AI学习-基础入门篇-一个神经元的诞生

前言

学习都是为自己，干货必定看的累。

基础知识要求

线性代数基础，python基础。不用很深，学习一下用到的内容即可，比如矩阵。

本人学习直接跟着床长的课程走的，很棒。

人工智能

人工智能的起源是人脑，所以，其特征是神经网络结构和黑盒。

神经网络指的是人脑，处理的基本单元是神经元，向上下级传递不同强度的神经信号，最后汇总得出结论。

黑盒是指我们也无法知道人遇到什么情况会释放什么强度的神经信号，不清楚整个链路的判断逻辑。也就是只知道“输入”和“输出”，不了解过程。

AI程序用代码模拟了这个过程，使程序有了学习和判断能力。它其实没有那么神秘，就像数学的起源只是1+1一样，人工智能最早期也只是几个神经元组成的几十行代码。和别的代码一样，无非是输入-处理-输出，只是处理过程有了数学的逻辑支撑。

基础概念

样本：目标实例。比如图片人脸识别AI，图片就是样本。

输入

既然是代码，那么肯定要输入计算机方便解决的数据源，比如我们最常见的人脸识别，数据源是图片，但是输入到程序之前，我们要把他转换成矩阵（这里要求回顾矩阵的定义和加减乘除法则）。图片有像素，比如1080*1080，每个像素点都是由三原色组成，所以我们可以把这个图片试做1080*1080*3个数字组成的矩阵。这个时候输入就变成了数字矩阵，计算机很容易处理。其他的AI算法也一样，音频视频都可以转成矩阵。

输出

输出结果一