是隱藏層特別多，不是三五層，而是幾百層。

就像偵探破案，第一層分揀員只能看到“尖耳朵”這種表面線索，第五十層可能已經(jīng)推理出“這是哺乳動物”，第兩百層則能升華到“這是寵物，可能主人在附近”。

更顛覆的是，這個快遞分揀中心不是工程師設(shè)計的，而是機(jī)器自己“長”出來的特征提取功能。

3

特征提取——懂的都懂

深度學(xué)習(xí)最牛的魔法，是自動提取特征。

傳統(tǒng)編程就像應(yīng)試教育：老師告訴你“貓=尖耳朵+胡須+喵喵叫”。但問題來了：無毛貓沒毛，折耳貓耳朵不尖，機(jī)器就傻眼了。

而深度學(xué)習(xí)則像聰明學(xué)生自己總結(jié)規(guī)律：我們不告訴它任何規(guī)則，只給照片和答案。

它自己發(fā)現(xiàn)：“哦，原來貓的本質(zhì)是“臉部三角形輪廓”+“特定瞳孔形狀”+“獨(dú)走步法”...這些人類都說不出的特征！”

特征提取，其實(shí)人早就擁有這個能力。

這就像你品酒時，你不會背“紅酒=葡萄+酒精+單寧”這種定義，而是嘗過100種酒后，你的舌頭自動形成了“醇厚”、“回甘”、“單寧感”等說不清道不明的感覺。

下次喝到假酒，你一口就能吐出來，但讓你說為啥，你又說不清，因為你的“神經(jīng)網(wǎng)絡(luò)”已經(jīng)提取了超越語言的高級特征！

而其實(shí)看懂照片還只是第一步，人類真正的絕技是“讀懂”那些看不見摸不著的符號—文字。而這，也才是深度學(xué)習(xí)最魔幻的表演——把世界變成坐標(biāo)。

4

從“看懂”到“讀懂”——把世界變成坐標(biāo)

照片是“看”，文字是“讀”。深度學(xué)習(xí)如何讓AI“讀懂”世界？

秘訣是：萬物皆可向量化，我把世界變坐標(biāo)。

想象你是個外星人在地球?qū)W中文，你不可能直接理解“我愛你”這三個字的含義，但你可以發(fā)現(xiàn)：

• “我”經(jīng)常和“要”、“是”、“能”在一起

• “愛”經(jīng)常和“喜歡”、“想念”一起出現(xiàn)

• “你”總是出現(xiàn)在句尾，前面是動詞

久而久之，你雖然沒有“心”，但你知道：“我愛你” ≈ “我喜歡你”+“程度更深”+“可能有后續(xù)動作”。

深度學(xué)習(xí)就是這樣處理語言的！它把每個詞變成多維空間里的一個坐標(biāo)點(diǎn)。意思相近的詞，坐標(biāo)就挨得近。

就像你給餐廳做分類：川湘菜館坐標(biāo)靠近（辣），粵港澳坐標(biāo)靠近（清淡）。你不用知道“粵菜是啥“，但看到一家新餐廳和早茶店挨在一起，你就能猜：“這可能也是清淡口！”

這套“把世界變成坐標(biāo)“的魔法，聽起來很抽象，但它已經(jīng)像空氣一樣包圍了你的生活，正改變著世界。

5

改變世界——魔法照進(jìn)現(xiàn)實(shí)

深度學(xué)習(xí)的魔法正在從各個領(lǐng)域影響著我們的生活：

• 醫(yī)療領(lǐng)域：AI看CT片，不是按教科書找“陰影“，而是“看”過10萬張癌變肺部圖像后，能發(fā)現(xiàn)醫(yī)生都忽略的細(xì)微紋理變化。就像老司機(jī)聽發(fā)動機(jī)聲音就知道哪壞了，AI成了“聽診”大師。

• 自動駕駛：攝像頭畫面進(jìn)入“分揀中心”，第一層認(rèn)“路沿”，第二層認(rèn)“車道線”.......第五十層理解“這條路限速60且有小學(xué)生出沒，需防御性駕駛”。它不是在執(zhí)行“if...then”規(guī)則，而是 “憑感覺”開車——這感覺很準(zhǔn)，因為它是從千萬公里駕駛經(jīng)驗里“悟”出來的。

  
  

• APP推薦：你以為APP懂你的心？不，它只是把你的點(diǎn)贊、停留時長、轉(zhuǎn)發(fā)行為喂進(jìn)神經(jīng)網(wǎng)絡(luò)，自動提取出“你喜歡看貓+不愛看災(zāi)難片+半夜emo愛看雞湯”的多維特征。它不懂“人”，但它懂“數(shù)據(jù)模式”。

  結(jié)尾：來測測你是AI還是人？

  你可能覺得自己已經(jīng)摸透了深度學(xué)習(xí)的套路，那就來個真正的考驗吧：你能分辨出下面哪段話是AI寫的嗎？

  
  

• • A：月光灑在窗臺上，像一層薄薄的霜。我想起外婆的蒲扇，和夏夜蛙鳴的合唱。遠(yuǎn)方有火車駛過，汽笛聲拉長了我的思念。

  • B：深度學(xué)習(xí)使用多層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，通過反向傳播算法優(yōu)化損失函數(shù)，實(shí)現(xiàn)端到端的特征學(xué)習(xí)。該技術(shù)在計算機(jī)視覺和自然語言處理領(lǐng)域表現(xiàn)優(yōu)異。

  • C：今天點(diǎn)了外賣，騎手遲到了10分鐘。我本來很生氣，但他遞過來時說了句“祝您用餐愉快“，我突然就不氣了。也許溫暖比準(zhǔn)時更重要。

彩蛋

其實(shí)答案不重要，因為——能答對的，可能是另一個AI。

人類靠“感覺”，AI靠“計算”。你判斷的依據(jù)，可能是“這段話讓我想起了童年”（情感連接），或“這話說得真像人”（含糊的直覺）。

但AI判斷的方式是：“這句話的詞向量分布符合人類語言模式的概率是97.3%。”

我們教會了機(jī)器“看懂”世界，但機(jī)器永遠(yuǎn)學(xué)不會我們“看懂”時的那聲“哇！”—那是人類獨(dú)有的魔法。

而這，或許才是我們最該珍惜的！

來源：中興文檔

編輯：LYang

轉(zhuǎn)載內(nèi)容僅代表作者觀點(diǎn)

不代表中科院物理所立場

如需轉(zhuǎn)載請聯(lián)系原公眾號