AI是有趣的也是复杂的，如果有兴趣学习的话，其实也并没有难到学不会，无法入门的那种程度。
这一系列教程，会简单的写一个手写数字识别的神经网络模型，由浅入深，了解机器学习的原理。
做到这一点，并不需要多高深的数学知识，只需要一些简单的微分，线性代数知识，就可以轻松学习。即便你不会这些数学知识，但也可以继续看下去，因为这并不太影响对原理的掌握
学习机器学习之前，我们有必要了解一下，计算机擅长做什么，人类的大脑又擅长做哪些事。
对于计算机来说，在1秒内，计算百万千万的加减乘除是很容易做到的，但这对于人类来说是困难的。
对于人类来说，我们可以很轻松的从图片中分辨汽车，飞机，等各种各样的数据，但这对于计算机来说，是非常困难的。
识别图像，需要人类智能，这是机器不具备的，无论我们做出多么复杂强大的机器，它们依旧不是人类。但是、由于机器的计算速度很快，而且不知疲倦。如果机器能解决图像识别的问题，这是我们迫切希望的
so ~ 研究人工智能的问题，就是找到一种新的算法或者新方法，让计算机尝试解决类似于图像分辨的问题。如果我们的算法足够出色，就可以给人一种感觉，看上去这是一台聪明的机器。
那如何让冰冷的机器开始变得智能呢？我们先从构建超级简单的机器开始
想象一下，一台计算机，接受了我们的问题，然后经过“思考”，给出我们答案，像下图一样
当然，计算机不会真正的思考，它只是包装过的计算器，比如 我们输入 3 * 4? 计算机思考过后 给出答案 12? 如下图?
看到这里，或许你可能心里会想 “这有什么了不起的”
或许我们应该稍微增加一下复杂度
试想一下将千米转换为英里的一个机器，如下图
?
试想一下，我们并不知道，千米转换为英里的公式，我们知道的是，千米和英里的关系是线性的。如果千米加倍，对应的英里也会加倍
千米和英里这样的线性关系，为我们提供了神秘的计算线索，他应该就是 “ 英里 = 千米 * C ”，其中 C 是常数， 但我们并不知道这个常数是多少
我们拥有的一些其他线索就是 一些 千米/英里? “真实示例” 数值对 如下图
?有了参考数据，我们怎么做才能知道 未知的 常数项 C 是多少呢？ 不如我们先随机初始化一个数值，比如 C = 0.5 , 那么看起来就像是下图
50 英里，这时机器给出的答案 ，但是上图 “真实示例”? 编号为2 的数据告诉我们 正确的数值应该是62.137 ，因此 我们知道 C = 0.5 似乎不是最准确的
我们少了 12.137 ，这是真实值和计算结果的误差
那么下一步应该做什么呢？? 我们已经知道了误差是? 12.137， 我们也知道，千米和英里之间的线性关系，即??“ 英里 = 千米 * C ”? ? 所以只要增加 常数 C 就会增加输出
如果我们增加 0.1? 即? C = 0.6? 像下面这样
现在可以看到，误差值变小了，这个误差是我们很乐意接受的一个误差，根据 常数 C = 0.6?我们的机器可以聪明的计算出 200 千米 * 0.6? = 120 英里，我们的机器开始变的有一点智能了，虽然这并不是真正的人工智能
但是从这个简单的例子，要知道一个重要的点就是，我们可以根据误差，不断的增加或者减少常数项 C? 使得机器可以计算出一个近似正确的值
无论你是否相信，这个简单的例子，就是走马观花般的浏览了一遍机器学习的核心过程。我们训练机器，通过 误差值? 不断的调整参数 使其输出值越来越接近正确的答案，这便是机器学习的核心
预先剧透一下，实际上，调整这些参数的过程，并不是像例子那样我们自己手动去增加或者减少这些参数，这些参数的调整全部都是程序自动调整的
后面的教程，我们将学习如何自动去调整这些参数
?