电脑和人脑，你觉得哪一个更强大？
在生活中你会经常发现许多人希望自己的大脑能像电脑一样，比如要是真有这机会能把自己改造成钢铁侠，他们会迫不及待地想抓住。
可是回过头看看过去几十年科学家们的研究，你会惊讶地发现，他们在一直努力让电脑更像人脑！怎么做到呢？借助神经网络——它是由几百个、几千个甚至几百万个人工脑细胞组成的计算机程序，能以与人脑极其相似的方式学习和运转。那么到底什么是神经网络？它们又是怎么工作的？我们更仔细的瞧一瞧！
电脑和人脑的区别在哪？
你会经常听到很多人拿人脑和电脑比来比去，乍一看，这俩确实也有些共同之处。一个正常的人类大脑中约有 1千亿个微小的细胞，称为神经元（没有人确切地知道人脑到底有多少个神经元，只是估计数量范围在 500 亿至 5 千亿之间），它是人脑基本的信号处理单元。
每个神经元都由一个细胞体（它是细胞的核心部分）、一些神经树突（脑细胞的输入部分，携带传往细胞体的信息）和轴突（脑细胞的输出部分，携带输出的信息）等三部分组成。神经元非常非常小，100个细胞体排列起来才1毫米长。
在计算机中，和脑细胞有个相同作用的纳米级的开关装置，叫做晶体管。最新式最先进的处理器中大约有 20 亿个晶体管，即时是一个很简单的处理器中也有大约 5 千万个晶体管，全都集成到一个仅 2.5 厘米大小的方形集成电路上，比邮票还小！
这就是为何不能将人脑和电脑直接详细比较，因为这二者完全不是同一种东西。不仅仅是因为电脑是个冷冰冰的装满二进制数值的金属盒子，而人脑却是鲜活的热乎乎的，充满了思维、感觉和回忆。真正的不同之处在于电脑和人脑的“思考”方式完全不同。电脑中的晶体管只是以一定的顺序相对简单地串联起来（每个晶体管都以基本的逻辑门电路和其它几个晶体管连接），而人脑中的神经元却是以无比复杂的方式并行相连（每一个神经元都可能与其上万个邻近神经元连接）。
电脑（几百万个晶体管以较简单的方式相连）和人脑（几百到几千亿个脑细胞以更复发的方式相连）这种本质结构的不同，使得它们以非常不同的方式“思考”。电脑能够很完美地存储大量无意义的信息（对于电脑本身来说），根据人们预先输入的精确指令（程序）以多种不同的方式重新整理这些信息。而人的大脑却是以更加迂回间接的方式缓慢学习，常常要花几个月甚至几年完全掌握一些复杂的东西。
但是，不像电脑，人脑能以惊人的全新方式自然而然地将信息融合在一起，识别原始模式，建立信息联系，以完全不同的视角看待事物，这就是贝多芬、莎士比亚等人类创造性的来源。
如果电脑也能像人脑这样，岂不是很好？有人说，「要有神经网络」。于是就有了神经网络。
什么是神经网络？
神经网络背后的基本理念就是在电脑内模拟（以一种简化但较为可信的方式复制人脑机制）密集相连的脑细胞，从而人们可以让电脑学习东西、识别模式、做出决定，就像人类一样。神经网络一个魅力之处就是，你不必为它编写程序去学习人类的指令：它能完全自主学习，就像人脑一样。
但是，它不是人脑。需要着重说明一点，神经网络（总体上）是一种软件模拟：它们由非常普通的电脑编写而成，以普通的晶体管及串联逻辑门在非常传统的方式下运行，但是却能够像几十亿个并行连接的脑细胞那样工作。还没人试过造一台电脑，把晶体管按照人脑那种复杂程度一样相互连接。换句话说，神经网络和人脑的不同就好比电脑天气模型和实际的云彩、雪花、阳光之间的不同。软件模拟只不过是一系列的代数变量，由数学方程将它们连接在一起（简单来说，就是一堆数字存放在了一个盒子里，数字的数值是不断变化的），它对于运行它的载体电脑本身来说，没有什么意义，只对编写它的人类而言才有意义。
真正的人工神经网络
在我们进一步谈谈神经网络之前，先了解一些术语。严格来讲，人们创造的神经网络叫做人工神经网络（即ANN），以和人脑中真正的神经网络相区分（由脑细胞连接成的网络）。你可能也会见过神经网络还以一些名字出现，比如联结式机器（该领域也叫联结主义），平行分散处理器（PDP），思考机器等，但本文我们会使用“神经网络”一词，用它指代“人工神经网络”。
神经网络由什么组成的？
一个典型的神经网络，由几个、上百个、上千个甚至几百万个称为“单元”的人工神经元构成，它们排列在一系列的层中，每个层之间彼此相连。其中一些神经元叫做“输入单元”，用来从外界接收各种各样的信息，神经网络会用这些信息进行学习、识别模式或进行其它的处理。还有些神经元位于神经网络的另一边，与“输入单元”方向相反，它们显示神经网络对信息的学习状况，那么这些神经元就叫做“输出单元”。在“输入单元”和“输出”单元之间还有一个或者很多个由“隐藏单元”构成的层，和“输入层”及“输出层”层一起形成神经网络。
大部分神经网络是完全连接的，意思就是，每个隐藏单元及输出单元都和另一边的层中的每个单元连接。一个单元和另一个单元之间的连接都以一个叫做“权重”的数字表示，它可以是正值（当一个单元激发另一个单元时），也可以是负值（当一个单元抑制或阻止另一个单元时）。权重值越高，意味着一个单元对另一个单元的影响越大（这和人脑细胞通过突触相互激发的原理一样）。
所以，一个神经网络由输入单元（下图红色），隐藏单元（下图蓝色）和输出单元（下图黄色）组成。输入单元所在的层为输入层，隐藏单元所在的层为隐藏层，输出单元所在的层为输出层。所有单元都和两边层里的单元连接。输入信息会首先进入左侧的输入层，然后激发中间的隐藏层，最后从右侧输出层输出结果。神经网络会通过学习渐渐调整每两个单元（神经元）连接的力度（权重）。
神经网络是怎么学东西的？
信息通过两种方式穿过神经网络。当神经网络学习时（被训练时）或者正常运行（被训练后），信息模式会通过输入单元输入神经网络中，其中输入单元会激发隐藏单元，最后到达输出单元。这种设计的神经网络被称为“前馈网络”。并非所有的单元会一直“激活”。每个单元从其左侧的单元中接收输入信息，而输入信息会由单元之间连接的权重进行相乘。每个单元通过这种方式将它接收的所有输入信息进行加算，如果结果大于一个特定的阙值，那么单元就会“激活”，并激发和它连接的单元（在其右侧）。
谈到神经网络的学习，就要涉及到一个叫做“反馈”的东西。就像小孩子通过大人告诉他们做的是对还是错学习一样。实际上，我们会一直用到反馈。这里举个简单的例子，想想你头一回学踢足球的情形，你把球踢向球门，你的大脑会紧盯着球的走向和轨迹，注意球还差多少就能进球门了。下一次再踢的时候，你会记得之前犯过哪些错，相应地调整动作，希望这次能 make youself great again.
这里你就是用了反馈机制，即将实际结果和预期结果相比较，找出两者的不同之处，并借此改善下一次的行为（比如“我应该再踢的用力一点”“我应该再往左踢一点”等等）。预期结果和实际结果之间的差距越小，你下一次需要调整的幅度就越小。
神经网络正是通过这种方式学习，利用一种叫做“反向传播”的反馈机制，它由正向传播过程和反向传播过程组成。在正向传播过程中，输入信息通过输入层经隐含层，逐层处理并传向输出层。如果在输出层得不到期望的输出值，则取输出与期望的误差的平方和作为目标函数，转入反向传播，逐层求出目标函数对各神经元权值的偏导数，构成目标函数对权值向量的梯量，作为修改权值的依据，神经网络的学习在权重值修改过程中完成。误差达到所期望值时，神经网络学习结束。
当然你也可以来这里体验一番。
就像上述举的你学踢球的例子一样，“反向传播”会让神经网络进行学习，不断缩小实际结果和预期结果之间的差别，这样神经网络会慢慢发现它应该怎么做才能达到预期效果。
神经网络在实际中怎么运作？
等用足够的学习样本训练完神经网络后，我们就可以给它一组它从未见过的新的输入信息，看它如何回应。例如，比方说你之前一直在教一个神经网络，以它能理解的方式给它看了很多桌子椅子的照片，告诉它哪个是椅子哪个是桌子。给它看完照片后（我们比方说有25个不同的椅子和25个不同的桌子的照片），给它输入一组它从未见过的新的照片，看看会发生什么。神经网络学习的情况不同，它对新样本分类的结果也会相同，就像人类一样。等这个神经网络的性能符合要求后，你就教会了一台电脑怎样识别家具！
这也并不是说神经网络只是“看看”一组家具照片，然后就做出有意义的反应，它的行事方式和人类还不一样。细想我们刚才举的例子：神经网络实际上看到的并不是家具照片。输入神经网络的信息本质上是二进制数字：它们会开启或关闭神经网络中的单元（神经元）。
所以如果你有 5 个输入单元，你可以用二进制答案（是/否）输入不同椅子的 5 个不同特征。比如问题是：
1. 它有椅背吗？
2. 它有桌面吗？
3. 它有软的坐垫吗？
4. 你能长时间舒服地坐在上面吗？
5. 你能在它上面放很多东西吗？
在这里，一个椅子就会表示为是、否、是、是、否，用二进制表示为 10110，那么一个桌子就可以表示为否、是、否、否、是，用二进制表示为 01001。所以，在学习过程中，神经网络就是查看很多像 10110 和 01001 这样的二进制数字，学习哪些表示是个椅子（可能输出结果为1），哪些表示是个桌子（可能输出结果为0）。
创造神经网络用来干嘛？
通过上面所讲的内容和所举例子，你或许会猜到神经网络可以应用在很多方面，从识别模式到做出决策。在航空领域，我们可以将神经网络用作自动驾驶仪，其输入单元从座舱仪表中读取信号和数据，输出单元会相应调整飞机，保证飞机在正确的航线飞行。在工厂中，我们可以将神经网络用于质量控制。比如，有家工厂通过大规模的复杂的化学处理过程生产洗衣液，我们可以测量出最终的洗衣液成分比例，将测量结果作为输入数据输入到神经网络中，然后神经网络就会决定是否进行化学处理。
此外还有很多应用例子，这里不再一一举例。总之，神经网络可以在很多方面帮助我们。它们可以帮我们预测天气、运转雷达探测系统自动识别敌方飞机或船只、甚至帮助医生发现复杂的疾病。我们现在使用的很多手机应用、语音助手、翻译软件都用到了神经网络。
一句话，神经网络让电脑越来越像人类，让电脑系统对人类的用处越来越大。
看到这里，相信应该能明白神经网络是怎么一回事了吧？我们将来还会分享 8 种常见的神经网络架构，敬请期待！
