python的人工智能需要学哪些东西（零基础学人工智能）

Python作为人工智能首选编程语言，那么我们看下深度机器学习怎么样，如今最令人振奋的计算机领域之一。看看那些大公司，Google、Facebook、Apple、Amazon早已展开了一场关于机器学习的军备竞赛。从手机上的语音助手、垃圾邮件过滤到逛淘宝时的物品推荐，无一不用到机器学习技术。Python 是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。Python 的设计具有很强的可读性，相比其他语言经常使用英文关键字，其他语言的一些标点符号，它具有比其他语言更有特色语法结构。

技术的发展总是超乎人们的想象，从一些科幻电影以及一些前瞻性研究，我们可以知道未来人工智能可能会向以下几个方面发展: 模糊处理、并行化、神经网络和机器情感。目前，人工智能的推理功能已获突破，学习及联想功能正在研究之中，下一步就是模仿人类右脑的模糊处理功能和整个大脑的并行化处理功能。人工神经网络是未来人工智能应用的新领域，未来智能计算机的构成，可能就是作为主机的冯·诺依曼型机与作为智能外围的人工神经网络的结合。研究表明: 情感是智能的一部分，而不是与智能相分离的，因此人工智能领域的下一个突破可能在于赋予计算机情感能力。情感能力对于计算机与人的自然交往至关重要。

随着计算机技术的快速发展和广泛应用，人工智能的思想和技术会对人类产生巨大的影响，可以应用于所有的学科领域。它的影响涉及人类的经济、社会、文化的方方面面。

在2018年，企业将开始意识到他们需要改变他们当前的工作方式。在他们这样做的时候，他们需要特别留意之前发生的事情：失败的技术转型。发生这种情况的原因有很多，但有两个原因与许多企业接近人工智能的方式有关。一是不会变通，对号入座；二是孤岛上进行思考和工作。

随着人工智能的发展，人们将会意识到人工智能摧毁工作只是一场虚惊。人们可能会更乐意接受工作场所和社会中的人工智能。关于人工智能抢走我们工作的言论将会销声匿迹，人们将会谈论机器人使我们的生活或工作更将容易的话题。这将会倒逼企业更快的拥抱人工智能。Python深度学习，未来是人工智能时代。大家都知道阿尔法狗和各国围棋高手的决战，我们看到一个非常复杂的分析模型在人工智能上又超越了人类。人工智能是利器，可是我们感觉到我们自己的能力、未来的工作会被挑战，担心人工智能会成为伤害人类的凶器。

下面我们看怎么实现激活函数，但还没有说如何实现 BP 算法（反向传播算法）、也就是神经网络中的梯度下降算法。虽然它可能让许多人望而却步、但其实需要的工具只有一个——求导的链式法则；然后如果把它分成一个个小单元来求解的话，可能就会发现也没有想象中的那么难。至少从实现的层面来讲，它相当简单：

当然，这四行代码后面隐藏的逻辑有些繁复，我们会一一进行说明：

• 普遍意义下的 BP 算法对应着最后一行代码，其中：

▪ prev_delta 记录着反向传播回来的梯度

▪y 记录着进行前向算法时、该层输入值的激活值，使用激活值作为反向传播算法的输入的原因在讲反向传播算法的最后有所提及——很多常用的激活函数的导函数使用函数值来定义会比使用自变量来定义要更好

▪self._derivative 是该层激活函数对应的导函数。需要注意的是，它接受的参数是激活值而不是输入值

• CostLayer 的 BP 算法没有包括在这里面。具体细节会在今后带星号的 CostLayer 相关章节中讲，这里说一个大概思路：它会利用它上一层 Layer（我们称这层 Layer 为该 CostLayer 的爸爸）（……）的导函数来提前算好一个整合后的梯度，从而当它爸爸得到这个梯度时，可以直接把它往后传而不用再求导

• 正数第二、第三行对应着当这个 Layer 是 CostLayer 的爸爸时该怎么做。正如上面提到的，它只需要直接把这个梯度往后传就行、因为 CostLayer 已经利用它的导函数提前把梯度算好了

在实现完爸爸的 bp 算法后，由于没了 tensorflow 那些方便的函数，我们还需要稍微修改一下我们的激活函数：

至于为何要这样处理，同样会在带星号的 CostLayer 相关章节中讲到。这里我们就只需要知道 CostLayer 需要单独处理就行

我们就需要定义真正干活的孩儿们（……）了。我们仍然以 sigmoid 为例：

可以看到，没有了 tensorflow 的函数、所有东西都需要我们自己写了。不过即使如此，Layer 的实现（在我看来）仍然是相当简洁的

好了，今天的知识就分享到这里，如何零基础学习python和人工智能，欢迎在下面评论区留言交流！