序幕：神經(jīng)網(wǎng)絡(luò)

老喻：辛頓教授，深度學(xué)習(xí)對大多數(shù)人來說就是一個(gè)"黑盒"，幾百億參數(shù)在里面像魔法一樣運(yùn)作。您能不能用打比方加一點(diǎn)初級數(shù)學(xué)，把"前向傳播"和"反向傳播"徹底揉碎了講講？

辛頓：沒問題。但在講機(jī)制之前，我想先讓大家理解一件事：大腦里正在發(fā)生的事情，離我們平時(shí)的"有意識邏輯思考"非常遙遠(yuǎn)。它們更像是在做"感知"或"類比"，你沒法用傳統(tǒng)的符號處理去解釋。

我舉個(gè)最自然的例子：給你一張灰度照片，一堆像素點(diǎn)，請你告訴我——里面有沒有鳥？

過去半個(gè)世紀(jì)，人們一直試圖寫程序解決這個(gè)問題，基本全部失敗。為什么？因?yàn)?鳥"根本無法用一組固定的數(shù)學(xué)值來定義。它可以是懟到你臉上的一只鴕鳥，也可以是天邊的一只海鷗；黑的、白的、飛著的、蹲著的。

那大腦是怎么做的？我們來手工搭一個(gè)神經(jīng)網(wǎng)絡(luò)看看。

第一層，我們放一批神經(jīng)元，專門檢測圖片里最微小的邊緣——比如取三個(gè)像素點(diǎn)，如果左邊亮、右邊暗，這個(gè)神經(jīng)元就興奮："這里有一條邊！"

第二層，神經(jīng)元不再看像素，而是看第一層傳來的信號——幾條短邊緣向下傾斜、幾條向上傾斜、前端交匯成一個(gè)尖角——它就喊："我可能發(fā)現(xiàn)了一個(gè)鳥嘴！"

第三層，有個(gè)神經(jīng)元同時(shí)收到"鳥嘴"和"鳥眼"的信號，并且空間位置對得上，它就說："這是一個(gè)鳥頭！"

最頂層，當(dāng)"鳥頭""鳥腳""翅膀尖"的信號同時(shí)涌入，它大喊："這絕對是一只鳥！"

老喻：邏輯很清晰！但如果手工搭建，這個(gè)網(wǎng)絡(luò)得多大？

辛頓：至少10億個(gè)連接。我絕不可能讓我的研究生去手動設(shè)置10億個(gè)權(quán)重——所以我們需要一種機(jī)制，讓網(wǎng)絡(luò)自己學(xué)會怎么設(shè)置這些權(quán)重。這就是我接下來要講的核心：前向傳播和反向傳播。

第一幕：前向傳播

辛頓：我們把正在學(xué)習(xí)“如何認(rèn)出一只鳥”的神經(jīng)網(wǎng)絡(luò)，想象成一家擁有 10 億名員工的“看圖識物大公司”。

這家公司等級森嚴(yán)，分為四個(gè)層級：

1、基層業(yè)務(wù)員（底層神經(jīng)元）：只負(fù)責(zé)盯圖片上最基礎(chǔ)的像素亮暗，只有當(dāng)像素亮到一定程度，業(yè)務(wù)員才會“興奮”地往上喊（這就是激活函數(shù)）。

2、小組長（第二層神經(jīng)元）：聽業(yè)務(wù)員匯報(bào)，負(fù)責(zé)尋找“邊緣”和“線條”。

3、部門經(jīng)理（第三層神經(jīng)元）：聽小組長匯報(bào)，負(fù)責(zé)拼湊“鳥嘴”或“狗耳朵”這樣的局部特征。

4、CEO（頂層神經(jīng)元/輸出層）：聽取所有經(jīng)理的匯報(bào)，向客戶拍板出最終結(jié)論：“這是一只鳥，還是一只狗！”

老喻好家伙，10 億人的大廠！那平時(shí)遞進(jìn)去一張圖片，他們是怎么協(xié)同工作的？

辛頓：這就叫“前向傳播”，也就是自下而上的情報(bào)匯報(bào)。

假設(shè)客戶遞來一張“麻雀”的照片。底層業(yè)務(wù)員看到像素就開始往上喊。但在職場里，上級對下屬絕不會一視同仁。這里有我們第一個(gè)極其關(guān)鍵的數(shù)學(xué)概念： 在學(xué)術(shù)上，下屬喊話的音量叫“激活值”，上級對下屬的信任程度叫“權(quán)重（Weight）”。

下屬匯報(bào)的音量（激活值） × 上級對他的信任度（權(quán)重） = 對上級的實(shí)際影響力

假設(shè)公司開業(yè)第一天，這 10 億人的“信任度（權(quán)重）”全都是隨機(jī)瞎填的（這叫隨機(jī)初始化）。碰巧，負(fù)責(zé)找“狗耳朵”的經(jīng)理 A 今天瞎激動，喊得特大聲，而 CEO 給他的初始信任度又極高；相反，“鳥嘴部門”的經(jīng)理 B 明明嘀咕了正確答案，卻因信任度太低被徹底無視。

信號就這樣一層一層做著乘法往上傳遞。CEO 綜合了所有匯報(bào)后一拍腦門，給出了最終預(yù)測：“客戶您好，根據(jù)我司嚴(yán)密計(jì)算，這張圖有 80% 的概率是狗，只有 10% 的概率是鳥！”

老喻：對著麻雀喊狗，這是一場災(zāi)難性的業(yè)務(wù)事故！由于初始信任度是隨機(jī)的，前向傳播等于是在盲人摸象、瞎猜一氣?？蛻艨隙ㄒ谱雷恿恕?/p>

第二幕：誤差與梯度

辛頓：沒錯(cuò)！客戶（也就是訓(xùn)練數(shù)據(jù)里的標(biāo)準(zhǔn)答案/標(biāo)簽 Label）勃然大怒：“瞎了嗎？這是鳥！鳥的概率必須是 100%（1.0），狗的概率必須是 0%（0.0）！”

這個(gè)時(shí)候，全公司就要開始計(jì)算這次業(yè)務(wù)事故錯(cuò)得有多離譜了。為了讓你有直觀的物理感受，老喻，我在 CEO 的辦公桌上放一個(gè)極其具象的“橡皮筋與滑軌”道具，來給你演示什么叫“誤差/損失（Loss）”和“梯度（Gradient）”。

想象桌上豎著兩排帶刻度的滑軌，分別寫著“鳥”和“狗”?；壍淖畹撞渴?0.0，最頂部是 1.0。 每條滑軌上都有兩個(gè)東西：

1、客戶手里拿的“真理鐵釘”（代表標(biāo)準(zhǔn)答案），砰的一聲死死釘在滑軌的正確刻度上，絕對不許動。

2、CEO 手里推的“預(yù)測滑塊”（代表他瞎猜的概率輸出），停在他剛才匯報(bào)的刻度上。 最要命的是：在“真理鐵釘”和“預(yù)測滑塊”之間，死死套著一根極其強(qiáng)韌的橡皮筋！

老喻：畫面感太強(qiáng)了！那這桌上現(xiàn)在的戰(zhàn)況如何？CEO 豈不是被勒得很慘？

辛頓：極其痛苦！我們先看“鳥”的滑軌： 這是一張真麻雀，所以客戶把“真理鐵釘”釘在了最頂端的1.0。但 CEO 瞎猜，把“預(yù)測滑塊”留在了最底部的0.1。 老喻你看，鐵釘在天上，滑塊在地下。這根原本短短的橡皮筋，被強(qiáng)行跨越 0.9 的巨大物理距離，死死繃緊了！因?yàn)殍F釘（錨點(diǎn)）在上方，這根緊繃的橡皮筋產(chǎn)生了一個(gè)巨大的拉力，拼命想把底下的滑塊往上拽。

我們再看“狗”的滑軌： 照片里根本沒狗，客戶把“真理鐵釘”死死釘在了最底部的0.0。但 CEO 聽信讒言，把“預(yù)測滑塊”推到了0.8的高空！ 仔細(xì)看這根橡皮筋——鐵釘在地下（0.0），滑塊在天上（0.8）。兩點(diǎn)之間同樣隔著 0.8 的巨大距離！所以這根橡皮筋同樣被極度拉長、死死繃緊了、勒得生疼！只不過這一次，鐵釘在下方，橡皮筋的收縮本能拼命想把天上的滑塊往下拽。

老喻：（恍然大悟）噢！我徹底明白了！很多初學(xué)者覺得往下按應(yīng)該是“壓縮彈簧”，但其實(shí)橡皮筋根本沒法被壓縮，它只在乎你和真理之間的“絕對距離”！只要偏離真理，無論偏高還是偏低，橡皮筋都會被無情地拉長、繃緊！這根橡皮筋被拉得有多長、勒得有多疼，就是“誤差大小（Loss）”；而它拼命往上拽還是往下拽的“方向和力道”，就是微積分里大名鼎鼎的“梯度（Gradient）”！所以算法本質(zhì)上是在做“負(fù)梯度下降”，即違背讓痛苦增加的趨勢。

辛頓：Bingo！你完美推導(dǎo)出了深度學(xué)習(xí)最核心的數(shù)學(xué)直覺：偏離即拉伸，拉伸即痛苦。梯度精確地告訴 CEO：你下一步該去提拔誰、打壓誰，才能逃避這種痛苦。

第三幕：反向傳播

老喻：現(xiàn)在 CEO 頭頂著這兩根繃到極致、隨時(shí)要把頭皮扯掉的橡皮筋，被勒得痛不欲生。他現(xiàn)在的唯一本能，就是想盡辦法讓所有橡皮筋都“縮回原點(diǎn)、徹底松弛”！但他總不能把 10 億人全開除吧？他該怎么善后？

辛頓：為了讓頂層的橡皮筋放松，他必須把拉扯的痛感順著公司的層級向下分?jǐn)?/b>。這就需要“反向傳播”（Backpropagation）登場了！在微積分里它叫“鏈?zhǔn)椒▌t（Chain Rule）”，但我更愿意稱之為“企業(yè)級精準(zhǔn)連坐分鍋機(jī)制”！

CEO 順著那根拽著他往下死里勒的“狗皮筋”去查賬：“這股痛感（負(fù)向梯度）是誰造成的？哦！是因?yàn)榻?jīng)理 A 剛才喊得最大聲，我又極度信任他。他坑慘我了！”

CEO 掏出小本本開始懲罰，這是我們的第二個(gè)核心公式：

修改對下屬的信任度（更新權(quán)重） = 橡皮筋傳導(dǎo)給我的痛感（梯度） × 該下屬剛才匯報(bào)的音量（激活值）

這個(gè)公式無比殘酷：如果橡皮筋繃得極緊（錯(cuò)得離譜），而你作為下屬剛才又喊得最起勁，你挨的板子就最重！CEO 狠狠扣減了經(jīng)理 A 的信任度：“為了緩解往下拽的拉力，下次你再喊，我就當(dāng)耳旁風(fēng)?！蓖瑫r(shí)，順著“鳥皮筋”向上的正向梯度拉力，CEO 給受了委屈的鳥嘴經(jīng)理 B大幅增加了信任度。

老喻：絕妙的連坐乘法！但這只是高管層的分鍋，底下那 9 億多人怎么辦？

辛頓：繼續(xù)用“鏈?zhǔn)椒▌t”反向往下套公式啊！經(jīng)理 A 挨了罵，信任度被降級，他也感受到了被橡皮筋拉扯的痛感（梯度的向下傳遞）。他憋著火回到辦公室叫來手下：“剛才到底是哪個(gè)混蛋給我亂報(bào)‘狗耳朵’的？”

經(jīng)理 A 用同樣的乘法公式，把緊繃的拉力按比例向下分?jǐn)偅境瞿莻€(gè)瞎報(bào)“毛茸茸邊緣”的小組長，狠狠扣減對他的信任度。而剛才沒作聲的人，因?yàn)橐袅砍朔e為 0，完美隱身。

接著，小組長感受到拉力，轉(zhuǎn)身再去罵基層業(yè)務(wù)員……你看，這股“為了讓頂層橡皮筋徹底放松”的求生欲，就這樣順著公司的層級做著連環(huán)乘法，一路反向（Backwards）傳導(dǎo)（Propagate）到了最底層。 全公司 10 億人瞬間收到了一份極其精確的微調(diào)通知：“為了緩解上面的緊繃感，你該把對某下屬的信任度調(diào)高 0.01，還是調(diào)低 0.05?！?/p>

尾聲：梯度下降與智能涌現(xiàn)

老喻：太透徹了！等于說每一次輸入一張圖片，全公司就經(jīng)歷一次完整的循環(huán)：“前向瞎猜匯報(bào)（Forward） → 橡皮筋拉緊勒疼（計(jì)算誤差 Loss 和梯度 Gradient） → 反向精準(zhǔn)連坐分鍋以求放松（Backpropagation 更新權(quán)重）”。

辛頓：完全正確！全公司努力順著梯度的拉力，通過微調(diào)信任度讓橡皮筋越來越松的這個(gè)過程，在數(shù)學(xué)上就叫做“梯度下降”（Gradient Descent）。

看一張圖，10 億個(gè)“信任度”旋鈕只在橡皮筋的拉扯下微調(diào)一絲絲。但當(dāng)你給這家公司看 1000 萬張照片，把拉緊、分鍋、放松的循環(huán)重復(fù)幾千萬次后，奇跡就發(fā)生了：

只會制造噪音的員工，信任通道被徹底切斷；而真正能準(zhǔn)確識圖的骨干，他們之間的信任通道被一點(diǎn)點(diǎn)拓寬成了極其順暢的高速公路。

此時(shí)，當(dāng)下一張全新的鳥圖出現(xiàn)時(shí)，正確的像素瞬間完美激活正確的業(yè)務(wù)員、正確的主管，信號順著高速公路直達(dá)頂層。CEO 連腦子都不用動就能脫口而出：“100% 是鳥，0% 是狗！”

那一刻，真理鐵釘和預(yù)測滑塊完美重合，他頭頂所有代表誤差的橡皮筋，全都處于完美、舒適的徹底放松狀態(tài)（模型收斂）。

老喻：極其震撼！系統(tǒng)沒有所謂的人類自我意識，只有“橡皮筋追求放松”的物理本能，以及極其優(yōu)雅的微積分乘法連坐。幾百億參數(shù)的大模型，其智能就這樣從冰冷的誤差和梯度公式里涌現(xiàn)了出來。

謝謝辛頓教授，這是我聽過最精彩的一堂深度學(xué)習(xí)降維課！

本文部分文字來自辛頓近期在播客中的講話。

想了解如何生成本文的圖文表達(dá)？