咱们好啊，我是董董灿。
不少人或许都有相似的问题。对于神经网络，到底是会用就行，仍是需要搞了解其间的原理？
一个比方
记住最开始学驾照的时分，教练问我，你是大学生啊，你学什么专业的? 我说我学机械的。
教练一脸的轻松，说，那你应该很快就能学会。
我问为什么呢？
教练说，你必定很懂离合的原理，以及轴承、齿轮、加快比这些概念啊。
这样踩离合挂挡，踩到什么程度，什么时分加油门，加到什么程度，挂几档你必定就会有感觉。
我当时：。。。
后来学车的经历告诉我，在学校里学的那些齿轮啮合原理的确有协助，但远没教练吹嘘的这么凶猛。
那么神经网络的原理又是指什么呢
如果说搞懂了某种卷积算法、某个激活函数，那相当于咱们学会了齿轮的相关常识。
如果说搞懂了怎样调参，怎么设置学习率能让网络收敛的更快，那相当于咱们学会了怎么挂挡，踩油门，踩刹车。
很显然，会这些，足够开动神经网络这辆车了。
再往深了讲，如果说想要真实搞懂神经网络为什么能完结图片分类，或者说为什么神经网络学到的参数能在分割任务中表现的特别抢眼。相当于要搞清楚为什么一踩油门，轿车就一下子能跑的特别快?
相当于要搞清楚，轿车的加快度与轮子受到的摩擦力以及轿车质量的联系等式F=ma。
相当于要搞清楚，轿车并没有一加快就飞到天上去，而是在路面上跑，是因为有万有引力规律的存在。
相当于要搞清楚，汽油焚烧，热能转化成动能，推动发动机的转子转动，然后轴承带动车轮转动，而轮子与地面的摩擦力让轿车往前冲。
还要搞清楚，轿车行进过程中，还受到了空气的阻力，所以它实践能跑的速度还需要考虑风阻。
….
等等等等这些根底常识。
而这些根底常识，简直每一项都是由牛顿这样的巨人发现的。神经网络为什么能够完结图画分割，相信许多科学家也没有真实搞清楚。
神经网络的工作原理现在来看，仍是一个黑盒，即使有许多手法能够做神经网络的可视化，但咱们依然无法完全窥视到里面的原理。
就好像万有引力和力的三规律一直都在那，只不过咱们还没有发现。
但这一点都不影响咱们开车。
所以，对于这个问题“神经网络，到底是会用就行，仍是需要搞了解其间的原理？”，我想说的是。
如果想当牛顿那种巨人，开学立派，是需要真实搞清楚神经网络的根底原理的。
如果你就想开个车，学会神经网络的根底算法，基本就够了。
神经网络的可解说性
其实这个问题想要问的，应该是神经网络的可解说性。所谓可解说性，指的是从原理上解说某个神经网络为什么可行。
可解说性在工业界、医疗界有时分非常重要，比方想要给医院推销某个AI产品，总得让医生坚信这种AI的决策和评估的根据，不然很难让专家信服进而采用该产品。（via Vincentius）
AI的可解说性，也一直是人们研究的重点，比方使用可视化方法来查看某些CNN网络学到的特征等，但个人感觉离真实有重大突破还有段间隔。
关于可解说性，能够这么了解，人工智能模仿的是人的大脑。科学家一直在试图解说人脑的回忆，但却一直无法突破。
如果说哪一天，科学家真的把AI的可解说性搞清楚了，那么AI就不再是AI，而变成了一堆计算机程序。即使现在的AI也是大数据+大算力+计算机程序的产品。
本文原创，请勿随意转置。
