歡迎來到科普中國特別推出的寒假精品欄目“給孩子的高新科技課”！
人工智能作為當今最前沿的科技之一，正在以令人驚嘆的速度改變著我們的生活。從智能語音助手到無人駕駛汽車，從 AI 繪畫到機器學習，它為我們打開了一個充滿無限可能的未來。本欄目將以通俗易懂的方式，用視頻和文字給孩子講述人工智能的原理、應用及其對社會的深遠影響。
快跟我們一起開啟這場 AI 之旅吧！
以下為文字版本：
生活中，AI 圖像識別無處不在。
看到不認識的植物？拍張照片，分分鐘就能找到答案。自動駕駛汽車也好像長了眼睛一樣，能輕輕松松判斷出，哪里是道路，哪里是樹木。人臉識別技術，也讓我們實現了刷臉支付。
而這一切，都離不開一項技術——卷積神經網絡。這項技術，就像 AI 的眼睛。
想了解 AI 的眼睛是怎么工作的，我們先要看一看動物的眼睛是怎么工作的。
從貓眼到 AI 眼：視覺神經元的啟示
20 世紀 50 到 60 年代，大衛·休伯爾和托斯坦·威澤爾對貓的視覺進行了研究，他們發現，在一幅畫面進入貓的視野之后，貓大腦中負責視覺的神經元，被不同的東西激活了。
為了方便理解，我們看個例子。比如這樣一幅畫面，有的神經元對畫面中物體的邊緣線條非常感興趣，會著重處理這些信息，有的神經元對大塊的顏色比較敏感，更擅長處理這些信息。這些神經細胞一起工作，幫助生物識別各種復雜的圖像。
埃德加·德加 《去外省的賽馬場》（At the Races in the Countryside）1869
這項研究，讓大衛和托斯坦獲得了 1981 年諾貝爾生理學或醫學獎，也啟發了人工智能領域一個非常重要的算法，卷積神經網絡。
在 1980 年代，日本科學家福島邦彥設計了一個叫做 Neocognitron 的模型，用來識別日文手寫字符，Neocognitron 中有不同的“層”，用來提取對不同的信息，最后綜合這些信息對識別到的字符進行判斷。
這啟發了一位叫做揚·樂昆的法國科學家，揚·樂昆設計出了最早的卷積神經網絡，并且基于卷積神經網絡，建立了 LeNet 模型。這個模型在當時被很多銀行用來識別手寫字符。我們通過一個簡單的例子，來看看卷積神經網絡是如何工作的。
卷積神經網絡：圖像識別的幕后英雄
和神經網絡相比，卷積神經網絡在識別圖片的時候，多了兩個過程：卷積和匯聚。
卷積，這個過程，是由一個叫卷積核的東西完成的。
一張圖片，在計算機的眼里，其實是一個個像素點組成的矩陣，卷積核不是單獨去考慮每一個像素點上的信息，而是同時對某個區域，比如 3×3，5×5 的像素點信息進行處理。這樣可以綜合考慮相鄰像素點的信息，更好地提取出更高級特征。
你可以想象一下，卷積核就像是一個觀測員拿著有特定視野的望遠鏡去看一幅圖片，把看到的信息處理記錄下來。
而且我們可以設置有不同側重點的觀測員，以提取圖片中的不同維度信息。比如，有的觀測員著重提取顏色信息，有的著重提取物體邊緣輪廓信息，有的專門提取某個特定形狀的信息。最后綜合這些信息，幫助神經網絡做出更好的判斷。
此外，卷積神經網絡還有一個重要的步驟——匯聚（又稱池化）。
圖片往往是一個非常大的矩陣，匯聚能夠把一塊區域里的信息壓縮成一個信息。假如，對一個 16×16 的矩陣，可以通過匯聚的方法，提取 2×2 格子里顏色最深一格的信息，就能把它變成這樣的 8×8 的矩陣。如果再進行一次相同的匯聚，就可以把 8×8 的矩陣，變成 4×4 的矩陣。雖然圖像匯聚后會有一些變化，但是依然保留了整個圖像中的基本特征。
卷積和匯聚，讓卷積神經網絡能夠非常好地對圖片信息進行提取，對于圖像的學習處理效率上有了非常大的提升。
當然，卷積神經網絡也會使用跟神經網絡一樣的反向傳播算法，不斷根據已知結果逆向調整神經網絡中的參數，以做出越來越準確的判斷。
那么，AI如何改變一些行業的生態？接下來的幾集中，我們將一同探究。
策劃制作
本文為科普中國-創作培育計劃作品
出品｜中國科協科普部
監制｜中國科學技術出版社有限公司、北京中科星河文化傳媒有限公司
作者丨北京云御紀文化傳播有限公司
審核丨秦曾昌 北京航空航天大學 自動化科學與電氣工程學院 副教授
策劃丨符思佳
責編丨符思佳
本文封面圖片及文內圖片來自版權圖庫
轉載使用可能引發版權糾紛
下一篇：返回列表
【免責聲明】本文轉載自網絡，與科技網無關。科技網站對文中陳述、觀點判斷保持中立，不對所包含內容的準確性、可靠性或完整性提供任何明示或暗示的保證。請讀者僅作參考，并請自行承擔全部責任。