为何用RNN搞定序列数据

人工智能科普第NNNNNN弹

1

请问，图片中的人叫什么？

相信你一定能不假思索的答出——爱因斯坦。

那么！请快速的倒着念出图中的人名！

不要怀疑你的口误，这说明了一件事——对于预测，顺序排列很重要。我们可以预测下一个按照一定顺序排列的字，但是当顺序是乱的时候，我们就没办法知道自己究竟在说什么。

比如：我用水杯（）水。

我们的预测的结果会有：装、喝；等单字。

那么当话变成[水（）杯水用我]的时候，你会发现，这道题太难啦！

显然针对有关于序列的问题，我们需要一个神经网络来进行专门的处理。于是RNN出来了。

2

这些都是什么玩意儿？

当我们处理每一个数据的时候，都会通过NN（神经网络）处理后，得到一个结果。

Date0（处理）----→Date1（处理）----→Date2（处理）

而这些待处理的数据之间（data0、data1、data2）是有关联顺序的时候，这组数据就是序列数据。（比如，下图的护肤顺序）

然而！这样的序列数据，一个一个处理数据的NN的神经网络结构并没有办法知道数据之间的关联。

3

怎么让NN知道这些数据（护肤）

的顺序关联性，并能进一步分析呢？

科学家们想出了一个很基本的方法，像人类一样，先记住之前发生的事情，这样在看到后面的我们就会知道！诶！用完水要用乳液啦！

然后行动力MAX的科学家们就决定，那我们就让神经网络也具备这种记住之前发生的事的能力好了。把每次的分析结果存入记忆里，完美！

实践出真知的科学家们发现：当把data0的分析结果存入记忆。分析下一个数据data1的，就会有新的记忆产生。两个记忆没有联系啊！科学家们脑袋一转，不怕不怕，我们把老记忆调用过来，一起分析好了。这样就能形成一个所有记忆循环分析的网络啦，处理序列数据刚刚好！

在这样的需要分析序列数据的背景下，RNN（循环神经网络 recurrent neural network）的概念强势出世，并成为了专用于处理序列数据的神经网络。（这样的RNN下面是有很多独立的隐藏层哦~就是那些记忆~）

4

RNN能做什么呢？

正因为很多需要理解处理的数据，是不能断开看的。RNN的出现，很好的对这些数据进行处理（或许下一代的内容审核师就是用RNN神经网络处理的AI审核师~）

RNN在NLP的很多任务中都取得了很大的成功。下面将列举一些RNN在NLP中应用的例子~（至于NLP是什么？请期待下期哦~）

语言模型和文本生成

手写识别

语音识别

机器翻译

视频动作识别

注：本文为方便理解，用的皆为口语化表述，舍弃了许多专有术语，由此导致文章略微缺乏科学严谨性，之后我们会推出更多的严谨向风格的文章~希望大家多多支持~ヾ(๑╹◡╹)ﾉ"

子询AILab

以最有趣的方式了解AI

φ(>ω