相对于有特定步骤有明确规律的任务，计算机的运算速度比人类快的多得多（比如数学中各种各样的运算，人要算很久，但计算机算一会就能算出来），但人相对计算机，在处理一些没有明确规则或定义的问题，例如街上走路，识别看到的东西是什么，却比计算机强的多。因此，人工智能最大的强项就是让计算机能处理那些模糊不清，几乎无法用明确的规则或步骤来描述的问题。
为了更好的了解人工智能工作的机理，我们先来试着分析分析人对这种没有规律没有定义问题的分析方式：举个例子，当我们看到一匹绿色的马时，哪怕我们之前从未见过绿色的马。我们仍然能很快的知道这是🐎，这是因为我们的脑子里有关于马的“意识形态”，我们联想一下马，大脑里就会浮现出马的大概样子。同理，人能看出别人写的数字是什么，也是因为我们脑子里有相关数字的意识形态。
一个经过大量数据训练的神经网络，给定领域内的图像表示什么内容，此时它就像一个黑盒子，把数据从一端输入，然后结果自动从另一端输出，你根本不知道他内部的运行机制。如果我们只在乎得到正确的结果，那么无论神经网络的内部机理如何复杂，我们都无需关心。如果我们想知道神经网络是如何学习输入数据，并总结出某种特定规律来，那么我们现在能知道的，就是网络会不断的调整链路上权值。
由于神经网络模拟的是大脑思维方式，人的大脑有意识，那神经网络是否也有自己的”意识“呢？
在我的上篇文章中，已经详细说明了神经网络的工作流程如下：
输入数字图片 -> 在神经网络运算 ->输出 数字
如果我们反其道而行之，给定一个数字，让神经网络把该数字对应的”图片“给画出来，那么我们就可以看看神经网络的意识是怎样的了
数字图片<-神经网络<-数字
我们知道激活函数（Sigmod）函数的表达式如下
sigmod函数
现在把他的反函数求出来：
sigmod反函数
在python中，它对应的代码为scipy.special.logit()，于是利用这个公式，我们用如下代码把结果反解出对应的图片，相应的实现代码如下：
self.inverse_activation_function = lambda x:scipy.special.logit(x)
def backQuery(self, targets_list):
# 将结果向量转置以便反解出输入信号量
final_outputs = numpy.array(targets_list, ndmin=2).T
# 通过激活函数的反函数得到输出层的输入信号
final_inputs = self.inverse_activation_function(final_outputs)
# 获取中间层的输出信号，乘以转置矩阵就相当于逆运算
hidden_outputs = numpy.dot(self.who.T, final_inputs)
# 将信号量圆整到0.01和0.98之间
hidden_outputs -= numpy.min(hidden_outputs)
hidden_outputs /= numpy.max(hidden_outputs)
hidden_outputs *= 0.98
hidden_outputs += 0.01
#通过激活函数的反函数计算中间层获得的输入信号量
hidden_inputs = self.inverse_activation_function(hidden_outputs)
# 计算输入层的输出信号量
inputs = numpy.dot(self.wih.T, hidden_inputs)
# 将信号量圆整到0.01和0.98之间
inputs -= numpy.min(inputs)
inputs /= numpy.max(inputs)
inputs *= 0.98
inputs += 0.01
#input对应的就是输入神经网络的图片像素数组
return inputs
接下来我们结合上面已经训练好的神经网络，看看神经网络关于数字8的形态是怎样的。
label = 8
targets = numpy.zeros(output_nodes) + 0.01
targets[label] = 0.99
print(targets)
image_data = n.backQuery(targets)
matplotlib.pyplot.imshow(image_data.reshape(28,28), cmap="Greys", interpolation="None")
8的意识形态
计算机拿到一张是8的图后，就判断这跟他意识里的8有没有相似之处。然后进行判断。
其实从道家思想去看这个现象，便是：道可道，非常道。理型的概念就是”道可道“中的第一个道，也就是永恒不变的规律，通常情况下，”道“是很难用语言或某种显著方式进行表达的。神经网络通过计算大量的手写数字图片，通过计算抽取出了这些同一类数字图片的共性，这个共性就是我们人脑中和计算机中的“意识形态”
网友评论