计算机在很多方面做得都比人类出色——计算平方根或者即时检索网页——但是我们强大的大脑在常识、灵感和想象力等方面仍然领先一步。人工神经网络的灵感来自于大脑结构，它能够让计算机更像人类，并且帮助机器像人类一样进行推理。
Adobe Stock
什么是人工神经网络？
人类的大脑能够解释现实情况下的情境，但是计算机无法做到。神经网络最初于1950年开发，用于解决这一问题。人工神经网络尝试模拟组成人类大脑的神经元网络，因此计算机能够和人类一样学习和做出决策。人工神经网络是对普通的计算机进行编程从而创建出来的，就好像它们是相互连接的脑细胞一样。
人工神经网络是如何工作的？
人工神经网络使用了不同层的数学处理来理解所提供的信息，通常有数十个到上百万个人工神经元（称为“单元”），这些神经元都是按照一系列的层进行安排的。输入层从外部世界接收各种形式的信息，这就是网络所要处理或者学习的数据。这一数据从输入单元出发，经过一个甚至更多的隐藏单元，隐藏单元的工作就是将输入单元转变为输出单元能够使用的数据。
大多数的神经网络之间的层都是完全相互连接的。这些连接很重要，连接数量越高，各单元之间的影响就越大，这和人类大脑类似。当数据经过每一个单元时，网络就会学习这些数据。网络的另一方面是输出单元，这就是网络用于回应获得以及处理数据的方式。
自计算机科学家首次尝试初代的人工神经网络以来，认知神经学家就对人类的大脑进行了大量的学习。他们学习的其中之一就是大脑的不同部分负责处理信息的不同方面，并且这些部分都是分层级排列的。因此，大脑会进行信息输入，并且每一个等级的神经元都会提供洞察力，然后这些信息会被传递到更高的等级，这就是人工神经网络试图复制的机制。
为了让人工神经网络学习，它们需要有大量数量的信息，这些信息被称为训练集。当你试图训练人工神经网络区分猫和狗时，训练集会提供上千张被标记为狗的照片，以便网络能够开始学习。一旦经历过相当数量数据的训练之后，它就会按照从不同单元中所看到的东西（或者听到，取决于数据集）来试图区分未来数据。在训练阶段，机器的输出结果会和人类所提供的事物描述进行对比。如果一样的话，那么这个机器就可以使用；如果不一样，那么机器会使用反向传播来调整学习方式——回到图层来对数学方程进行微调。这就是深度学习，即能够让网络变得智能。
人工神经网络的用途？
人工神经网络能够被应用到很多方面，包括信息分类、预测结果和数据分类。当网络处理数据和从数据中学习的时候，它们能够将给定的数据集分为预定义类（predefined class），然后将数据集进行训练，用于从给定的输入结果中预计输出结果，识别数据的特别特征，并根据特别特征来分类数据。谷歌使用了有30个层的神经网络，用于支持Google Photos以及YouTube视频的“观看下一个视频”的推荐功能；Facebook使用了人工神经网络用于DeepFace算法，这一算法能够识别具体的面部，准确率高达97%；Skype也能够使用人工神经网络用于支持其实时翻译功能。
多亏了人工神经网络的强大力量，使计算机能够以人类的方式来理解它们周围的世界。
编 译：信软网
声 明：本文系信软网编译文章，转载请注明出处、作者和本文链接。若违规转载使用，本网站将保留追究的权利。
閱讀更多 信軟網 的文章
