241.AI（2 / 3）
其实路舟吩咐陆铭所做也是一些和人工智能相关的研究。
当然，硬要说的话，路舟也觉这ai也并没有大部分人所认为的那般神秘。对ai的研究是自计算机诞生不久就有之。
而现在，机器学习也是已经被不少互联网公司所使用，诸如千度图搜采用卷积神经网络来处理图像、搜狗等输入法产品采用循环神经网络来处理语音识别和文本处理等。
梦谷之中，如今随着数据多个产品的推进，每天都在产生着大量的数据。这些也成为了喂养供机器学习成长的养料。
“请问是陆师兄吗？”
路舟正思考着，听了声音抬眼一看，是三个学生，想来应该是面试的人员。
“嗯。我是。”路舟点了点头。
这戴着眼镜略显清秀的学生说道，“师兄好。我是甄臻。”
她一旁的女生说道，“师兄好，廖文秀。”
“曹文聪。”
路舟，“你们好，面试的话再等等。门外的同学也进来等吧。”
门外的学生一听，一窝蜂都进门坐到座位上等待。位置是不多，没座的也只能站着等。
“师兄可以给我们讲讲之前你下发的题吗？”甄臻问道。
随后她又补了一句，“呃，如果面试要涉及就算了。”
路舟拿起考题看了一眼，“也行。随便讲讲应该是没什么问题。”
“这个卷说不上多复杂。首先是先针对神经元进行设计，转变成数学运算的问题，那需要先给输入数据增加权重，再之后对结果进行一个偏置，最后则通过一个激活函数来获得一个最终值。常见的激活函数比如可以使用生物学中常用的sigmoid作为阈值函数。
这就是个简单的搭建过程。”
路舟停了下来，思考片刻又接着说了下去。
“而在训练这个网络之前，我们可以用均方误差来定义loss值，确定训练之后的预测结果是否达到要求。均方误差我就不多讲了，应该都懂吧。”
“......”
路舟抬眼看了三人一眼，“那么接下来训练的优化就集中在了将loss值减小。具体来说就是对上述得到的loss值函数形式进行链式求导......”
甄臻忽然就是举手，“师兄，能不能演算一遍。”
路舟笑了笑，“哪专业的，数学没学好吧。”
廖文秀，“也不是呢师兄，主要是研究生没选的人工智能方向，思路还没打开。”
路舟听了也不多说，他也只得拿了笔在一张白纸上给三人演示。
“事实上loss会包含我刚提到的权重w和偏置参数。所以我们在调整w时，loss到底是增大还是减小？这就需要我们求一个l/w的偏导数。
这里我们直接链式求导，然后根据loss的定义去求出第一个偏导数，再根据神经元定义的h值再次求导，再配合激活函数sigmoid最后得到总的求导公式......”
甄臻，“......”
路舟，“ok，这方法一般被叫做反向传播。经过这个计算后，我们是可以得出对w变化时，loss函数最终的变化曲线。而对这个entity，我们接下来可以再用一个随机梯度下降sgd的优化算法来进行优化。”
廖文秀，“......” ↑返回顶部↑
当然，硬要说的话，路舟也觉这ai也并没有大部分人所认为的那般神秘。对ai的研究是自计算机诞生不久就有之。
而现在，机器学习也是已经被不少互联网公司所使用，诸如千度图搜采用卷积神经网络来处理图像、搜狗等输入法产品采用循环神经网络来处理语音识别和文本处理等。
梦谷之中，如今随着数据多个产品的推进，每天都在产生着大量的数据。这些也成为了喂养供机器学习成长的养料。
“请问是陆师兄吗？”
路舟正思考着，听了声音抬眼一看，是三个学生，想来应该是面试的人员。
“嗯。我是。”路舟点了点头。
这戴着眼镜略显清秀的学生说道，“师兄好。我是甄臻。”
她一旁的女生说道，“师兄好，廖文秀。”
“曹文聪。”
路舟，“你们好，面试的话再等等。门外的同学也进来等吧。”
门外的学生一听，一窝蜂都进门坐到座位上等待。位置是不多，没座的也只能站着等。
“师兄可以给我们讲讲之前你下发的题吗？”甄臻问道。
随后她又补了一句，“呃，如果面试要涉及就算了。”
路舟拿起考题看了一眼，“也行。随便讲讲应该是没什么问题。”
“这个卷说不上多复杂。首先是先针对神经元进行设计，转变成数学运算的问题，那需要先给输入数据增加权重，再之后对结果进行一个偏置，最后则通过一个激活函数来获得一个最终值。常见的激活函数比如可以使用生物学中常用的sigmoid作为阈值函数。
这就是个简单的搭建过程。”
路舟停了下来，思考片刻又接着说了下去。
“而在训练这个网络之前，我们可以用均方误差来定义loss值，确定训练之后的预测结果是否达到要求。均方误差我就不多讲了，应该都懂吧。”
“......”
路舟抬眼看了三人一眼，“那么接下来训练的优化就集中在了将loss值减小。具体来说就是对上述得到的loss值函数形式进行链式求导......”
甄臻忽然就是举手，“师兄，能不能演算一遍。”
路舟笑了笑，“哪专业的，数学没学好吧。”
廖文秀，“也不是呢师兄，主要是研究生没选的人工智能方向，思路还没打开。”
路舟听了也不多说，他也只得拿了笔在一张白纸上给三人演示。
“事实上loss会包含我刚提到的权重w和偏置参数。所以我们在调整w时，loss到底是增大还是减小？这就需要我们求一个l/w的偏导数。
这里我们直接链式求导，然后根据loss的定义去求出第一个偏导数，再根据神经元定义的h值再次求导，再配合激活函数sigmoid最后得到总的求导公式......”
甄臻，“......”
路舟，“ok，这方法一般被叫做反向传播。经过这个计算后，我们是可以得出对w变化时，loss函数最终的变化曲线。而对这个entity，我们接下来可以再用一个随机梯度下降sgd的优化算法来进行优化。”
廖文秀，“......” ↑返回顶部↑