第13章 「感知機」和「M-P模型」（1 / 2）
說實話，開創「機器學習」新領域，成為「深度學習」等技術路線的指路人，的確十分誘人，光是提出「人工神經網絡」的概念，就足以名垂青史了。
但對於自己現在的水平，江寒心裡還是很有數的，不謙虛地說，隻能算略知一二。
前世雖然上過大學，學的卻不是計算機專業，在編程和硬件領域，基本上全靠自己扌莫索，知識體係並不完善。
至於「人工神經網絡」方麵，前後隻看了幾本入門教材，外加在站看了十幾個係列視頻教程。
一些重要的概念是清楚的，一些經典算法也是了解的，做一些簡單的推演，應該也沒什麼大問題。
可許多公式背後的原理，當時就沒能理解得十分深刻，到了現在，印象就更加模糊了。至於那些需要最先進的數學工具，才能完成的證明與推導……
在機器學習領域，「深度學習」被稱作最具顛覆性的理論，以他目前掌握的這點兒皮毛，想要從無到有地開辟出一整條技術路線，難度可想而知。
可難就不搞了嗎？
這是個難得的機遇，一定要好好把握才行。隻是他還需要好好想一想，如何妥善運用那些「走私」來的知識。
既要充分發掘價值，也要注意合理性。起碼拿出來的東西，要符合自己的人設，要找得到合理的解釋，免得惹出什麼不必要的麻煩……
江寒前思後想，終於做出了決定。
總之，必須盡快將「感知機」的概念拋出去，否則後續的一係列技術，全都得憋在腦袋裡，沒法拿出來見人。
隻是這樣一來，估計自己將來基本跑不掉一個「機器學習宗師」、「AI教父」、「人工神經網絡創始人」之類的稱號了……
別看「感知機」簡單，卻是「人工神經網絡」的基石，很多「機器學習」算法，比如支持向量機（SV、深度學習、D-QLearning、生成對抗網絡（GAN）……都是在其基礎上才發展出來的。
在另一個世界，「感知機」的概念誕生於1957年，由ell航空實驗室的Frank Rosenbtt提出。
本質上是一個線性分類模型，用於解決二元線性分類問題，對應於輸入空間中將實例劃分為兩類的分離超平麵，是最簡單的前饋人工神經網絡。
好吧，說人話。
簡單點說，感知機就是一個算法，通過大量訓練，可以讓電腦掌握某種規則，然後按照這種規則，將輸入的數據分成兩類。
如果輸入的數據空間隻有兩個維度，將其視作平麵直角坐標係，那麼「感知機」的圖像，其實就是一根直線。
「感知機」雖然簡單，還是有點用的。
比如經過訓練後，輸入身份證號，就能幫你判斷出是男是女；比如輸入身高和體重，就能判斷是否超重……
可能有人會問：隨便寫個程序，不是很簡單就能實現這些功能嗎？
但感知機的神奇之處，在於使用同樣結構的程序，就能在很多領域裡通用，而不用針對性編程。
這是機器學習和常規編程的本質區別。
感知機結構異常簡單，工作原理也不復雜，但要想寫成論文，也需要進行一些數學推導，以及前置理論。
「感知機」是建立在模型的基礎上的。
生物的神經細胞結構，主要由樹突、突觸、細胞體及軸突組成。單個神經細胞有兩種狀態：激活或者未激活。
神經細胞是否激活，取決於從其它的神經細胞收到的輸入信號量，及突觸的強度（抑製或加強）。
當信號量總和超過了某個閾值時，神經元就會激活，產生電脈沖，電脈沖會沿著軸突並通過突觸傳遞到其它神經元……