在對技術毫無瞭解的人看來，人工智能是什麼？
《流浪地球》裡的AI語音助手MOSS麼？還是《終結者》裡的天網？
如果對當今人工智能的主流技術——深度學習沒有了解，可能真的會有人覺得，當前的科學家們在創造無所不能、無所不知的電影AI形象。
那麼，如何用最淺顯的方式，給大眾解釋什麼是深度學習呢？
法國博主Jean-Louis Queguiner撰寫了這篇《給我8歲的女兒解釋深度學習》，以用深度學習技術搭建識別手寫數字的神經網絡為例，用清晰的方式，解釋了深度學習的原理。
這些數字每個人的寫法都不一樣，要如何讓計算機判斷出這些手寫體數字是幾呢？
1、和數數一樣簡單
首先，考慮到0~9這十個數字，本身也是存在各種筆畫的，那我們就拆解開來，看每個手寫體數字裡，有多少橫豎撇捺，曲折彎彎。
左邊豎著的一列是是個數字，上方橫著的紅色字符則是拆解出來的筆畫，用這個表格，來統計每個字符裡有多少個相應的筆畫。
現在，我們來寫一些新的數字，然後數一數，這些新寫的數字裡，有多少個紅色的筆畫，和上方的表格對比一下，就能判斷出這些新寫的數字是幾了。
比如，第一個數字裡，有一個“ / ”，一個“丨”，我們發現有這種特徵的，是“1”這個數字，而且完全符合，那第一個數字就是“1”。
第二個數字，上下左右半圓各有2個，另外還有一個“ / ”，一個“丨”，總共10個筆畫。比較之下，會發現上表中的數字“8”有8個筆畫符合，數字“9”有6個筆畫符合，那麼這第二個數字就是“8”。
看懂這一步，那恭喜你已經搭建了世界上最簡單的識別手寫數字神經網絡。
2、圖像即矩陣
矩陣這個概念，大部分8歲的小學生肯定是沒學過的，可以簡單的理解為一串橫豎的格子裡，每個放一個數。
對於計算機來說，每張照片都是細微的像素組成的，這些像素排列成矩陣格子，每個格子一個顏色，拼起來便是一副圖像。
比如這些紅紅綠綠的格子，你縮小來看，原來是一張草莓圖片的一部分。
而顏色，對於計算機來說，正是用數表示的，草莓圖片中彩色的顏色是紅綠藍三種色光，各自有一個數，總共三個數；而手寫數字都是黑白的，只要一個數，0表示純黑色，255表示純白色，兩者中間的數則是灰色，數字越小顏色越深，數字越大顏色越淺。
所以，看這個手寫數字，一共28行28列，784個像素格子，沒有筆畫的黑色格子就是0，有筆畫的部分，筆畫中心是更淺的白色，數字在一兩百左右，筆畫邊緣則是灰色，數字只有幾十，這就構成了這個手寫數字的矩陣。
3、卷積層：找到筆畫輪廓
現在，我們知道了圖片的每個像素格子都是數字，但如何找出這些數字中的筆畫呢？
深度學習的神經網絡是有許多許多“層”組成的，找輪廓這一步需要用到卷積層，本質上就是在前面用數字表示的圖像上加一個過濾器，把沒有筆畫的部分過濾掉，留下有筆畫的部分。
過濾器就像下面這個玩具一樣，識別出圖案的輪廓，如果輪廓匹配，就可以放進盒子裡，輪廓不匹配，那就放不進去，三角形的過濾器匹配三角形的木塊，正方形的過濾器匹配正方形的木塊
4、獨立過濾
過濾器過濾的過程就像這張動畫一樣，每一次掃描都是獨立的，所以可以同時進行許多次掃描，每次掃描互不干擾。
5、重複卷積
前面的過程，是我們的手寫數字圖像被多個過濾器過濾，但是為了提高準確性，只要把前一次過濾的圖像再拿來過濾就好了，用的過濾器越多，過濾的次數越多，結果越準確。
而且，由於手寫的數字並不像玩具中的三角形、五角星一樣規整，每個人寫數字“8”都可能寫成不同的樣子，因此筆畫的佈局都不一樣。
為了讓過濾出來的筆畫更清晰，需要不斷創建新的過濾器，直到過濾器被精確到我們前面看到的那些紅色橫豎撇捺半圓的形狀。
6、卷積：乘法和加法
但過濾中具體的掃描過程是怎樣的呢？
涉及到卷積運算，比如下圖，左邊是一張8×8的圖像，中間是一個3×3的卷積濾波器，3×3的格子在8×8的圖像上逐一移動，挨個進行卷積。
這裡，需要告訴大家卷積是怎樣算的。比如上圖，左邊的3×3格子的左上角是3，中間卷積過濾器的左上角是-1，那就需要把3和-1乘起來，得到-3。以此類推，同一位置的兩個數相乘，得到9個乘積，再把9個乘積加起來，得到-3，就是卷積的結果。
當然，圖上這個例子中涉及了負數，如果小朋友還沒有學會負數的運算，可以先不要理它，當做一個整數就好啦。
7、池化層：把圖片變小，易於總結
經過了複雜的卷積過程，我們現在需要進行總結采樣，首先要把矩陣縮小，這裡用到的是池化層。
比如，把四個格子縮成一個格子，可以取四個格子的最大值、最小值、平均值、求和等，這樣矩陣的大小就只有原來的四分之一了。
8、神經網絡
我們整個過程，是為了識別手寫的數字是幾，這個過程叫做圖像分類，因為數字只有10個，所以需要把每個不同的手寫數字分到0~9十類中。
經過了上面的多層處理，現在需要把它放進類中，需要準備10個神經元，每個代表一類，連接到最後一個池化層之後。
下面是Yann LeCun設計的最早的LeNet-5卷積神經網絡，這是圖像識別領域的幾個早期成果之一。
9、靠反向傳播實現自我改進
不過，整個過程不只靠卷積完成，還需要依靠神經網絡自身學習和適應的能力，比如藉助一種叫做反向傳播的方法，靠權重來減少神經元的數量。
簡單來講，我們看神經網絡的輸出的結果，如果輸出的這個分類是錯的，比如把手寫的6認成了9，我們就認為，其中有一個過濾器犯了個錯誤，是個不靠譜的過濾器，擔不起自己的責任，就把它的權重降低，下次神經網絡就不會犯同樣的錯誤了。
這樣，整個神經網絡系統就擁有了學習能力，保持自我提升。
10、寫在最後
找了數千張圖片，運行了數十個過濾器，採樣輸出……所有的步驟都可以完美的同時搞定，因此適合在GPU上運行。
另外，我們還沒有討論準確率的問題，在圖像識別競賽ImageNet中，根據歷年的結果，我們可以看出，隨著神經網絡層數的增加，準確率在不斷提升。
最後，本文講得雖然是識別手寫字母，但所有的圖像識別，無論是用於醫療還是用於自動駕駛，原理都是一樣的，靠很多層神經網絡、各種濾波器，在不同的矩陣上做各種變換。
也就是說，所有圖像識別都是在GPU上運行的矩陣運算。
