这篇文章名为《谷歌搜索将成为你的下一个大脑》，作者是史蒂夫·利维（Steve Levy），目前在 Medium 上。我鼓励你读一读。文章篇幅相对较长，但如果你对搜索感兴趣的话，它还是挺有意思的。文章开头介绍了杰夫·辛顿（Geoff Hinton），他曾在加拿大担任教授，长期从事神经网络研究，后来加入谷歌，如今是那里的杰出工程师。文章中写道：“他擅长运用一种神秘的技巧，即通过多层人工神经元来训练整个系统、神经元系统，或者训练它们自身，使其能够通过随机输入实现神级同步。”
这听起来很复杂
而不是我们告诉它们如何思考、处理这些输入 智利手机数据库 并得出结果。所以这本质上就是机器学习。例如，谷歌就利用机器学习来判断，当你给它一堆照片时，它会说：“哦，这是一张风景照。哦，这是一张户外照。哦，这是一张人物照。” 你是否有过这种可怕的经历：你上传了一张照片到Facebook或Google+，他们却问：“那是你的朋友吗？” 你会说：“天哪，我朋友的照片拍得太糟糕了。你几乎看不清他的脸，而且他还戴着平时从来不戴的眼镜。”
他们使用的就是这些神经网络
这些深度机器学习流程。我给你举个简单的例子。在 MOZ，我们用非常简单的机器学习来计算页面权重和域名权重。我们获取所有输入——链接数量 WhatsApp 已迅速成为市场营销的强 连接根域名的数量，以及 MOZ 提供的页面级别、子域名级别、根域名级别的所有指标——然后我们把它们整合在一起，并说：“嘿，机器，我们希望你为我们创建一个与谷歌页面排名最匹配的算法。排名。” 我记得我们使用了 10,000 个数据作为基础集，大约每季度或每 6 个月进行一次，然后把这些数据输入系统，系统会生成一个小算法，它会说：“拿着这个。这会给你一个与谷歌 PageRank 最相关的指标。” 这就是获取页面权重和域名权重的方法。
这很棒，真的很有用，能帮我们说出这样的话：“好吧，谷歌可能认为这个页面比这个页面重要一点，而且重要得多。” 这很酷，但这不是一个特别先进的系统。更先进的系统是拥有这种分层的神经网络。这样你就有了一组网络，顺便说一下，这些神 玻利维亚目录 经网络的设计目的是复制人脑中的节点，这在我看来有点奇怪，但别担心。文章里提到有一个科学家委员会确保《终结者2》不会上映，或者说《终结者1》不会上映。显然，没有人阻止《终结者4》的上映？这是即将上映的新片。
因此，一层神经网络会识别特征。另一层神经网络可以对即将出现的特征类型进行分类。想象一下搜索结果。搜索结果进来后，谷歌会查看所有网站和网页，以及你网站和网页的特征，并尝试思考：“我能从中提取哪些元素？”