我的母親是一名護士，目前已經退休。她是一個非常聰明的人，對自己的工作業務非常的盡職盡責。幾天前我和她說我正在研究Imagination最新的神經網絡加速器，她詫異的說：“你說的是什么意思？”，當然只有她在護理學校進行外科手術培訓或者照顧老年癡呆患者時才會真正思考神經網絡意味著什么。我向她解釋我說的是人工智能（AI），不是人的大腦，我決定編寫一個關于神經網絡的入門說明，讓我的母親（和其他無技術背景的人）能夠對神經網絡有一定的初步了解并且借助其他閱讀資料真正邁入人工智能的世界。

神經網絡是什么？

如果你借助谷歌瀏覽器搜索并查看“ 什么是神經網絡”（當然這也是被大家頻繁問道的問題）這篇文章，你會發現有很多學術文章，每篇文章都有和下圖類似的圖片，并且詳細說明神經網絡的功能，涉及很多專業名詞如“感知器”和“反向傳播”等，如果你不擅長數學或者工程學，那么你閱讀幾段就會感到乏味無趣。

雖然我們大部分人不是專業的工程師，可能不能夠真正理解這些算法是如何工作的（我甚至不確定那些技術人員是否真正理解其中的奧秘—— 比如黑盒問題），但是神經網絡仍然有很多有用的信息需要我們去了解。

因為神經網絡正在不斷的改變著我們的生活！我并不是談論“ 天網（終結者電影）”或者 VIKI（電影中的超級計算機）等（但是有些場景確實發生在真實生活中），我要說的就是我們每天所經歷的事情，一些新技術正在改變我們的生活方式比如智能音箱/聲音輔助、購物、照片編輯、欺詐檢測等，還有一些技術則正在顛覆一些行業，比如自動駕駛汽車。還有一些技術可能會極大的改變全球社會（比如基因組醫學），還有很多我們現在沒有構想的變化。

Ophir Tanz（ @OphirTanz）和 Cambron Carter在 TechCrunch網站上發表了一篇文章，將“神經網絡是如何工作的？”這個問題進行了分解說明，但是從廣義上講真正缺少的是能夠讓我們理解的神經網絡專業術語。

將問題分解

人工智能（AI）準確的定義是什么？我索性去查了下 牛津字典：AI是計算機系統理論和發展的結果，它能夠執行一些類似人類智能的任務，比如視覺感知、語音識別、決策和語言翻譯等。AI也分為多個子集，包括機器人、機器學習、自然語言處理等，1956年在達特茅斯學院的一場研討會上首次提出人工智能（AI）研究，雖然在這里不向大家介紹這段歷史，但是鼓勵大家自己去了解。

現在我們知道的是“弱人工智能（Narrow AI）”，劃分為很多類型的網絡，每種網絡面向某種具體的功能（比如圖片分類等），這門科學不斷發展最終會發展為“通用人工智能（General AI）”，到時候計算機會像人類一樣行動和思考，雖然現在我們還沒有達到這個程度，但是那個時代到來后，計算機能夠完成人類的每一項智能工作，包括對自己重新編程（類似于電影中的“天網”和“VIKI超級計算機”，那時候可能會引起人們的恐慌）。但是很多人正在努力的研究工作，確保一些場景只存在于科幻小說中，大家不妨閱讀 @cademetz的文章： 教會AI系統規范自己的行為。

機器學習是目前AI科學最先進的領域，它描述的是機器如何采集數據、解析并且基于這些數據做出一些預測。機器系統會進行自學習，不需要重復的進行人工編程。直到最近我們才將其強大的處理能力應用到現實中來，比如谷歌、亞馬遜等很多大型公司都在利用機器學習技術。

深度學習是機器學習的一種類型，它需要在網絡中設計很多層來進行數據處理，可能達到上萬層。比如卷積神經網絡（CNNs）非常適合 圖片檢測和分類，它就設計了數十個或者數百個網絡處理層，每層都負責檢測一些復雜的屬性，從學習如何檢測邊緣到最終學習檢測圖片具體的形狀，隨著訓練數據的不斷增多深度學習網絡性能會不斷得到提升。

人工神經網絡（ANNs或者簡稱NNs）和CNNs網絡類似也是基于計算機處理器的智能網絡，能夠像人腦一樣工作（或者接近人腦），NNs網絡使用不同的數學算法處理網絡層，能夠不斷提升對于接收信息的敏感度，從圖片到語音、文本等。此外還有很多種類型的神經網絡，除了CNNs，還有BRNNs、DNNs、FFNNs、LSTMs、PNNs、RNNs、TDNNs等，這里就不一一詳細介紹了。每種類型的網絡都面向不同的具體功能，如果你想深入了解， 阿西莫夫（Asimov）研究機構的網站上進行了詳細的介紹。

對于神經網絡（NNs）要用于具體應用前還需要輸入大量數據進行訓練，比如卷積神經網絡（CNNs）用于圖片分類，在“硅谷（Silicon Valley）”這部電視中我們看到一個使用CNN網絡實現的“鑒別熱狗”的App應用，能夠從150000張照片中分揀出熱狗、香腸等圖片（確實實現了！）。 @timanglade寫了一篇訓練這個網絡的處理過程：“ HBO推出的硅谷電視劇中如何借助TensorFlow、Keras&React Native實現鑒別熱狗App應用的”。要想訓練這個網絡實現高精度需要大量的計算能力而且經常需要借助數據中心大量的GPU陣列來進行。

神經網絡經過訓練后就可以解析新的輸入數據，通過“推理”操作進行一定的預測。比如這款“鑒別熱狗”的應用，你可以將手機攝像頭對準一個物體它就會幫你判斷這個物體是不是熱狗了。為了實現這個功能需要根據之前大量的訓練獲得的理解功能迅速做出推理排序，最后提供一個物體是否為熱狗的概率。

推理操作（不僅用于檢測熱狗！）正是 PowerVR Series2NX神經網絡加速器（NNA）所擅長的。它的性能遠遠超過手機，我們將在無人機、監控攝像、汽車等其他領路見證它的性能，根據它所處的應用環境都會根據一定的推斷操作給我們提供全新的服務， 不妨看看這個2NX網絡識別不同物體的視頻。

應用中的神經網絡

正如我之前談到的，不同的網絡擅長做不同的事情，我不太贊同夸大某一種網絡（這是其他網站上經常做的事），我認為更重要的是這個網絡能夠通過訓練實現哪些功能。現在使用的NNs網絡涉及的功能包括識別、分類、圖片質量提升、人臉及各種物體檢測與識別等。神經網絡（NNs）越來越多的被用于語言翻譯、音樂制作、文本/語音識別。“Alexa，你正在使用神經網絡嗎？”（是的，她確實在用）。

亞馬遜、谷歌、百度、臉書（facebook）等都在使用神經網絡技術（NNs），而且我們每天在不同的平臺上也使用這些技術，從搜索引擎到社交媒體等。

從實際方面來講，亞馬遜使用的算法讓我們的購物變得更加的簡單，但是也有一些相互競爭的算法經常向我推薦一些不相關的書籍，因此我可能也錯過了很多應該要讀的書（從Goodreads網站上獲得的建議），我不得不懷疑這與付費廣告有關，希望他們能夠采取一定的方法讓這些惡意競爭現象不那么明顯。

作為一個膚色白皙卻有著黑素瘤家族病史的紅頭發人，我也非常高興可以通過努力建立一個能夠通過照片 高精度監測皮膚癌的神經網絡系統。

如果你覺得枯燥無聊，可以嘗試使用一些有神經網絡技術的App應用，用手機攝像頭掃描你周圍的環境，能夠根據畫面給你提供一些你 意想不到的信息。

將你的手機攝像頭對準一個有紅頭發特征的人，打開App應用，會有 語音報告你一些相關信息，你甚至還可以 改變實時照片畫面，變得更年輕或者更高興（你還可改變其他人的臉部照片，但是不能用這種方法制造假新聞！）。

Yaron Hadad寫的一篇博客中詳細概述了深度學習實現的一些令人驚奇的事情，而且還有一些 非常炫酷的視頻。

當然對于任何一項技術都會有人濫用它，神經網絡會不斷處理反饋的數據。無論是密碼破解、竊取金錢或身份、劫持基礎設施系統等違法行為，我們知道還有很多人“狂熱”的研究這些。

展望未來

最后希望我的母親能夠對神經網絡（NNs）有基礎的了解，并且像我一樣受到研發人員的研究成果的不斷啟發并且利用這些技術。隨著我們接觸更多的數據、更好更經濟的處理技術，比如PowerVR 2NX神經網絡加速器、深度學習技術等都將會融入我們社會的每一個領域。它們會被用于自動駕駛汽車、管理智能家居和辦公室，顯著提高生產力，讓大家遠離醫院，給大家提供無窮無盡的樂趣。