? 1. AI技術(shù)，本質(zhì)上是一種數(shù)據(jù)處理技術(shù)，AI其實(shí)并沒有什么神秘，只是在算法上更為復(fù)雜。AI技術(shù)，說到底是基于已有數(shù)據(jù)找規(guī)律的問題，是擬合復(fù)雜函數(shù)的問題，是數(shù)據(jù)處理的問題； 2. 神經(jīng)網(wǎng)絡(luò)的計(jì)算能力具有以下兩個(gè)特征，神經(jīng)網(wǎng)絡(luò)是大規(guī)模并行分布式計(jì)算結(jié)構(gòu)；神經(jīng)網(wǎng)絡(luò)具有學(xué)習(xí)能力以及由此而來的泛化能力。泛化(Generalization)是指神經(jīng)網(wǎng)絡(luò)對未在訓(xùn)練(學(xué)習(xí))過程中遇到的數(shù)據(jù)可以得到合理的輸出； 3. 神經(jīng)網(wǎng)絡(luò)這兩種信息處理能力讓ANN可以找到一些當(dāng)前難以處理的復(fù)雜(大規(guī)模)問題的好的近似解。但是在實(shí)踐中，神經(jīng)網(wǎng)絡(luò)不能單獨(dú)做出解答，它們需要被整合在一個(gè)協(xié)調(diào)一致的系統(tǒng)工程方法中； 4. 具體來說，一個(gè)復(fù)雜問題往往被分解成若干個(gè)相對簡單的任務(wù)，而神經(jīng)網(wǎng)絡(luò)處理與其能力相符的子任務(wù)。但是，我們在建立一個(gè)可以模擬人腦的計(jì)算機(jī)結(jié)構(gòu)(如果可能〉之前還有很長的路要走，認(rèn)識這一點(diǎn)是很重要的； 5. 人工神經(jīng)網(wǎng)絡(luò)中參數(shù)量的意思等價(jià)于網(wǎng)絡(luò)節(jié)點(diǎn)中的“連接”數(shù)，網(wǎng)絡(luò)中的每個(gè)鏈接代表一次計(jì)算過程，網(wǎng)絡(luò)深度就是網(wǎng)絡(luò)的層數(shù)，網(wǎng)絡(luò)寬度指的是該網(wǎng)絡(luò)的每一層中包含的神經(jīng)元的數(shù)量； 6. 更深入的表示特征可以這樣理解，隨著網(wǎng)絡(luò)的層數(shù)增加，每一層對于前一層次的抽象表示更深入。在神經(jīng)網(wǎng)絡(luò)中，每一層神經(jīng)元學(xué)習(xí)到的是前一層神經(jīng)元值的更抽象的表示。例如第一個(gè)隱藏層學(xué)習(xí)到的是“邊緣”的特征，第二個(gè)隱藏層學(xué)習(xí)到的是由“邊緣”組成的“形狀”的特征，第三個(gè)隱藏層學(xué)習(xí)到的是由“形狀”組成的“圖案”的特征，最后的隱藏層學(xué)習(xí)到的是由“圖案”組成的“目標(biāo)”的特征。通過抽取更抽象的特征來對事物進(jìn)行區(qū)分，從而獲得更好的區(qū)分與分類能力。