前言

近年來，我們在媒體上到處可見人工智能（AI）這個詞，而深度學(xué)習(xí)是人工智能的一種實現(xiàn)方法。下面我們就來簡單地看一下深度學(xué)習(xí)具有怎樣劃時代的意義。

下面是三張花的圖片，它們都具有同一個名字，那究竟是什么呢？

答案是玫瑰。雖然大小和形狀都不一樣，但這些的確都是玫瑰花的圖片?？吹矫倒寤ǖ膱D片，我們理所當然就能辨別出“這是玫瑰花”。

在計算機和數(shù)學(xué)的世界中，這個玫瑰花的例子屬于模式識別問題。人類每天都在進行著模式識別。比如，我們在逛街的時候就會無意識地進行著物體的辨別：“那是電影院”“信號燈是紅燈”，等等。換言之，這就是在進行模式識別。

然而，像這樣的人類認為很自然的事情，一旦想讓機器來做，就變得非常困難。例如，現(xiàn)在讓你編寫一個模式識別的計算機程序，使其從大量花的圖片中單獨提取出玫瑰花的圖片，你可能就束手無策了。

實際上，關(guān)于模式識別的理論創(chuàng)建一直在碰壁。例如，對于玫瑰花的模式識別，以前的邏輯是將“玫瑰是具有這樣特征的東西”教給機器，然而效果甚微。因為玫瑰花的形狀實在是太多了，即使是相同品種的玫瑰花，其顏色和形狀每時每刻也都在發(fā)生變化，不同品種的玫瑰花則會有更大的差異。要從如此多樣的特征之中得出“玫瑰”這樣一個概念，的確是太難了。

后來，一種被稱為神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)方法被研究出來。具體來說，就是將模擬動物的神經(jīng)細胞的神經(jīng)元聚集起來形成網(wǎng)絡(luò)，然后讓這個網(wǎng)絡(luò)去觀察大量的玫瑰花的圖片，進行“自學(xué)習(xí)”。相比之前的模式識別邏輯，該方法取得了很大的成功。特別是利用稱為卷積神經(jīng)網(wǎng)絡(luò)的多層結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)，甚至可以從圖片和視頻中識別出人和貓。深度學(xué)習(xí)就是用具有這種結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)實現(xiàn)的人工智能。

雖然“自學(xué)習(xí)”聽起來很難，但神經(jīng)網(wǎng)絡(luò)運用的數(shù)學(xué)理論是非常簡單的，基本上是比較基礎(chǔ)的數(shù)學(xué)知識。然而，很多文獻大量使用公式和專業(yè)術(shù)語，令人難以看透神經(jīng)網(wǎng)絡(luò)的本質(zhì)，這對于今后人工智能的發(fā)展是莫大的不幸和障礙。本書作為人工智能的入門書，目的就是要破除這種障礙，讓所有人都能夠體會到神經(jīng)網(wǎng)絡(luò)的趣味性。本書的目標是用初級的數(shù)學(xué)知識詳細地講解深度學(xué)習(xí)的思想。

只要從本質(zhì)上理解了基礎(chǔ)知識，就可以在應(yīng)用中大展身手。但愿本書能夠?qū)?21 世紀人工智能的發(fā)展有所貢獻。

最后，本書從策劃到最終出版，得到了技術(shù)評論社渡邊悅司先生的大力支持，我們借此向他表達深深的謝意。

2017 年春

筆者