绿荫在线
文明满屏

为什么手机相册总能认出你家猫?聊聊深度学习到底在学什么

前几天我妈给我发微信,说手机相册自己建了个文件夹,名字叫“猫”,把她拍的那只橘猫全归进去了。她挺惊讶——她压根没点过分类功能,甚至不知道相册还能干这个。

我跟她说,这不新鲜。你手机里那个帮你认人、认猫、认花、认发票的小助手,背后就是深度学习。她回了个“哦”,然后问我:那它怎么认出来的?

这个问题问得好。真的,比很多论文里的“future work”都实在。

它没读过“猫”的定义,却认得猫

传统写程序是什么思路?比如你要做一个判断。你写规则。如果耳朵是尖的、有胡须、四条腿、会喵喵叫——那就是猫。

听起来没毛病对吧。但你去试一下就知道了。折耳猫耳朵不尖。无毛猫没毛,胡须也短。有的狗也四条腿,也叫,也有毛,拍照角度一歪,耳朵看着也像尖的。规则越写越多,bug越修越离谱。到最后代码里全是if-else,像个走火入魔的挂号系统。

深度学习换了个玩法:它不学规则,它学“例子”。

你给它看十万张照片,一半是猫,一半不是。它自己去找规律。没人告诉它“耳朵”这个词,它自己从像素里长出了某种关于“耳朵”的模糊概念。听起来有点玄,其实不玄,就是算。

手机相册自动识别宠物照片分类界面
手机相册自动识别宠物照片分类界面

你拍一张照,手臂里那是一堆数字。每个像素点的红绿蓝数值,几千个几万个数字摞在一起。深度学习做的事,就是在这堆数字里翻来覆去地找模式。找到某个特定的像素组合方式——哎,这大概率是猫脸。再往下走几层,又发现某种边缘、某种毛发质感,又一个模式。层层叠加,最后输出一个判断:猫,概率0.93。

就这么简单。也这么复杂。

所谓“学”,其实是在调一堆旋钮

我特别喜欢一个类比——调收音机。

你小时候有没有那种老式收音机,调台的时候要拧好几个旋钮?这个旋钮管音量,那个管频段,还有一个管清晰度。拧来拧去,终于在某个位置声音清楚了。

深度学习网络里的“参数”,就是这些旋钮。一个网络可能有几百万甚至上千亿个旋钮。一开始全都乱拧,输出全是错的。然后你告诉它:这张是猫,你猜错了。它就回头去微调那些旋钮。往哪调、调多少,有一套数学方法——叫反向传播。

你不用懂反向传播的公式,我也建议你别去背。你只要知道一件事:它每错一次,就微调一次旋钮。错得多了,旋钮的位置就差不多了。

训练一个模型,有点像练车。第一次上路,离合刹车油门全乱踩。教练骂你一句,你下次改一点。成千上万次以后,肌肉记忆就有了。你说得清你左脚踩离合的力度是多少牛吗?说不清。但你就是会了。

卷积神经网络特征提取过程示意图
卷积神经网络特征提取过程示意图

模型也是。它说不清“猫”到底是什么,但它就是认得。

别把它想得太玄乎

别把它想得太玄乎
别把它想得太玄乎

有几个误解,我经常听到。

第一个,觉得AI在“思考”。没有。它没有内心戏,没有“啊我认出来了这是一只猫”的那种感觉。它只是在做一个超大规模的数学运算。输入一张图,输出几个数字。就这么回事。

第二个,觉得数据越多越好。不见得。垃圾数据喂进去,出来的也是垃圾。一千万张模糊不清、标错标签的照片,还不如十万张标注准确的。这一点跟人一样——你跟着一个胡说八道的老师学三年,还不如跟一个靠谱的老师学三个月。

第三个,觉得深度学习什么都能干。也不是。它擅长的东西有边界。图像、语音、语言,这些它有优势。你让它预测明天股市——它大概只能给你一个看起来很努力的结果。对吧,有些事情本来就不该指望它。

说实话,我一开始接触这些的时候,也觉得挺神奇的。你写几十行代码,它就能认一百万种物体。后来看多了,反而觉得——哦,原来就是这么个笨功夫。大量的数据,大量的计算,大量的调整。没有什么灵光一闪。

不过话说回来,笨功夫能到这个程度,本身也挺吓人的。

它其实一直在你口袋里

它其实一直在你口袋里
它其实一直在你口袋里

你每一次刷脸解锁,背后是深度学习。你每一次语音输入,背后是深度学习。你在购物软件里看到的“猜你喜欢”,也是。修图软件一键抠图,还是。甚至你手机键盘打下一个字跳出来的联想词,多多少少也有它。

它不像ChatGPT那样引人注目,但它就在那儿。安安静静的。像你家楼下那个每天跟你点头但不怎么说话的保安。

我妈后来又问,那它会不会认错?当然会。你拿一张猫的毛绒玩具照片给它,它可能说这是猫,概率0.7。你拿一张画出来的卡通猫,它也可能犹豫。因为它的“认识”来自照片,不是来自概念。照片里没有的东西,它就不太会。

这大概就是深度学习的超级能力,也是它的死穴。它学得比你快,比你好,但它并不知道自己在学什么。

而这一点,挺耐人寻味的。真的。

免责声明:市场有风险,选择需谨慎!此文仅供参考,不作买卖依据。如有侵权请联系删除。
文章名称:为什么手机相册总能认出你家猫?聊聊深度学习到底在学什么
文章链接:https://www.lylxb.com/tech/1133.html