最近一段時(shí)間，Chatgpt和AI繪畫用強(qiáng)大的性能再一次把人工智能頂上了風(fēng)口。據(jù)統(tǒng)計(jì)，開發(fā)完成的Chatgpt的OpenAI商業(yè)價(jià)值實(shí)現(xiàn)了翻倍，盈利上百億美刀。現(xiàn)如今AI公司的高昂市值與深度學(xué)習(xí)技術(shù)的成功密不可分，所有的AI模型（也可以被稱為人工神經(jīng)網(wǎng)絡(luò)）都依賴于深度學(xué)習(xí)。為了記錄馬樂樂過去一段時(shí)間的工作，這篇小作文將向讀者講述深度學(xué)習(xí)的原理，幫助讀者更好的認(rèn)識現(xiàn)代人工智能的本質(zhì)。

智能生物對于感知到的一切事物都存在著非線性表達(dá)的特點(diǎn)，深度學(xué)習(xí)能夠模仿智能生物的原理也正是源于它使AI模型獲得了非線性特征表達(dá)的能力，從而使得AI模型能夠像智能生物一樣感知世界。可能有人會說，別的詞我都懂，但是“非線性”是什么意思？為什么智能生物一定是非線性表達(dá)的？為了回答這個(gè)問題，我們首先要了解，與非線性對應(yīng)的線性是什么意思。這其實(shí)是個(gè)很容易理解的概念，線性關(guān)系就是只存在加法和乘法的意思，它的特點(diǎn)是當(dāng)輸入發(fā)生變化時(shí)，輸出一定會發(fā)生相同的變化。比如說，假如一個(gè)線性模型對1的感知結(jié)果為10，那么它對2的感知結(jié)果一定為20，對3的感知結(jié)果一定為30，如此容易被看透的模型似乎確實(shí)不適合用來模擬智能生物。換個(gè)思路來看，用作為智能生物的自己來做驗(yàn)證，我們來辨別一張圖片中的動物是貓還是狗，如果是貓的話我們就把它標(biāo)為1，狗就標(biāo)為2，下面這張應(yīng)該是貓吧？

那如果我們將圖像的像素值調(diào)整為原來的兩倍，就變成了下面這張圖，線性模型一定會認(rèn)為輸入改為了原來的兩倍，輸出也應(yīng)該變?yōu)樵瓉淼膬杀?，所以這張圖應(yīng)該是狗，可這張圖里的應(yīng)該不是狗吧...所以說，人類一定是做非線性表達(dá)的。

深度學(xué)習(xí)方法中設(shè)計(jì)了許多不同作用的層，比如卷積層、激活層、池化層等等，這些層都有著不同的特點(diǎn)和作用，通過像搭積木一樣的方式，將不同類型的層組合在一起，形成人工神經(jīng)網(wǎng)絡(luò)，這樣就可以在計(jì)算機(jī)上實(shí)現(xiàn)非線性特征表達(dá)了。一般來說，深度學(xué)習(xí)模型在搭建好以后，需要經(jīng)過訓(xùn)練之后才能進(jìn)行實(shí)際使用。訓(xùn)練的過程就像是給小學(xué)生教習(xí)題一樣，我們給定題目，深度學(xué)習(xí)模型會按照數(shù)學(xué)公式計(jì)算出它認(rèn)為的結(jié)果。之后，我們給它標(biāo)準(zhǔn)答案進(jìn)行比對，模型會評估自己的結(jié)果與標(biāo)準(zhǔn)答案之間的誤差，根據(jù)誤差改變模型內(nèi)部每個(gè)層的數(shù)值，從而使下次計(jì)算得到的誤差減小，這樣的過程要經(jīng)歷成千上萬次，直到誤差小到可以接受的范圍內(nèi)，模型的訓(xùn)練才會停止，從此投入實(shí)際應(yīng)用中。

雖然深度學(xué)習(xí)使AI模型像人類一樣，擁有了非線性特征表達(dá)的能力，但是AI模型和真正的智能仍然存在很大的差別，人類智能目前仍是未被研究清楚的秘密，AI模型的智能卻完全可以通過大量的計(jì)算得到，而這也并不像人類一樣，存在著任何思考過程。以前我和別人介紹自己平時(shí)在實(shí)驗(yàn)室的工作時(shí)，總喜歡說“騙人的人工智能”，因?yàn)槲铱傆X得，深度學(xué)習(xí)所制造的AI只有計(jì)算，沒有思考，更沒有情感，在科學(xué)家徹底弄清楚人類智能從何而來之前，我們不可能做到電影中那樣的人工智能。然而，今年以來人工智能的成就卻慢慢的刷新著我的認(rèn)知，明明人們只是在一味的增加AI模型的大小而已，似乎量變發(fā)生了質(zhì)變，在我的認(rèn)知里，用于聊天的Chatgpt和用于AI繪畫的擴(kuò)散模型都聰明的太過頭了。這成為了馬樂樂對自己曾經(jīng)工作內(nèi)容最大的疑惑，讀者們覺得，靠數(shù)學(xué)計(jì)算實(shí)現(xiàn)的人工智能，是虛假的智能嗎？