第2章　盤古人工智能框架多層次神經網絡的實現

2017年3月21日，作者在硅谷，利用三個月的時間，于2017年6月22日實現了盤古人工智能框架，在該框架中實現了基本的ANN（Artificial Neural Network）和CNN（Convolutional Neural Network），那時還沒實現RNN（Recurrent Neural Network），但是實現了另外兩個特別重要的算法，一個是自動編碼（AutoEncoders），還有一個是非監督學習玻爾茲曼機算法（Boltzmann_Machines），二者都跟推薦系統相關。對于深度學習中的算法，神經網絡算法是必須掌握的，CNN、RNN等都是基于神經網絡算法延伸出來的，包括自動編碼算法，也是基于神經網絡的算法延伸出來的。自動編碼算法、玻爾茲曼機算法在實際中可用于推薦系統，在Facebook、谷歌、亞馬遜的各種應用場景都可以看見推薦系統的身影；深度學習在圖片識別、聲音識別中可能暫時不那么重要。從2017年6月開始，用了將近10個月的時間，作者在自己開發的人工智能框架中試驗了上述算法，這是做人工智能研究的核心能力之一。

研究TensorFlow、PyTorch的時候發現，TensorFlow、PyTorch和作者開發的人工智能框架思路是一樣的，但在實現上有所不同。作者開發的人工智能框架滿足了基本的神經網絡的需要，如果要像TensorFlow、PyTorch那么強大，需要迭代很多個版本。我們將從最基礎的一個版本，通過幾次版本的迭代，達到自研的人工智能框架內核和TensorFlow、PyTorch的內核一致的程度。