介绍
第 1 篇--人工智能简介（点击查看）
第 2 篇--理解机器学习（点击查看）
第 3 篇--深度学习基础[当前内容]
第 4 篇--生成式人工智能简介
第 5 篇--什么是大型语言模型 (LLM)？
第 6 篇--与人工智能沟通的艺术
第 7 篇--生成式人工智能中的伦理考量
下面是本系列第 3 篇内容——探讨深度学习技术基础
什么是深度学习？
听起来有点令人困惑？让我们用通俗易懂的语言来简化它！
首先，让我们了解几个重要的概念。
人脑中的生物神经网络
神经元是人脑最基本的细胞。人脑有数十亿个神经元，它们相互作用、沟通，形成神经网络。
这些神经元接收许多输入，从我们看到和听到的事物到我们感受到的一切，然后向其他神经元发送信息，这些神经元依次做出反应。工作神经网络使人类能够思考，更重要的是，能够学习。
人工神经网络（ANN）
人工神经网络是基于人脑生物神经网络设计的计算网络。
人类大脑中有相互连接的神经元。同样，人工神经网络中也有相互连接的神经元。这些神经元被称为节点。
让我们尝试简化 ANN！
想象一下用不同形状和大小的管道制作一个巨大的 3D 结构。每根管道都可以连接到许多其他管道，并且有一个可以打开或关闭的开关。这为您提供了连接管道的多种方式，这看起来有点棘手，对吧？
现在，让我们把这个管子连接到水龙头上。不同尺寸的管子让水以不同的速度流动。如果我们关闭开关，水就不会流动。
水代表流经大脑的数据，管道代表大脑中称为神经元的部分。
人工神经网络的架构
人工神经网络主要由三层组成——输入层、输出层和隐藏层。
想象一个类似于三层三明治的人工神经网络。
第一层称为输入层，代表面包的底部。它接收信息。
第二层称为隐藏层，代表中间的美味馅料。它会思考并解决问题。
第三层称为输出层，代表面包的顶部切片。它为我们提供了最终结果。
简而言之：
这就是信息进入人工神经网络的地方 它是起点，网络从这里接收其需要处理的数据
输出层
这是网络给出最终结果或答案的地方 它是终点，网络在这里告诉我们它学到了什么或决定了什么
隐藏层
这些层位于输入层和输出层之间 这些层中的神经元处理信息并帮助网络学习模式和做出决策
人工神经网络如何工作？
想象一下一群孩子试图通过分享他们的观察来识别一只熊猫。
每个孩子都具有特定的特征，例如黑白色的皮毛、圆圆的脸和独特的眼睛 就个人而言，他们可能无法完全理解熊猫的样子 但通过结合他们的见解，他们形成了一种集体理解
在人工神经网络的世界里，这些孩子代表着神经元。
在人工神经网络中，单个“神经元”（类似于我们例子中的孩子）专门识别特定方面。 结合起来，它们有助于识别整体概念（熊猫）。 网络通过反复接触来完善其理解，类似于孩子们随着时间的推移完善他们的熊猫识别技能。
输入层（观察）：
1-机器学习子集
在我们之前的文章中，我们谈到了让机器人识别狗。假设我们想让机器人识别几种动物。
在这篇文章中，我们了解了什么是深度学习以及它是如何工作的。深度学习因其多层神经网络而得名，它类似于具有多层思维的人类大脑神经网络，每一层都有助于更深入地理解它所处理的信息。
从识别图像和理解语音到为语音助手和自动驾驶汽车提供动力，深度学习有助于解决许多复杂的任务。
