第二期 steam互动视频《一个人工智能的诞生》测评and学习
人工智能，深度学习，机器识别……说起来很简单，听起来很厉害，但，它们到底是什么？与其简单地观看视频，不如亲自上手操作。调整参数，改变视角，实时演示，只需要一点高中数学知识，你就能亲眼见证 —— 一个人工智能的诞生。
哈喽，我是阿焰，这是steam游戏《一个人工智能的诞生》第二期测评。在上一期中，我们感受了机器学习的基本训练过程，那么这一期就给大家揭示训练过程背后所遵守的那个神秘的规则，有了这个规则，机器就能在一次次尝试中往正确的方向前进。所谓一切神秘源于未知，当你理解了这一期的内容之后，神秘不再神秘，新的大门为你敞开。
那么，大幕拉开，‘演出’开始。
第二章 分类鳄鱼与蛇
人工智能：我太想进步了！
在本章当中，演示的例子就是下面这幅图，我们要将代表鳄鱼的点（圆形）和代表蛇的点（三角形）分开，纵坐标是动物的体重，横坐标是身体长度，而分割线就如图中坐标系右侧的方程所表示，很明显是一个简单的线性函数，只需要慢慢调整好分割线的斜率，再一个平移就解决了。可是，计算机该如何解决这个问题呢？
聪明的人类自然联想到了自己，小时候我们都看到过那些从动物身上学习的故事，例如从蝙蝠身上学习了声纳探测，那么我们要让机器像人一样思考，自然少不了研究我们人类本身是如何产生智能的，其中的关键就是我们的大脑神经元。大脑神经元分为树突和轴突，树突接收信号，轴突发送信号，一个神经元有多个树突输入，一个轴突输出，其次信号分为兴奋和抑制两种（是不是已经想到了1和0？），而只有树突输入的信号满足一定条件时，神经元才会激活，通过轴突发出兴奋信号，否则发出抑制信号。
所以人们就把神经元结构给直接搬到了程序中，希望这种结构能帮助机器像人一样解决问题。下面是一个简化的神经元，有四个输入和对应的权重，以及一个常数b，当输入的加权和大于等于b时，输出就为1，否则为0。
好啦，背景聊的够久了，让我们再回到一开始的问题，区分鳄鱼与蛇。简单起见，我们构造一个2输入的神经元模型，分别输入动物的体重和身长两个参数，搭配上权重和常数b，我们可以惊奇的发现机器可以通过简单的计算就把动物分为两类，一类是体重身长的加权和大于b的，一类是小于b的。那么聪明的你一定就想到，只要机器能把参数调到合适的值，就可以用这个神经元区分所有的鳄鱼和蛇。就这样，我们把一个困难的抽象判断问题通过一个神经元模型，转化为了机器擅长的代数问题。
具体的模型也有了，终于到了揭晓谜底的时候，在这个例子中，机器自动调整权重的神秘规则就是——Δwi = （Y - y）* xi ，这个式子代表的含义且听我道来：每一次迭代后权重wi都会加上Δwi，相当于对权重修改的操作，而等号右边的是修改的规则。首先是（Y - y），这代表着在这次迭代中机器的判断是否正确，该项等于0时，代表判断正确，权重不需要调整；该项等于1时，代表神经元结构中的加权和偏小，因此要增加，xi*Δwi符号为正，该项等于-1时，代表加权和偏大，需要减小，因此xi*Δwi符号为负。然后是xi，这代表着Δwi修正的幅度，xi越大的节点影响力越强，因此乘上xi可以加快迭代的速度。
恭喜你，如果你理解了以上内容，那么你成功掌握了机器学习中最为经典的结构——感知器（Perceptron），这是神经网络中最小的结构，你也可以理解成单个的神经元。如果没有理解也没有关系，可以试着玩一玩这个游戏。在你亲自动手操作时，或许能够有不一样的收获。
当然这个简单又神奇的感知器模型仍然有它的缺陷，例如它永远无法解决下面的这个问题。而这部分内容，当然要放到下一期再讲啦（叉腰）。
相逢有缘，见字如面，如果再也不能见到你，那么祝你早安 午安 还有晚安 (。•̀ᴗ-)✧