什么是反向传播
说起人工智能，大家都觉得神秘，其实它也是在犯错中长大的，就像小孩学走路，摔了一跤就知道下次怎么调整步伐，神经网络靠的就是"反向传播"这个法子
这事儿说来简单，机器先给出一个答案，发现答案错了，就倒回去看看哪个环节出了问题，然后微调那些参数，再试一次，如此反复，错误越来越少，答案越来越准
为什么需要它
上世纪八十年代，科学家们遇到了难题，神经网络空有架构，却不知道怎么训练，就像有了琴却不会调音，1986年，几位研究者把这套方法整理出来，发表了论文，从此神经网络才算真正派上用场
想想学开车，教练坐在副驾驶，你方向盘打偏了，他立刻指出来，你就知道下次少打一点，反向传播就是这个教练，只不过它不用张嘴，自动计算出每个操作该调多少，速度快得惊人
它是怎么工作的
技术上讲，这是个数学游戏，神经网络由许多层组成，每一层都有参数控制着信息的流动，当答案出错时，系统先算出误差有多大，然后用微积分里的链式法则，一层层往回推，找出每个参数该负多少责任
比如你投篮总是偏左，反向传播就像个细心的教练，告诉你"手腕角度要向右调3度，出手力度减少5%，起跳时机延后0.2秒"，它把大问题拆成无数个小调整，每个参数都分配到精确的改进量
这过程叫梯度下降，想象你站在山坡上，想走到最低点，但四周起雾看不清，你就感觉脚下的坡度，朝着最陡的方向走几步，再停下来感觉坡度，再走几步，虽然路线曲折，最终总能到谷底
什么是梯度下降(Gradient Descent),为什么它是训练AI模型的核心优化方法? https://mp.csdn.net/mp_blog/creation/success/157505297
它有多重要
今天你用的语音助手、拍照时的美颜功能、购物网站的推荐、甚至自动驾驶，背后都靠这套机制，没有反向传播，这些应用都训练不出来，或者要花上几辈子的时间
深度学习能在2010年代爆发，靠的就是这个算法配上强大的计算机，让机器可以从海量数据里学习，猫狗都能认出来，何况是人脸、语音、文字
对我们有什么影响
你每天用的AI产品，质量好坏就看训练得够不够，训练数据有偏见，AI就会带偏见，训练样本太少，AI就会胡说八道，这都是反向传播调不好的结果
有时候你问AI一个问题，它答得头头是道其实全是瞎编，就是因为训练时见过类似句式，但没真正理解意思，反向传播只管让输出接近训练数据，不管对错
怎么辨别和规避
碰到AI的回答，别全信，尤其是专业问题，它可能只是在模仿训练数据的措辞，内容却经不起推敲，遇到重要决定，还得找人类专家核实
用AI工具时，多问几次同样的问题，看看答案是否一致，如果前后矛盾，说明它没真正学会，只是在瞎猜，这时候就该换个思路或换个工具
记住一点，反向传播让机器学得像人，但它本质上只是在调参数，追求统计上的吻合，跟人的理解和判断完全是两码事，知道这点，你就不会被AI唬住了