神经网络

神经网络是一种模仿人脑工作方式的人工智能计算系统。它使用由相互连接的节点组成的层，这些节点充当人工神经元，用于处理数据并解决给定问题。该系统会随着时间推移调整神经元之间的连接，以及每个神经元执行的函数，从而不断学习。

AI 开发人员使用人工神经网络训练用于不同任务的人工智能算法。计算机视觉神经网络会学习分析图像并识别对象，因此能够快速识别人脸、为图像添加标签以及帮助审核内容。它们会学习执行语音识别，将对话转录成文字并为视频添加字幕。神经网络还可以学习自然语言处理，分析书面语言，以便整理文档、生成文章摘要以及充当聊天机器人。

神经网络的工作原理

神经网络中的每个节点都包含一个数学函数。节点排列在多个层中，包括一个输入层、多个中间层和一个输出层。每个节点都与其上方和下方层中的任意数量的节点相连接。节点从较低层的节点接收输入，为每个输入分配一个权重值，并对组合后的值执行计算。如果结果达到预先确定的阈值，节点就会将结果传递到下一级。这个过程会重复进行，直到神经网络将最终值传递到输出层。

在最初的“训练”阶段，开发人员会向神经网络提供各种数据集。例如，如果目标是识别人脸，数据可能是不同人物的照片。系统最初几次分析数据时，输出结果可能不准确。不过，在后续分析中，系统会通过更改每个节点的权重值和阈值来“学习”。当神经网络能够持续为训练数据生成准确结果时，就表示训练成功。