早在2016年的时候，彭博社报道过，初创公司就已经开始营销私人助理机器人——埃米·英格拉姆（Amy Ingram）。公司对外宣称这款机器人是“能够为你安排会议的私人助理”！你只要将电子邮箱发送给埃米，埃米就能以非常甜美的语气开始自己的私人助理工作。

当时人们一度认为，埃米确实比人类更适合这项工作。

但是，经历过一次又一次AI骗局之后，我们才慢慢弄明白，原来AI也是有假。现在我们在看看埃米，如果仔细观察其广告细则，就会发现人类可以随意介入这个“人工智能”系统。营销这个机器人的公司在背后利用全天候工作的人来操控埃米。

当然，还有比这个更早的自动机骗局。

1770年，一个酷似真人的机械装置——“土耳其人”，战胜了绝大多数人类棋手，成为国际象棋高手。公众对于这款机器的痴迷要远远高于之前的沃康松发明长笛演奏者。有人怀疑机器里面是不是有一个小孩，但是每当打开机器内部，就能够发现里面有很多机械齿轮在运作，并没有发现有小孩藏在里面。

“土耳其人”机器人

历任主人对这款国际象棋高手机器的工作原理始终讳莫如深，外界对“土耳其人”历经多年的猜测，却还是无法揭示这款自动机的工作原理。“土耳其人”被创作出的84年后，一场大火烧掉了“土耳其人”。后一任主人的儿子觉得保守秘密也没有意义，于是公布了“土耳其人”的工作原理。

事实上，“土耳其人”就是一个巨大的木偶人，利用巧妙的机关构成对观众的欺骗。

这些例子表明，我们不应该接受“它采用了深度神经网络”的回答，来掩盖所谓“人工智能”系统的工作原理。因为如果不这样，会让我们陷入到一些毫无根据的人工智能炒作之中。事实上，这种“粗心”的想法让我们轻信了像“土耳其人”这样的骗局。

确保我们不会落入骗局和“甜蜜营销”陷阱的方法之一是仔细研究这些装置背后的细节和工作原理。

深度神经网络如何识别图像中的物体？

在2006年之后的10年时间内，计算机识别图像、语音等的能力已经得到显著地提升。甚至从某种角度上说，计算机已经超过人类在图像识别方面的能力，而这得益于一种叫做“深度神经网络”的技术。不仅仅如此，深度神经网络还能针对一副图片创造出逼真的渲染效果。

深度神经网络本质上就是一种输入和输出之间的映射关系。一旦网络参数训练完毕，深度神经网络是一个可以预测的，是一个确定性的函数。只要隐藏层足够多，深度神经网络理论上是可以表达任意函数。而且只要我们仔细研究，就会发现，深度神经网络就是一个分类器。

但是了解了这些，我们还是无法知道深度神经网络在了解世界的内部表达是什么样，还是不知道深度神经网络在那些时候会表现比较差？要想了解深度神经网络的能力和局限，我们只能去了解深度神经网络背后的细节。

这里以“深度神经网络识别图像中的狗”为例，说明深度神经网络的工作原理。

首先，需要准备让深度神经网络去学习的图片。这些“训练样例”有包含狗的图片，也有不包含狗的图片。而且，为了深度神经网络理解这些图片，需要对样例进行数字编码，这样就能够用数字来表达像素的颜色，从而用数字来描述图片。

因为彩色图片中，每个像素有三种颜色（红、绿、蓝）因此，对于640×480大小的图片，需要921600（640×480×3）个数字来表达。一旦将网络的输入设置为这些数字的时候，就可以开始运行设计好的深度神经网络框架。这些数字会一层层地激活，直到在末端产生一个输出。

可以把神经网络中的神经元想象成一个个打开或关闭的小灯泡。而且，当网络中神经元的激励水平越高，小灯泡的亮度就会越大。一旦网络运行，网络中的一些神经元就会变亮，另一些则会变暗。在深度神经网络识别狗的过程中，我们更关注网络输出的神经元有多亮。

含有两个隐藏层的神经网络

假设我们设计的网络的输出层只有一个神经元，我们称之为“狗神经元”。如果“狗神经元”亮，则说明图片中含有“狗”，反之则不含。如果亮度不暗也不亮，则认为图片中可能有狗，可能没有狗。同样，我们对“训练样例”的标签也做数字编码处理，通过人工标注的方式，有狗则为“1”，无狗则为“0”。

之后，我们就需要将输出的亮度和“训练样例”的标签进行对比，一个输入的末端神经元亮，且该输入的标签为“1”，则认为网络的预测是正确。然后，根据预测结果来评估网络的误差有多大。并将误差反向传递给网络，从而调节每个神经元之间的权重，以便下一次预测误差会变小。直到网络预测完全正确或者绝大部分都正确，则不再调整网络参数。

随着时间的推移，网络会变得越来越准确。原因就在于，我们就是将预测不断逼近我们的训练标签（真值）。这就是很多标准神经网络的训练方式，尽管很简单，但也直到20世纪七八十年代才被人们真正理，而神经网络此前已经存在了几十年。

如何避免过拟合的问题？

神经网络的挑战就是过拟合问题。我们会经常发现，训练好的深度神经网络，能够很好应对与训练样例类似的情况，但是对于训练样例中没有出现的对象，深度神经网络就会表现得比较差。尽管它很好地匹配了训练数据，但它不太可能很好地解释新数据，这就是过拟合的问题。

过拟合问题说明

一旦神经网络函数无线逼近训练样本，模型的复杂度就会上升，其泛化能力自然变得非常差。

通常，避免过拟合问题，有两种解决办法：一是使用更简单的模型，即使用可调旋钮比较少的模型；二是把更多数据用于复杂模型。目前，研究人员倾向于将这两种办法结合起来，使用尽可能多的数据来训练旋钮较少的网络。

说起更多数据，不得不提一下，斯坦福大学李飞飞教授的ImageNet数据集。李飞飞之所以出名，一定程度上在于她制作了大量标注良好的图片。当认识到数据对于网络训练会产生巨大作用后，李飞飞和同事开始了一个宏大的项目——ImageNet。到目前，这个ImageNet拥有1400万张高分辨率的图片，标注的类别超过2.2万个。

李飞飞与ImageNet数据集

这个数据集比当时其他数据集要多出一个数量级的标注图片，而且还有很多细粒度标签，比如有达尔马提亚犬、荷兰毛狮犬和迷你雪纳瑞犬。2010年，李飞飞组织了一场名为“ImageNet大规模视觉识别挑战赛”的比赛，数据集采用1000个类别的140万张图片。比赛的前两年，识别错误率从2010年的28%下降到2011年的26%。

但是在2010年的时候，一个不被看好的成功——深度神经网络，成为挑战赛不可争议的赢家，错误率达到16%，远低于之前的26%。这个转变思维模式的深度神经网络被称为AlexNet，这个模型之所以表现出色，在于用大量的数据来训练不太多需要调整权重的网络。

AlexNet是一个卷积神经网络，通过一系列卷积层（5层），然后一系列全连接层（3层）。那么，这种网络架构设计到底有什么奇特之处呢？

简单来说，卷积层就是通过查找图片中的物体来转化图片。每个卷积层都有一组过滤器，用于查找图片中的不同对象，比如猫、狗等。如果猫过滤器映射出的图片都是暗的，则表示没有找到猫。但对于第一个卷积层的过滤器来说，一般都不会识别出很复杂的物体，部分原因在于第一层的过滤器通常比较小。

AlexNet神经网络架构

AlexNet的第一层的过滤器在11×11的像素块中查找对象，而且采用大约100个过滤器，意味着拥有100个神奇的物体探测器。这些过滤器被称为“边缘探测器”，因为它们匹配输出的是图片的边缘或者其他简单模型。AlexNet另外4个卷积层中每层都有几百个过滤器。每一个连续的卷积层都使用前一层的过滤器作为基本构件，将其组合成更加复杂的模式。

随着网络的不断深入，过滤器捕捉到的成分越来越复杂。慢慢地，你可以开始分辨出物体的连贯部分，有些像毛发，有些甚至像人脸。一旦穿过第5个卷积层，就开始3个全连接层。网络的输出有 1000个不同的神经元，分别对应ImageNet挑战中的每一个类别。

激活网络输出层神经元的图像块，左为大白鲨，右为沙漏

后，不出所料，点亮大白鲨神经元的图像块似乎有大白鲨，点亮沙漏神经元的图像块似乎有沙漏。但是这些图片中物体并非来自任何一张图片，而是网络自己生成，以反映每个神经元找到的内容。

尽管目前，AlexNet并不是和高效的，但是其应对过拟合的思维却影响着后续神经网络的设计。

为什么深度神经网络会如此有效？

是什么让深度神经网络，尤其是AlexNet，在ImageNet比赛中表现得如此出色？AlexNet的网络架构真的非常完美吗？事实上，从理论上说，一个隐藏层就能够表达任意复杂函数，那么，网络真的需要这样深吗？

如果只有一个隐藏层，那么对于复杂问题，我们网络的隐藏层将会变得非常庞大、非常宽。这就需要更多的数据来调整更多的网络神经元权重，否则就会出现过拟合的情况。根据《On the Number of Linear Regions of Deep Neural Networks》这篇文章的理论表明，通过让隐藏层更深而不是更宽，能够更加有效地表达复杂的函数。

换句话说，神经元越少，需要学习的权重就越少！

卷积层之所以强大，在于其使用分布式表达来处理图像。

卷积神经网络

那么，为什么深度比宽度有效？这个其实很好理解。通过一些基本的、少量的共享特征，比如眼睛、耳朵、眉毛、嘴巴、肤色等，可以构建出不同的人种。这样，前几层就可以专注于寻找基本组件，后几层则专注于如何组合这些基本组件。这种做法自然比一次识别出不同形象（更宽的隐藏层）要来得高效。

2012之后，很多ImageNet比赛都开始采用深度神经网络的设计思路。目前，ImageNet挑战赛中的错误率已经达到2.3%，与AlexNet的16%更是精进许多，已经超过了人类的图像识别能力。但是，我们也能发现，目前很多深度神经网络的深度已经变得越来越深，甚至达到看似荒谬的程度。

Inception v2:用两个 3×3卷积替代 5×5

但是，谷歌曾推出22层的Inception Network，为什么没有因为深度而陷入过拟合？原因在于谷歌研发人员发现，卷积层的神经元过于简单，因此采用更多复杂的微型网络取而代之。更重要的是，让每一层使用更少的参数。（例如，两个3×3过滤器和一个1×1过滤器，以及将它们组合起来的3个权重，总共需要22个参数，而一个5×5过滤器则有25个参数）

之后，还有更多改善网络的办法，比如在不相邻的卷积层之间增加连接，能够提高网络性能。比如让神经元在网络一层内相互加强，比如找到了狗耳朵，就会让其他部分更加注重寻找狗尾巴和狗腿。

总而言之，随着科技技术的不断发展，深度神经网络也会变得越来越有效。

结论

目前，市面上有很多宣称是基于深度神经网络的人工智能项目，但真假也的确难辨。要想分清真假人工智能系统，需要更多关注项目背后的细节。

本文从深度神经网络如何识别图像的过程入手，介绍了一个标准的深度神经网络的工作原理。之后针对深度神经网络极易出现的过拟合问题，说明解决过拟合问题可以用“大量的数据来训练不太多需要调整权重的网络”的思路。

后，本文分析了为什么深度神经网络会变得如此有效，原因在于网络的深度比宽度更有效。但是，即使网络再深，也需要尽可能减少网络需要调整的参数，从而避免过拟合问题。

未来，深度神经网络必将出现更多更有效的网络模型，要想分辨真假，只能从细节入手！你们怎么看待人工智能有假的问题，欢迎在下方留言评论。