人工智能是一門非常復(fù)雜、龐大的科學(xué)疼约，其中的機(jī)器學(xué)習(xí)卤档、深度學(xué)習(xí)等細(xì)分學(xué)科是當(dāng)下的研究熱點(diǎn)。從1956年至今程剥，無數(shù)科學(xué)家歷經(jīng)艱辛與坎坷劝枣，終于讓人工智能邁出了屬于全人類的一大步。從科學(xué)的角度來說织鲸，當(dāng)今的人工智能是研究舔腾、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論搂擦、方法技術(shù)應(yīng)用系統(tǒng)的一門科學(xué)稳诚。這門學(xué)科的研究范圍包括語言識別、圖像識別瀑踢、專家系統(tǒng)和我們最熟悉的機(jī)器人等扳还。
對于這門復(fù)雜的學(xué)科，接下來我就分三個(gè)重點(diǎn)橱夭，來講講人工智能的主要內(nèi)容氨距。
第一，無尺度網(wǎng)絡(luò)棘劣；
第二俏让，應(yīng)用大數(shù)據(jù)的統(tǒng)計(jì)學(xué)；
第三茬暇，深度學(xué)習(xí)首昔；
無尺度網(wǎng)絡(luò)
在過去，人們認(rèn)為網(wǎng)絡(luò)都是隨機(jī)形成的而钞，把這些網(wǎng)絡(luò)都叫做隨機(jī)網(wǎng)絡(luò)沙廉。比如說一場酒會有100個(gè)人，他們一開始互不認(rèn)識臼节，是孤立的100個(gè)節(jié)點(diǎn)撬陵，但是當(dāng)酒會結(jié)束的時(shí)候，這100人已經(jīng)形成了一個(gè)復(fù)雜網(wǎng)絡(luò)网缝。每個(gè)人都認(rèn)識幾個(gè)人巨税，但是從進(jìn)門到出門，每個(gè)人都不知道自己會認(rèn)識誰粉臊，會認(rèn)識幾個(gè)人草添，所有節(jié)點(diǎn)之間的鏈接都是不確定的。這就是一個(gè)隨機(jī)網(wǎng)絡(luò)的形成過程扼仲。作者指出远寸，這種隨機(jī)網(wǎng)絡(luò)的形成速度可以非吵纾快，門檻也非常低驰后。在這個(gè)例子里肆资，只要每個(gè)人認(rèn)識至少一個(gè)人，不出半小時(shí)灶芝，這100個(gè)人就能全部鏈接起來郑原。
在現(xiàn)實(shí)生活中，我們每個(gè)人都認(rèn)識不止一個(gè)人夜涕，所以我們之間的鏈接就更加緊密了犯犁。由此產(chǎn)生了一個(gè)非常著名的理論，叫做六度分割女器。你和這世界上任何一個(gè)人之間酸役，最多通過6個(gè)人就能搭上關(guān)系。即便你想認(rèn)識美國總統(tǒng)也是如此晓避。用隨機(jī)網(wǎng)絡(luò)來解釋簇捍，如果每個(gè)人認(rèn)識100個(gè)人，那么通過6個(gè)中間人俏拱，我能搭上關(guān)系的人理論上有多少呢？1萬億人吼句，是地球人口的140倍锅必。這就是隨機(jī)網(wǎng)絡(luò)的力量√柩蓿可以說搞隐，鏈接無處不在。你從任何一個(gè)網(wǎng)頁出發(fā)远搪，平均只需要19次點(diǎn)擊劣纲，就能跳轉(zhuǎn)到另外任何一個(gè)網(wǎng)頁。自然界里也是一樣谁鳍，在食物鏈網(wǎng)絡(luò)中癞季，任何兩個(gè)物種之間的平均間隔只有2個(gè)物種。因此六度分割和類似的現(xiàn)象倘潜，在生活中確實(shí)非常常見绷柒。
在酒會的隨機(jī)網(wǎng)絡(luò)中，一定存在著“酒會明星”這樣的“樞紐節(jié)點(diǎn)”和無尺度網(wǎng)絡(luò)模型涮因。什么是樞紐節(jié)點(diǎn)废睦？就是在一個(gè)網(wǎng)絡(luò)中比其他節(jié)點(diǎn)擁有更多鏈接的節(jié)點(diǎn)，在人類社會中养泡，樞紐節(jié)點(diǎn)就是那些社交面非常廣嗜湃、朋友非常多的人奈应。
現(xiàn)實(shí)生活中的網(wǎng)絡(luò)不是像隨機(jī)網(wǎng)絡(luò)那樣均勻分布的：比如一場酒會下來，有的人新認(rèn)識了百八十人购披，有的人只認(rèn)識了兩三個(gè)人杖挣。再比如有些善于交際的人，微信好友有幾千人今瀑，有些爺爺奶奶的微信好友只有家里的幾口人程梦。一個(gè)網(wǎng)絡(luò)的結(jié)構(gòu)，主要是樞紐節(jié)點(diǎn)在支配和起作用橘荠。我們?nèi)祟惿鐣窃趺幢３志o密鏈接的呢屿附？靠的是樞紐節(jié)點(diǎn)聯(lián)系起不同的社交圈子「缤“社交圈”指的是一群人關(guān)系非常緊密挺份，在整個(gè)社交網(wǎng)絡(luò)中就是一個(gè)“小世界”，每個(gè)小世界都有樞紐節(jié)點(diǎn)贮懈，也就是社交達(dá)人匀泊。除了圈子里的人，他們還認(rèn)識很多圈外的人朵你。這樣圈內(nèi)人通過他們就間接認(rèn)識了很多圈外人各聘，從而劃分出強(qiáng)關(guān)系和弱關(guān)系。同一個(gè)圈子里人抡医，他們的關(guān)系非常緊密躲因，就是強(qiáng)關(guān)系。而從樞紐節(jié)點(diǎn)向其他圈子伸出去的橄欖枝忌傻，就是弱關(guān)系大脉。整個(gè)社交網(wǎng)絡(luò)就像切開的幾大塊藕，每個(gè)社交圈都是一塊藕水孩，每一塊藕的內(nèi)部都是強(qiáng)關(guān)系镰矿，而藕塊之間連著的絲就是弱關(guān)系。
在這樣一個(gè)網(wǎng)絡(luò)里俘种，節(jié)點(diǎn)之間的重要性差別巨大秤标，服從二八定律，也就是20%的成員占據(jù)了80%的資源安疗。如果一個(gè)網(wǎng)絡(luò)的所有節(jié)點(diǎn)的重要性都服從二八定律抛杨，有少量的樞紐節(jié)點(diǎn)非常重要，大量的節(jié)點(diǎn)沒有那么重要荐类，我們就叫它無尺度網(wǎng)絡(luò)怖现。所謂無尺度，指的是我們沒法用同樣的尺度、同一個(gè)標(biāo)準(zhǔn)去衡量這些節(jié)點(diǎn)屈嗤。
無尺度網(wǎng)絡(luò)顛覆了人們長期以來對復(fù)雜網(wǎng)絡(luò)的認(rèn)識潘拨。過去人們以為復(fù)雜網(wǎng)絡(luò)都是隨機(jī)網(wǎng)絡(luò)，忽視了樞紐節(jié)點(diǎn)的巨大力量饶号。事實(shí)上铁追，所有網(wǎng)絡(luò)中都必然存在這種兩級分化，均勻的茫船、完全隨機(jī)的節(jié)點(diǎn)分布式不存在的琅束。從隨機(jī)網(wǎng)絡(luò)到無尺度網(wǎng)絡(luò)，我們看到人們對復(fù)雜網(wǎng)絡(luò)的認(rèn)識加深了一步算谈，如果說隨機(jī)網(wǎng)絡(luò)是無序的涩禀、雜亂無章的，那么無尺度網(wǎng)絡(luò)就是無序和有序并存的然眼。表面上看艾船，每個(gè)節(jié)點(diǎn)都散亂地鏈接著其他節(jié)點(diǎn)，但是一旦抓住樞紐節(jié)點(diǎn)高每，整個(gè)網(wǎng)絡(luò)的結(jié)構(gòu)就變得清晰起來屿岂，無序之中浮現(xiàn)出了有序。
復(fù)雜網(wǎng)絡(luò)就是從隨機(jī)網(wǎng)絡(luò)到無尺度網(wǎng)絡(luò)鲸匿。復(fù)雜性蘊(yùn)含于萬物之間的鏈接爷怀，我們看到在網(wǎng)絡(luò)中，表面的無序和深層的有序共存带欢。網(wǎng)絡(luò)普遍具有先發(fā)優(yōu)勢霉撵、適者生存、健壯和脆弱并存的特點(diǎn)洪囤，樞紐節(jié)點(diǎn)和層級結(jié)構(gòu)在各種網(wǎng)絡(luò)中廣泛地存在。而這些復(fù)雜網(wǎng)絡(luò)的規(guī)律撕氧，正是我們今天高效利用大數(shù)據(jù)瘤缩，進(jìn)而發(fā)展人工智能的一把鑰匙。
應(yīng)用大數(shù)據(jù)的統(tǒng)計(jì)學(xué)
大數(shù)據(jù)是2008年被提出的伦泥。我們反過頭來看看人工智能的發(fā)展歷程剥啤。你有沒有想過，人工智能其實(shí)在60年前就有了不脯，為啥偏偏這幾年才爆發(fā)府怯？特別是喬布斯讓智能手機(jī)普及之后，各種各樣的智能應(yīng)用防楷、智能硬件開始雨后春筍般地往外冒牺丙，什么智能機(jī)器人、智能汽車、智能家居冲簿、難道大家是受了喬布斯的啟發(fā)才開始專注智能領(lǐng)域嗎粟判？其實(shí)不是。真正的原因是峦剔，我們現(xiàn)在這個(gè)時(shí)期恰巧是大數(shù)據(jù)量變產(chǎn)生質(zhì)變的轉(zhuǎn)折點(diǎn)档礁，而這種質(zhì)變給一直困擾人工智能發(fā)展的難題提供了解決方案。就是說吝沫，原來研究人工智能的那一套方法其實(shí)都是錯(cuò)的呻澜，現(xiàn)在大家才發(fā)現(xiàn)，讓機(jī)器擁有智能的鑰匙其實(shí)是大數(shù)據(jù)惨险。
什么是大數(shù)據(jù)羹幸？你可能覺得大數(shù)據(jù)就是一堆數(shù)字，或是必須要由數(shù)字構(gòu)成平道，其實(shí)不是睹欲，數(shù)據(jù)的范疇要比這個(gè)大得多。網(wǎng)上的所有東西都可以算作數(shù)據(jù)一屋，比如文字窘疮、圖片、視頻冀墨、你發(fā)出去的信息闸衫、你收到的郵件，甚至包括你的日撤碳危活動蔚出，比如下班走哪條路回家、去了哪個(gè)餐廳吃飯虫腋，所有這些都可算作數(shù)據(jù)骄酗。有了數(shù)據(jù)之后，再經(jīng)過系統(tǒng)性地整理悦冀，就變成了信息趋翻，信息再經(jīng)過更簡潔抽象地加工，就變成了知識盒蟆。舉個(gè)例子踏烙，比如通過測量星球之間的相對位置和時(shí)間，就得到了數(shù)據(jù)历等，通過數(shù)據(jù)能得到星球的運(yùn)動軌跡讨惩，就是信息，通過信息總結(jié)出開普勒三定律寒屯，就是知識荐捻。所以，數(shù)據(jù)、信息靴患、知識是層級遞升的關(guān)系仍侥，一層比一層高。我們?nèi)祟惥褪遣粩嗤ㄟ^使用知識改變世界的鸳君，這里數(shù)據(jù)就是一切知識的基礎(chǔ)农渊。
現(xiàn)在我們收集到的數(shù)據(jù)有3個(gè)特征：首先是體量大。這個(gè)大家都能感受到或颊，我們地球上有70億人砸紊，每天生產(chǎn)的數(shù)據(jù)現(xiàn)在大多數(shù)都會被原原本本的保留下來，這還不算人類以前生產(chǎn)的知識資料囱挑，而且每時(shí)每刻人們都在生產(chǎn)新的東西醉顽。這是多大的體量啊。拿中國聯(lián)通來說平挑，每秒記錄用戶上網(wǎng)條數(shù)近百萬條游添，一個(gè)月大概是300TB，國家電網(wǎng)中心目前累計(jì)收集了2PB的數(shù)據(jù)通熄。
當(dāng)然唆涝，光是體積大不能算是大數(shù)據(jù)，它還有一個(gè)特征唇辨，就是多維度廊酣。如果你在手機(jī)上下載了百度的應(yīng)用，這個(gè)應(yīng)用必須讓你填寫手機(jī)號赏枚，你為了使用這個(gè)軟件就填了亡驰，這時(shí)百度立馬知道你喜歡吃啥。這是怎么回事呢饿幅？很簡單呀凡辱，通過手機(jī)號能調(diào)出你的搜索習(xí)慣、你的通訊信息栗恩，然后你的性別煞茫、年齡、位置摄凡、文化背景......這些一連串的信息都會被調(diào)出來，然后根據(jù)大樣本統(tǒng)計(jì)蚓曼，你平時(shí)關(guān)注什么東西亲澡、你的生活習(xí)慣都會清清楚楚的展現(xiàn)出來，如果深挖下去纫版，你的收入情況甚至有什么特殊癖好百度都能知道床绪，知道這些信息后，你喜歡吃什么他們很容易就能推測出來，當(dāng)然他們是不會公布這些信息的癞己。
大數(shù)據(jù)還有一個(gè)特征是完備性膀斋。比如，以前你如果想收集地球上所有人的面孔信息是不可能的痹雅，但是現(xiàn)在理論上就有可能仰担，只要人們都用智能手機(jī)，你就能想辦法獲得所有人的數(shù)據(jù)绩社，這就是數(shù)據(jù)的完備性摔蓝。再比如，像谷歌的無人駕駛汽車愉耙，你以為它是通過對周圍物體的掃描做出即時(shí)反應(yīng)的嗎贮尉？哪有那么快的計(jì)算機(jī)，至少現(xiàn)在還不是用這種方法朴沿，它其實(shí)是提前把道路上所有可能遇見的情況全部預(yù)先輸進(jìn)電腦里猜谚，然后根據(jù)掃描情況快速匹配識別，最后才能做出各種各樣的反應(yīng)赌渣。它是一個(gè)配對比較加篩選的過程魏铅。這里面就得考慮數(shù)據(jù)的完備性，有了足夠全面的數(shù)據(jù)锡垄，才能做出更精準(zhǔn)的選擇沦零。就像你在網(wǎng)站上搜索東西，網(wǎng)上有的東西你才能搜得到货岭，如果沒有你就搜不到路操，所以谷歌無人駕駛汽車只能去熟悉的地方，不熟悉的地方它是去不了的千贯。
了解了數(shù)據(jù)的這些特點(diǎn)后我們發(fā)現(xiàn)屯仗，智能問題實(shí)際上就轉(zhuǎn)變成了如何處理數(shù)據(jù)的問題。以前研究人工智能的方法叫做“鳥飛派”搔谴，就是開始設(shè)計(jì)飛機(jī)的恩都覺得如果人類想要飛魁袜，就得像鳥一樣煽動翅膀，結(jié)果大家都知道了敦第，飛機(jī)起飛的原理是空氣動力學(xué)而不是仿生學(xué)峰弹。以前研究人工智能也是這個(gè)思路，覺得機(jī)器如果要有智能就得像人一樣思考芜果，我們?nèi)祟惖乃伎级鄰?fù)雜鞠呈，要原原本本還原出一個(gè)人類大腦那是得有多難，這條路走得肯定是舉步維艱右钾。
現(xiàn)在有了大數(shù)據(jù)就發(fā)現(xiàn)蚁吝，同樣的問題旱爆，機(jī)器進(jìn)行快速匹配計(jì)算一樣能解決，用的方法雖然和人類思考習(xí)慣完全不同窘茁，但是能解決問題怀伦。而這個(gè)解決問題的思路就是統(tǒng)計(jì)學(xué)。
在AI不是魔法：人工智能的能與不能那篇文章里山林，我們講過AI并不是魔法房待，它只是數(shù)學(xué)、統(tǒng)計(jì)學(xué)捌朴、以及使用大數(shù)據(jù)來進(jìn)行模式識別吴攒，是對環(huán)境和物體的識別和相關(guān)性分析的智能。人們利用大數(shù)據(jù)建立一個(gè)統(tǒng)計(jì)模型砂蔽，這個(gè)統(tǒng)計(jì)模型能對新的數(shù)據(jù)做出預(yù)言洼怔。輸入數(shù)據(jù)越多越精確，模型能做的預(yù)言就越準(zhǔn)確左驾，而這個(gè)過程就叫“機(jī)器學(xué)習(xí)”镣隶，人工智能就是用統(tǒng)計(jì)方法增加猜測的準(zhǔn)確度。人工智能就是機(jī)器學(xué)習(xí)诡右，反過來機(jī)器學(xué)習(xí)就是統(tǒng)計(jì)模型安岂。
深度學(xué)習(xí)
21世紀(jì)，人工智能領(lǐng)域發(fā)生了兩件大事帆吻，一件事發(fā)生在2006年域那，而另外一件事發(fā)生在2012年。2006年猜煮，杰弗里·希爾頓等人提出了“深度學(xué)習(xí)”（DeepLearning）概念次员。什么是深度學(xué)習(xí)？其實(shí)它是機(jī)器學(xué)習(xí)這門學(xué)科的一個(gè)分支王带，屬于無監(jiān)督學(xué)習(xí)的一種淑蔚。通過教授計(jì)算機(jī)深度學(xué)習(xí)，就有可能解決深層機(jī)構(gòu)優(yōu)化的問題愕撰。而能做到這一點(diǎn)刹衫，是因?yàn)橹嗡氖悄軌蜻M(jìn)行深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)。這種神經(jīng)網(wǎng)絡(luò)的特點(diǎn)是搞挣，它像寶塔一樣带迟，有很多層結(jié)構(gòu)，每一層神經(jīng)網(wǎng)絡(luò)都有很多個(gè)關(guān)鍵的節(jié)點(diǎn)囱桨，它們接收上一層處理完的數(shù)據(jù)結(jié)果邮旷，共同解決一個(gè)問題，把自己這一層的輸出結(jié)果傳遞到下一層去做進(jìn)一步的處理∮現(xiàn)在最流行的深度神經(jīng)網(wǎng)絡(luò)分為兩種：一種是處理空間分布數(shù)據(jù)的卷積神經(jīng)網(wǎng)絡(luò)婶肩，另一種是處理時(shí)間分布數(shù)據(jù)的循環(huán)神經(jīng)網(wǎng)絡(luò)。它們的結(jié)構(gòu)特點(diǎn)貌夕，都與無尺度網(wǎng)絡(luò)有著密不可分的關(guān)系律歼。
卷積神經(jīng)網(wǎng)絡(luò)可以用來做圖片識別，它對圖片的分析方法和我們分析無尺度網(wǎng)絡(luò)一樣啡专，都是抓住樞紐節(jié)點(diǎn)险毁。比方說現(xiàn)在有100萬張貓和狗的圖片混在一起，要挑出其中2張10厘米見方的照片们童，一張是黑貓畔况，一張是黑狗，都是白色的背景慧库。怎么挑呢跷跪？我們把一張照片看出一個(gè)網(wǎng)絡(luò)，它的每個(gè)像素都是一個(gè)節(jié)點(diǎn)齐板。如果按照隨機(jī)網(wǎng)絡(luò)的分析方法吵瞻，你是抓不出主次來的，可能對著白色的像素分析了半天卻一無所獲甘磨。而如果按照無尺度網(wǎng)絡(luò)的分析方法橡羞，就會非常清楚。比方說济舆，我們可以讓計(jì)算機(jī)用一個(gè)3X3的框卿泽，去框住這張照片的局部，一塊一塊去分析滋觉，如果框住了白色的背景就去掉签夭，不做分析，如果框住了黑貓黑狗的軀干部分椎瘟，發(fā)現(xiàn)區(qū)分不出來覆致，那也把它去掉，最后發(fā)現(xiàn)肺蔚，兩張照片區(qū)別最大的是貓臉和狗臉煌妈。抓住臉的不同就是抓住了像素網(wǎng)絡(luò)中的樞紐節(jié)點(diǎn)，這是第一層神經(jīng)網(wǎng)絡(luò)要處理的問題宣羊。
接下來璧诵，第二層神經(jīng)網(wǎng)絡(luò)要做什么呢？對這100萬張臉的分析本身也很復(fù)雜仇冯，需要把所有貓臉和狗臉分開之宿，這第二層神經(jīng)網(wǎng)絡(luò)就是把臉部的所有像素當(dāng)做一個(gè)無尺度網(wǎng)絡(luò)，抓住其中的樞紐節(jié)點(diǎn)進(jìn)行分析苛坚，比如眼睛比被、鼻子色难、嘴巴、耳朵等缀，做進(jìn)一步的刻畫和區(qū)分枷莉。第三層神經(jīng)網(wǎng)絡(luò)，就是對這些器官的特點(diǎn)再往下細(xì)分尺迂，直到最后一層神經(jīng)網(wǎng)絡(luò)對單個(gè)像素進(jìn)行分析笤妙。整個(gè)神經(jīng)網(wǎng)絡(luò)就是把區(qū)分貓和狗的任務(wù)拆解成許多任務(wù)，一層一層處理噪裕，抓住樞紐節(jié)點(diǎn)蹲盘，刻畫重要特征。
這個(gè)過程還體現(xiàn)出無尺度網(wǎng)絡(luò)適者生存膳音、優(yōu)勝劣汰的特點(diǎn)召衔。人工智能并不知道，自己每一層分析的是什么严蓖，比如它不知道這一層分析的是貓的眼睛還是耳朵薄嫡，但是它知道，如果這一層分析的這個(gè)東西颗胡，比方說瞳孔的粗細(xì)毫深，經(jīng)過大量照片數(shù)據(jù)的訓(xùn)練，能顯著地把兩種動物分開毒姨，成功率超過80%哑蔫，那么判斷瞳孔粗細(xì)的這個(gè)樞紐節(jié)點(diǎn)就會得到加權(quán)，得到進(jìn)一步壯大弧呐，它在整個(gè)網(wǎng)絡(luò)中的地位就會提高闸迷。相反，假如發(fā)現(xiàn)對胡須的像素分析不好用俘枫，經(jīng)常會把貓和狗分錯(cuò)腥沽，那么這條通道就會被降權(quán)，這個(gè)節(jié)點(diǎn)的重要性就會下降鸠蚪。整個(gè)神經(jīng)網(wǎng)絡(luò)在上百萬張照片的訓(xùn)練中不斷進(jìn)行這樣的自我調(diào)整今阳，各個(gè)節(jié)點(diǎn)的重要性發(fā)生動態(tài)變化，最后形成一個(gè)識別率最高的神經(jīng)網(wǎng)絡(luò)茅信。這個(gè)深度學(xué)習(xí)的過程盾舌，就是一個(gè)無尺度網(wǎng)絡(luò)中適者生存、不適者被淘汰的過程蘸鲸。
還有另外一種深度神經(jīng)網(wǎng)絡(luò)妖谴，叫循環(huán)神經(jīng)網(wǎng)絡(luò)，它和無尺度網(wǎng)絡(luò)的關(guān)系也是通過樞紐節(jié)點(diǎn)來體現(xiàn)的酌摇。這兩年有一個(gè)名詞特別火膝舅，叫“神經(jīng)網(wǎng)絡(luò)翻譯”嗡载，像谷歌、百度仍稀、有道這些公司鼻疮，都說自家的翻譯軟件用的是神經(jīng)網(wǎng)絡(luò)翻譯，質(zhì)量堪比人工翻譯琳轿。這項(xiàng)技術(shù)的背后，就是循環(huán)神經(jīng)網(wǎng)絡(luò)在其作用夫啊。過去的機(jī)器翻譯爽撒，是把一句話里的字詞做切分鬼贱，比方說“我吃飯了”這一句話，切分成“我”“吃飯”“了”琉闪，然后把這3個(gè)部分逐個(gè)翻譯，再按英文的重要性都看成是一樣的砸彬，把它們翻譯完了拼湊起來颠毙，非常生硬，而且出錯(cuò)的概率很大砂碉。比方說蛀蜜，“小明從前門走過來了≡霾洌”機(jī)器在切分這句話的時(shí)候就會出問題滴某，到底是把“從前”切分出來作為一個(gè)詞翻譯呢，還是把“前門”作為一個(gè)詞翻譯呢滋迈？機(jī)器不知道霎奢，很可能翻譯出來的意思就是：小明、從前饼灿、門走過來了幕侠。
但是應(yīng)用循環(huán)網(wǎng)絡(luò)的翻譯就不會出現(xiàn)這樣的錯(cuò)誤，它會把一整句話看成表達(dá)完整意思的網(wǎng)絡(luò)碍彭，進(jìn)行整體分析晤硕。它在翻譯“小明”兩個(gè)字的時(shí)候，不是孤立地分析硕旗，而是把“小明”看作是一個(gè)樞紐節(jié)點(diǎn)窗骑，賦予很高的權(quán)重，同時(shí)關(guān)聯(lián)后文漆枚，比如“從前門走”這四個(gè)字里创译，最重要的是動詞“走”，那就提高它的權(quán)重墙基，看作第二個(gè)樞紐節(jié)點(diǎn)软族，那么“從前門”就是一個(gè)意思整體刷喜。接下來，按順序分析“從”這個(gè)字的時(shí)候立砸，注意到“小明”和后面的“走”都是和“從”進(jìn)行搭配的掖疮，提高它們的權(quán)重，那“前門”作為一個(gè)方位名詞和“從”的搭配關(guān)系就非常明確了颗祝。
這樣在翻譯每個(gè)詞的時(shí)候浊闪，都在語料庫的大數(shù)據(jù)中捕捉前后文里面和這個(gè)字詞搭配關(guān)系最緊密的字詞，賦予它們更高的權(quán)重螺戳，相當(dāng)于抓住了一個(gè)樞紐節(jié)點(diǎn)周圍的樞紐節(jié)點(diǎn)搁宾，就可以清晰低看到剩下的字詞只是次要的節(jié)點(diǎn)，在整句話里起到修飾和補(bǔ)充的作用倔幼，就不會出現(xiàn)“從前”和“從前門”分不清的問題了盖腿。
從圖片識別和神經(jīng)網(wǎng)絡(luò)翻譯這兩個(gè)例子我們可以看到，人工智能背后的深度神經(jīng)網(wǎng)絡(luò)和無尺度網(wǎng)絡(luò)有著非常緊密的關(guān)系损同。雖然這些年網(wǎng)絡(luò)科學(xué)的發(fā)展日新月異翩腐，但是我們看到，最前沿的科技中同樣滲透著無尺度網(wǎng)絡(luò)膏燃，這個(gè)網(wǎng)絡(luò)模型已經(jīng)成為今天的科學(xué)家用來搭建復(fù)雜網(wǎng)絡(luò)茂卦、分析復(fù)雜網(wǎng)絡(luò)的一個(gè)基礎(chǔ)設(shè)施。
小結(jié)
今天對無尺度網(wǎng)絡(luò)的深刻洞察和廣泛應(yīng)用蹄梢，再加上海量的大數(shù)據(jù)對網(wǎng)絡(luò)節(jié)點(diǎn)進(jìn)行不斷訓(xùn)練和調(diào)整疙筹，才有深度神經(jīng)網(wǎng)絡(luò)和人工智能的存在。所以我們說禁炒，無尺度網(wǎng)絡(luò)是樹根而咆，大數(shù)據(jù)是樹干，人工智能是樹枝樹葉幕袱。我們既要看到繁茂的枝葉和粗壯的樹干暴备，也要看到樹根奠定了它們賴以生長的基礎(chǔ)。
