有哪些看起来很高端的技术其实原理很暴力很初级？ 第2页

（多图预警。图片来自网络，侵权删。）

人工神经网络？听上去好高端的样子，听上去应该这样的一个东西

或者这样的

对吧？

呃，其实神经网络没有那么高端，就是一个函数拟合器而已。

没错，就是像高中学直线拟合的时候那样，画条最接近已知数据的线，然后就能估计未知的输入应该产生的结果了。只不过这个函数是用神经网络的样子表示的，输入的有好多x输出的有好多y罢了。如下图，右面的那个看上去非常屌的神经网络图示只是想表达左面的那个函数（什么，左面的函数也很屌？反正就是个函数啦……）。

（图中左下角的 Note 与本文无关）

那么怎么画这条线呢？

求导求导再求导，然后就好了。

做过直线拟合的同学应该知道，想要得到拟合直线，我们算出来这个函数中的参数（斜率和截距）即可。对于神经网络这个大函数来说也同样如此。为了求出参数的最佳值，我们可以把拟合的误差 J(w) 看成一个关于参数 w 的函数，而导数反映了在当前对应的这个点上函数的倾斜情况。导数的正负代表倾斜方向，而导数的绝对值大小就是倾斜程度。所以我们通过计算导数就能知道往哪个方向调整参数可以降低误差了。我们只需要往这个方向微调一下参数，然后再计算一下导数，不断重复，就会不断地接近让误差比较小的一个点。可以理解成在曲线上面放了一个小球，小球不断往低处滚动就到达一个低点啦。

当然，实际上有好多的 w ，所以要求偏导。不过偏导不就是在对其中一个w求导的时候把其他的w都当成常数嘛……继续拿小球比喻的话，就是把小球从二维空间放进了三维空间、四维空间、五维空间……（不知道五维空间长啥样，反正能求导就是了）

（图片是有两个参数的情况，水平面的两个方向代表两个参数的取值，高度代表误差）

这就是传说中的梯度下降法了。所有能求导的函数都能用它训练。

比如卷积神经网络只是换了一个函数形式，使得一些参数得以在网络中重复利用，而参数的多次出现并不影响求导；比如说递归神经网络只是用递归的方式来适应不同长度的输入，而递归表现在数学上就是函数的嵌套，依然能够求导；比如说 LSTM 之类的只是在递归神经网络的基础上使用了更复杂的函数来产生‘记忆’的效果，而这些函数还是能求导的。这些更高级的神经网络最后是用梯度下降法来训练的，只不过求导越来越麻烦了。

当然，梯度下降法也不是万能的。比如说，如果小球在下降的过程中遇到了一个‘坑’，而这个坑并不是最低点，那它不就卡住了吗？比如说，每次求导的时候把所有的训练数据都算进去，那么对于大数据处理来说计算量岂不是太大了？于是人们还加入了随机化和‘惯性’之类的优化来改进这个算法，产生了例如随机化梯度下降法之类的变种。当然，这些变种的基本思路都还是对误差进行求导来不断调整参数。

（有一个经常跟梯度下降法一起出现的名词是反向传播算法，那是一个简化和加速神经网络求导的算法，常常作为梯度下降法的一部分。这个算法的原理就说来话长了。）

=======1月29日更新========

修改了表述方式

环球飞机的空速表

这两种机械密码锁的破解方式简直侮辱智商

更新一下吧，不是倡导犯罪。

第一个是公共自行车中用的比较多的，多次按动开锁按钮，看看面板哪一个数字最跳动，按下去，然后再按开锁按钮，再找出第二个最跳的……（一般的这种锁是4位或者6位数密码）

第二个是我在健身房锁柜子时联想到第一个密码锁然后偶然试了一下。向上拉住u型铁，由上向下依次转动数字。举个例子，在你向上紧紧拉住u型铁的情况下，转动第一个数字，当数字正确的时候会有一个弹珠入槽的感觉，然后就不能再转了，然后再依次转其他的。

大家都知道金门大桥的交通有潮汐现象，就是早上进城的方向车流比较多，拥堵严重，反向则比较好。下午呢又正好相反，出城的方向车流量大

大概就是这么个样子。

这个问题怎么解决呢，工程师想到了这个东西

没错，就是拉链，这怎么能和交通拥堵问题扯上联系呢

这是拉链的工作原理。

对，就是这样，它叫做拉链车。道理很简单，早上的时候，通过拉链车把隔离墩放置在右侧位置，然后夹起左侧的隔离墩。这样就可以使早上进城的车道多了一个，出城车道少一个。下午反之。

别看这一个小小的车道，大大缓解了交通压力。

拉链车的工作原理

拉链车就是靠这些Ｓ型的传动轮把隔离墩夹起来的。它最多一次能挪动15个454公斤重的隔离墩。

实际效果是这样的

它的工作效率，也非常高，二十分钟就可实现变道一次。小小的拉链解决了交通瘫痪的大问题。

请原谅一个门外汉不务正业，来回答这个问题。

我看到有人提Map Reduce，是时候祭出这个了

昭告天下，这个故事雅思阅读里有，本学渣表示对此很受伤

—————————————————————————

这个必须有苏格兰的“福尔柯克轮”啊。

等我忙完用wifi更新。

烧8壶水的能量就能把总重量600多吨的船只和水移动30多米

外形也帅的一塌糊涂

我来更新了

—————————————————————————

福尔柯克轮矗立于两条落差超过30米的运河的交叉点上。在福尔柯克轮建造之前船只需要经过10个船闸用一天时间才能到另一条运河中。而福尔柯克轮只需要5分钟

首先船只从上部和下部驶进福尔柯克轮

根据阿基米德定律不管船只大小，船的重量永远等于排水量。所以轮子两端永远处于平衡状态。

精巧的设计也使福尔柯克轮在运行中不会撒出一滴水。

而且这个设计是设计师和女儿玩乐高时发现的

最后上靓照

appstore上请搜"懒得记"。

有没有觉得居牛掰？什么样的票据都能准确无误地识别出来，还能自动分类！！

第一眼看到的时候简直惊为天人。毫不犹豫地买了。

下载下来后迫不及待地把一张用过的高铁票拍照上传，一分钟，两分钟，一小时，两小时……咦？怎么还在识别中，后台算法是有多复杂，莫非用了大规模机器学习？深度学习？有海量数据，然后在排队中？

半天过去了，感觉不太对，莫非操作方式有问题？无聊的我在app内点开点去，直到我看到了这个说明：

需要24小时，一个工作日。

一个工作日？！！？

我忽然意识到，

这尼玛就是一个后台人肉识别出来然后手敲进去的壳子啊。。。。。

知道真相后我整个人都被开发者逆天的创新力震撼到了。

------------

第二天，早上十点左右，坐地铁上班的路上，点开这个app，果然已经识别出来了。

为后台人肉识别的勤劳的小伙伴们点赞。乃们上班真的好早，我仿佛看到一群勤劳的小蜜蜂们左手喝豆浆，右手啪啪点鼠标敲键盘的忙碌身影。总之……棒棒哒。*罒▽罒*

------------

11月13日补充：

看评论说这个app搜不到了，试了下，果然已经下架了。不知道有什么猫腻，不过这么多人花六块大洋刚买完不到两周就悄悄下架，莫非是骗子团队？

不知道大家还是否记得当年（其实就是2015年）火爆一时的交通银行智能机器人——交交。

交通银行机器人
上面的链接是“让交交火起来”（这是交交的原话）的视频，视频里，机器人不光能从容的回答客户咨询的问题，还能跟客户开几个削小的玩笑。即使背景声音嘈杂，语音识别也非常准确，跟客户谈笑风声。会说“土豪”，听得懂中-英文，拍照时知道喊“茄子”！看完人们都觉得这很智能，简直代表了语音识别领域（ASR）甚至人工智能领域的最高水准，比苹果的Siri不知高到哪里去？？

当时的许多媒体报道称这个萌萌哒的交交就是人工智能，在智能语音、智能图像、智能语义、生物特征识别等领域都达到了领先的水平。好多人觉得人工智能居然能达到这种水平，高端！！！

然而。。。。。

实际上这个机器人跟人工智能完全是两码事。专业一点说，这个产品应该叫做“远程语音客服系统”。其实就是有人在远程操控机器人，后台的客服通过麦克风和语音播放器跟客户交流，只不过把客服的声音做了变声处理，所以听起来萌萌哒。。。

这种机器人还真的是机器+人呢。。。

这种人工智能还真的是特别人工呢。。。

其实这个机器人的原型是一款商用导购机器人，在此基础上又做了一些功能整合，具体的网址我就不贴了，有兴趣的可以自己去查查看。

你们看看下面这张图，然后自己感受一下吧。