神經網絡是人工智能發展中其中一樣最重要的構成要素，在這單元會為大家介紹神經網絡的基本概念。

我們會學習甚麽是輸入神經元、輸出神經元及神經連接。透過一個實驗，我們會學習這些神經網絡的主要元素，我們亦會看到神經網絡是如何運作的。同時，我們會觀察到神經網絡內的權重（weights) 在學習過程中是會被改變的；透過權重的改變，神經網絡就慢慢建立起智能了。**這單元不需要同學作實際的計算。

甚麼是神經網絡？

• 神經網絡亦叫作人工神經網絡（ANN - artificial neural network)
• 靈感來自人腦的（生物學的）神經網絡結構
• 人工神經網絡是一群聯繫着的人工神經元（neurons)。
• 神經網絡擁有一個輸入層（input layer)，輸入層擁有輸入神經元（input neurons)。
• 神經網絡亦都擁有一個輸出層（output layer)，輸出層擁有輸出神經元（output neurons)。
• 把兩個神經元聯繫起來的稱為神經連接 （connection)，神經連接將訊息由一個神經元傳遞到另一個神經元。
• 每一個神經連接（connection) 有一個權重（weight)。在訓練過程中，神經網絡會調效每一個連接的權重，從而達致建立智能。

下圖是一個簡單的神經網絡。

• 你可以找到輸入層和輸入元嗎？
• 你可以找到輸出層和輸出元嗎？
• 你找到神經連接嗎？

在 AlphAI 上，神經網絡的實際應用。

目標：

• 觀察在訓練完成之後，權重是否改變了。

材料：

• 兩張 10厘米x10厘米的咭。一張是紅色，另一張是綠色。

設置

• 將 AlphAI 機械人放在小積木上，讓它的車輪可以在空中自由轉動而機械人仍然可以停止不動。
• 將 AlphAI 機械人（鏡頭）放在距離咭紙架大約 4至5厘米的地方。

• 參考附件A1

• 啓動AlphAI 機械人及聯線到你的電腦。需要時按螢光幕上的”聯線” <Connection> 按鈕。
• 如果設定參數正確，螢光幕將會顯示以下的神經網絡。

留意下圖：

• 被藍色長方形圈着的是輸入元，一共有兩個。
• 被綠色長方形圈着的是輸出元，一共有兩個。
• 總共有四個神經連接。
• 被紅色圓形圈着的是四個權重。

下圖是放大了的輸入數值及權重數值。這些數值已經另外清晰顯示出，讓大家更容易觀察。留意其中兩個權重是負數。

• 綠卡 - 向前
• 紅卡 - 停止

（A) 在訓練之前的權重數值

• 點擊 “重設學習” <reset learning> 的按鈕。
• 將螢光幕顯示的四個權重數值、寫在下面的圖上，稍後作比較。

• 點擊 “學習” <learning> 的按鈕。
• 將紅號咭放在架上。
  • 觀看螢光幕，看看卡紙是否放置正確。
  • 如果放置正確，根據輸出標籤點擊代表紅咭的輸出動作（停止）。
  • 重覆 4至5次。
• 將綠號咭放在架上。
  • 觀看螢光幕，看看卡紙是否放置正確。
  • 如果放置正確，根據輸出標籤點擊代表綠咭的輸出動作（向前）。
  • 重覆 4至5次。

（B) 在訓練之後的權重數值

• 關閉 “學習” <learning> 的按鈕。
• 將螢光幕顯示的四個權重數值、寫在下面的圖上。

**比較：在訓練完成之後，四個權重有沒有改變？

• 啓動 “自由駕駛” <self drive>。機械人將會用已經學習到的智能去分辨紅咭及綠咭。

• 測試紅色咭。
• 測試綠色咭。
• 重複測試紅色咭和綠色咭多次。

• 結果如何？

• 機械人是否可以分辨紅色咭及綠色咭呢？
• 在訓練之後，機械人是否獲得了某種智能？你如何知道呢？
• 在訓練之後，四個權重是否有改變？ 這代表什麼呢？
• 請問有多少個輸入元？
• 請問有多少個輸出元？
• 你可否畫出這實驗的神經網絡呢？要包括所有輸入元、輸出元及神經連接。
• 你可否將螢光幕裡神經連接上的數值寫在你畫的圖上呢？這些數值是什麼？

傳感器（輸入)

• 2x1 像素的相機

傳感器（輸入）

• Red vs Green

動作（輸出）

• 停止
• 向前

標籤輸出

• 紅咭 - 停止
• 綠咭 - 向前

AI 設置

• no bias for neurons (for easy verification of calculations)
• *選擇神經元沒有偏差，方便檢測計算。

顯示設置

• *set “keep space between neurons” for easy checking of values
• *方便觀察數值，選擇在輸入元之間留空位。