当人工智能神经网络识别一条狗时，内部是如何工作的？

青缭白:
人脑认知物体的方式和人工智能有很大差别啊，与其说人工智能认出物体，不如说是找相似度极高的类似物。如果人工智能要实现人脑的运行方式，不知道又是一条怎样艰辛的路[思考]

【回复】不要这么想，人也是见过狗才能认出狗的
【回复】一样的，只不过人脑神经网络训练量超乎你想象，就视觉来说，人眼一睁开就开启比8k240hz还高清的图像传入脑中训练，一天不间断工作十几个小时，等你闭眼睡觉才停止训练。一个人脑的训练量是多少个4090都无法企及的
【回复】神经网络思想是把一个复杂的东西看成很多个线性东西的叠加，理论上算力足够大，复杂的东西都可以分解成线性东西叠加，研一刚开学 讨论下
小雨秋风明:
理论上只要人脑做的决定足够多被Ai学习了，AI也可以像人类那样用“感情”去做决定，因为做无数个决定的时候学习了这个人的“感情”用事。至于情绪也可以根据学习人类做决定时表现出来的情绪去模仿。但已经分不清那到底是真感情还是学习模仿的感情，但又如此真实，你说假的，但人类也会模仿，不过无论如何，会有很多人觉得那样的ai是真感情

【回复】回复 @威力无比 : 根本不是一个层面的问题，研究方向也不同，此外，你说的物理上的表情表示，机器人已经能做的差不多了，无论是虚拟形象还是实体机器人都能做到相当逼真
【回复】回复 @死老根 :并不科幻，读脑早就实现了
【回复】科幻电影《她》了解一下，虽然这只是语音层面的模仿……
哔哔赖赖qz:
假设人第一次知道牧羊犬是狗，见到大黄狗也知道是狗，而不是猫

【回复】你别忘了人出生开始是在训练神经网络的，训练了几年时间才能识别物体，你给一个刚出生的婴儿看看牧羊犬他能识别别的狗不？
【回复】回复 @slark156 : 现在的人、机之间还是有本质区别的，AI在硬件没有巨大突破之前，不可能靠着算法优化达到人类的思维能力。就像病毒、细菌、微生物、动物、人一样有一个进化的过程，现在的电脑硬件，至多处于微生物这个阶段，在硬件没有进一步突破之前，ai再怎么训练也不可能拥有人类的思维联想能力，就像一直狗，再怎么训练它也做不到人类的程度，硬件限制了它的上限。
【回复】是的，你说的这才是计算机网络难以实现的地方。 一个人见了一条狗，那么他再面对其他品种的狗，也能一眼认出那是一条狗。 人的联想记忆太强大了，计算机网络完全实现不出来。
鱼不脱渊:
up讲错了一个地方。（我知道很多人没看懂这个视频） 03：22 此处的讲解的有问题的，当一线直线无法把x和⭕分开的时候，并不是通过增加更多的直线来连成一条曲折线。而是通过升维来解决[笑哭]。即这个二维坐标系中如果没办法用一条直线把x和⭕分成两个部分的话，那我就把这个二维坐标系升维成一个三维坐标系（第三个纬度坐标都为0），在三维坐标系中用一个面就可以把这这两部分分割开来。（用一个面来分割，可不是一个平面哦，可以是任意形状的曲面。二维的点放到三围中，只需要一个面就能分割，这是拓扑学的一点知识） ————————————————————— 我见过把神经网络讲的最好的课程还是回形针（就是你们说的两面针）发起“基本操作”这个项目 这个地址，你们自己去看吧： 三w点jibencaozuo点康木 （域名就叫基本操作）

【回复】回复 @苏门答腊以北 :[笑哭][笑哭]刚刚看了一下，发现这个网站已经没人维护了。
小k是个神金冰:
私以为人工智能比人脑需要负责的太多了，人脑在小时候刚开始也很“傻呼呼”的啥也不知道，就是不断累积神经元突触，让我们有了对物体的联想和记忆。而神经网络也是这个过程，对于人工智能，人的知识和认知是有限的，所以联想检索的很快，当然也不能忽略掉大脑强大的cpu和gpu，而人工智能注定是要作为世界大百科来的，所以指望ai又高速又精准的模仿人脑[doge]是很难的

【回复】完全不是一个层面的东西 人脑的运行底层逻辑现在还是一团雾水 大家都是盲人摸象 深度学习更像一种能学习能训练的数据拟合方法 和人脑完全不是一个东西 你指望简单的神经元模型实现 机器自我意识觉醒吗 意识是怎么来的还一无所知
【回复】人眼视觉分辨率5亿多像素，33%的神经细胞处理图像信息，而且不会发热几乎不需要电力。你觉得人脑相当于什么算力的计算机？光显卡方面就需要6张rtx4090[doge]
【回复】回复 @蓝不住的小妖 : 你没搞懂别人在说什么
把你装进衣兜里:
信息足够多，不确定性就能降到足够低，从而做出更为可信的决定。

【回复】实际操作并没有这么理想其实
棹招道:
先把图片变成数据，然后处理一下，送进网络，然后求导，不断缩小误差值过程就是学习过程，

ysgcwdsj:
皮毛而已，人是通过一条尾巴想象出那是一条狗，人工智能只是提炼一条尾巴的特征感觉那是一个虫子，说白了人会举一反三

【回复】本质是没区别，都是通过模型来工作，你说的那个只是模型的泛化能力不够，顺带一提，视频中的模型来源正是人脑的结构，只是用数学简化了。
【回复】迁移学习和表示学习就是解决你说的问题的，AI也是一个不断改进的发明
【回复】说的对，一个小学生看见猫就知道是小猫，但动物学家还要分辨是什么品种的猫，以及猫的年龄和体型营养状况，得出结论，动物学家还不如小学生[呲牙]
西柚Doki:
神经网络本质上就是将局部特征的感受野，层层根据判断逐渐扩大，最终扩大到全局特征，比如一张人脸，我们从他的眼睫毛，瞳孔，毛发颜色，毛发长度这四个特征，逐渐进行判断到第二层，眼睫毛和瞳孔扩大至眼睛，毛发颜色和毛发长度扩大至毛皮，再将眼睛和毛皮继续进行扩大，最终将这些多种多样的特征扩大到最后识别一张人脸。总之，就是从局部到整体的一个过程。（一般人脸采用128D特征，可想而知特征量是非常复杂且多的）

【回复】评论区所说“条件判断，真或假，是尾巴吗？是或不是，是 接着下一个判断，尾巴形状是长条状的吗？是或不是，是 接着下一个，每个节点都是一个判断”，我认为并不是完全没有道理的，判断过程就是这么个过程，但是，神经网络在卷积层输入，卷积这个过程是比较复杂的，并不是简单的条件判断，要加之各种线性回归等因素。
【回复】实际上，每一层神经网络处理的内容都极其得抽象，感官上根本无法辨识它到底在处理些什么，尤其针对于层数很深的神经网络
【回复】如果有说的不对的地方，还请各位大佬多指正，互相学习哦！[热词系列_干杯]
阳光下的铁脚梨:
这个动画是怎么做的啊？是使用PPT吗？

来b站念大学:
你好，请问区分数字的那个可以演示的网站叫什么呢

AI视频小助理:
一、神经网络的基本原理，通过调整输入连接的权重来调整神经元的工作状态，将感知空间分隔成活跃和非活跃的部分。 00:01 - 神经网络的基本操作，一个输入与一个输出的神经元 01:08 - 神经元类似于温控器，通过调整输入权重来调整分界线 02:19 - 神经元将感知空间中的数据点转化为概念，形成特定区域 二、神经网络在感知空间中的划分作用，通过调整连接权重来调整区域界限，最终在概念空间中实现分离和分类。 03:00 - 学习过程的重要性：利用多个神经元划分感知空间 03:35 - 神经元在感知空间中的划分角色：多个神经元定义特定范围 05:29 - 网络如何确定分类：最末层神经元在有序概念空间中进行划分 三、神经网络中的感知空间和概念空间的概念，以及它们如何通过神经元层间的连接模式和强度来定义。 06:02 - 神经元集群代表表征概念的空间结构 06:22 - 神经网络可快速理解感知空间和概念空间 06:22 - 神经网络的连接模式和强度定义空间结构 --本内容由AI视频小助理生成，关注解锁AI助理，由@touchsolar 召唤发送

瓦是笨蛋吐:
我的理解就是分解权重得出特性特征。

windlight99:
神经元只能通过训练来达到最高几率能分辨物体，但是人也好像是一样，因为我们的眼睛时常骗过自己，不可能达到100% 如果训练过程能在三维空间感知有可能达成基础意识，但我们人还不知道意识到底是什么

风之子QAQ1020:
人类从出生开始，嗅觉，触觉，视觉，触觉，n多维度同时输入和拟合，从而产生很高的抽象，机器目前还做不到

账号已注销:
我的观点，机器实际上是人的后裔，所谓后裔，所谓传承，不在于其由什么构成，而在于它构成的方式，亦即材料的联系。人是按照人自己的思维模式去发明机器的，机器身上烙印着人的意识，而机器超过人的理解也很正常，因为人自己都不充足地理解自己，这种不充足的能力迁移到机器，从而让机器也有创新的能力。 所以，未来如果真有机械飞升，机器也未必就是多么冰冷理性，理性只是人的其中一个面向罢了。