切割、降维,得到许多小图,第二层在每个维度利用色差寻找边缘,三四五层根据勾勒出的边缘确定各个器官形状，六七八层通过各个部分颜色判断毛色、花纹，瞳色……最后顶层得出答案：这是猫、狗、兔子、其他。

     2006年多层神经网络出现以前，机器学习都只处于初级阶段,需要人工提取特征。

    而2006年后,它进入到“深度学习”的大时代。

    人类不监督、半监督,机器自己分析特征、独立思考。

    给一万张猫的图片,说“这都是猫”,它就懂了，再给一张它没见过的，问“是不是猫”,它会说是。

    人们给它正确答案的数据集,它便可以进行学习,“看”的越多会的越多，不断优化自身能力。

    因此，“人工智能”定义十分清晰，区别是真·人工智能还是噱头只需要看它有没有模仿人脑。

     然而，对每一层都在提取什么特征，以及机器为何要做这些事情、为什么能得出结论，人类无法解释。

    根据输出，有些提取简单易懂，比如勾勒边缘、模糊图片、突出重点、锐化图片……可是，在很多时候，人类完全get不到！看着某层下来以后图片所变成的样子，只能叫一声“什么鬼！”有时人类只能提出几个特征，ai分出好几百层！ 它给了人空前的可能，也给了人无尽的困惑。

     就像人类无法摸清大脑的工作原理一样，他们同样无法摸清ai的工作原理。

     训练ai这种方式为何能行？它是如何学的？信息存在哪里？为何下此判断？不知道。

     它好像在玄幻境界。

    码工时常觉得自己正在养蛊，贼刺激，给蛊虫喂个这个、喂个那个，一掀盖子，嚯，出来一个超厉害的东东！ 有人说，让ai向人解释一个东西，相当于让人向狗解释一个东西，听着sosad。

     人类历史充分表明，只有一个决策可以解释、分析，人才可以了解它的优点缺陷，评估风险，知道它在多大程度能被信赖。

     很多专家说过“必须质疑人工智能为何做出一个决定……”“难道，无人汽车每回出事，企业都说不知原因、ai让它这么干的？” 何况，不幸的是，如同大脑会出错，ai也会出错。

     于是问题来了：我们能信任ai吗？我们能在多大程度上相信ai？我们能在生死攸关时信任ai吗？ 当然，也有学者表示：“它能做到就足够了！”“大脑一直为你工作，你也一直都信任它，即使并不知道它是如何工作的。

    ” 目前，各国科学家正致力解开黑箱，政府、行业协会也对此有要求，已经取得一些成果——不少东西都是数学。

     阮思澄是一直觉得，这种现象十分正常，没有那么邪乎。

    在人类的文明当中，往往实践先于理论。

    比如，老祖宗在打造刀剑时、发明火药时，清楚地知道原理吗？no！都是东西先出来了，能work了，大家才开始研究原因。

     ai也是啊！慢慢来嘛。

     不过，虽然如此，攻城狮们写程序时，也能根据他人经验，知道大概该怎么做。

    ai能自己学，但是，攻城狮们需要设置许多参数，比如用哪一种激活函数；如何搭建网络结构；分别设置多少卷积层、池化层、全连接层，如何排列架构；用多少个卷积层；用哪一个池化方式；选择多大以及多少卷积核、多大卷积步长和池化步长、多大学习率，又分别从哪层开始、到哪层结束……[注]。

    也因为没道理可讲，各种奇奇怪怪的结构都有了。

    层数绝非越多越好，层数越多，说明运行时间越长、传递错误几率越大。

     出于这个原因，对算法的调整、修改，经常就是瞎jb试，比较最终结果。

     调参数能有效还好，数据也有可能不行！要知道，输入数据的大小、像素、嗓声、甚至亮度和对比度、翻转变换、旋转变换、位移……都可以对最终结果产生影响！为啥？还是，不知道。

     因此，现在“经验”并不好用，结果一塌糊涂，可阮思澄和陈一非对于修改全无头绪。