“卷積”到底“卷”了個啥?

追踪科技
1粉絲
2026年3月23日
AI 生成·可能包含錯誤
在人工智能高速發展的今天
有一項技術絕對不能忽視
它的身影幾乎無處不在
從起牀到通勤
從打卡到摸魚
從買菜到做飯都在用它
它就是卷積神經網絡
各位好
歡迎來到量子味
今天我們就來和大家聊一聊
卷積是什麼
以及它是如何改變人工智能的
卷積是一個數學概念
爲了讓大家能夠愉快地搞清楚
我們以投資股市爲例來說明
我有個朋友多年前在股市中投入了10萬元
虧損了10%以後
只好無奈地割肉
後來他看到第二次股市上漲的行情
決定加大投入
買了20萬
想把上次賠的給賺回來
當跌幅達到8%的時候
他感覺事情不妙
於是再次清倉
聽說他最近一次炒股又投入20萬
一個漲停板後
他見好就收
根據這張表格
我們來計算朋友在股市中的收益
它等於每次投入的資金
與漲跌幅乘積之和
這便是卷積的雛形了
卷積的集已經有了
卷又從何而來呢
讓我們變換一下計算方式
剛纔我們計算每次炒股的收益
是移動我們的視線
分別計算表格裏的每一列數據
現在我們換一個方法
把表格第二行的數據給翻轉過來
然後讓兩行數據
分別向兩個相反方向移動
中心對齊一次
就計算一次乘積
直到兩行數據沒有重疊部分爲止
卷的含義就這樣出來了
與其說是卷
不如說是折
其實卷積是從德語翻譯而來
而這個德語有摺疊的意思
表示將數據摺疊180度後再求乘積
因此卷積叫做疊積
剛纔舉的例子中呢
求卷積是兩組離散的數
實際上卷積的概念
還能套在兩個連續的函數上
這時候積不再是簡單的乘積
而是積分
學過微積分的小朋友們應該都知道
積分的起合意義
是求函數下方包圍的面積
假設現在有兩個函數ft和gt
求它倆的卷積
其實是求它們重合部分的面積
首先把gt向左翻轉
接着將翻轉後的函數
沿着t軸向右移動
接着我們記錄下每個時刻
ft和翻轉函數重疊的面積
繪製出一條新的函數曲線
這個新的函數ht
便是ft和gt的卷積
記住ht
其中gt便是這個卷積的和
也叫做過濾器
因爲它的作用是
過濾到函數ft中超出gt的部分
所以你可以把卷積
理解成一個滑動的過濾器
股市通過漲跌幅來過濾每個人的收入
數學家們是怎麼想到
用卷積這種運算的呢
當然不是爲了炒股
而是研究數學問題中
自然而然出現的
卷積的出現
最早可以追溯到18世紀五六十年代
1754年
達朗貝爾嘗試用
類似卷積的積分來推導泰勒展開
大概十年以後
另一位大數學家歐拉
也在研究類似的積分
不過是用於求解微分方程
後來一位年輕數學家
在他的著作熱的解析理論中
也提到了用這種特殊的積分
來計算熱傳導問題
這位數學家叫做傅里葉
此外
科西用卷積研究出了
負變函數中的重要工具
科西積分公式
這是負變函數中
一個極其重要的基本公式
甚至物理學家也加入了卷積大軍
1874年
布爾茲曼用卷積研究
彈性力學和靜念學問題
縱觀整個卷積的歷史
簡直就是人類群星閃耀時
雖然科學家們不約而同地
用上了這種數學方法
但卷積長久以來
一直缺乏一個統一的定義
在之前的研究中
卷積可能被叫做疊加原理
疊加積分格林定理
布爾茲曼霍普金森原理等等
直到上世紀50年代
卷積一詞才被廣泛統一採用
時間來到了1980年
日本計算機科學家福島邦彥
把卷積帶入了人工智能
第一次把卷積神經網絡
用於圖像的識別
他發現在多層卷積神經網絡中
同類的手寫數字
會喚醒某些特定的區域
通過這種方法
其實可以把圖片看成一種二維表格
過濾器或者說是卷積盒
是另一個更小的二維表格
舉個例子
有一種最簡單的過濾器長這樣
我們用它去窺探一張圖片
每次只看9個像素
將這9個像素點的數值
分別和過濾器的9個數相乘
再把這9個成績相加
填入另一個表格中
看過這9個點後
我們把過濾器向右移一個
重複一遍得到第2個數
如此這般處理完
整個圖片的每一個像素點
我們就得到了另一張圖片
你會發現通過GX的處理
得到了圖片中所有物體的縱向邊緣
同樣的再用另一個過濾器處理一下
我們還能得到物體的橫向邊緣
將這兩張圖片一組合
我們便得到了圖片中物體邊緣的完整圖像
而背景虛化
本質是識別物體的邊緣
將前景和背景分開
這樣我們就用卷積
實現了一種基本的識別功能
卷積聲音網絡
在基本原理上沒有什麼不同
只是將卷積多加了幾次
變得更加智能
90年代深度學習的先驅
楊理坤用7層的卷積聲音網絡
實現了當時最高的手寫數字識別準確率
經過連續多次的卷積計算
圖片可能變成這樣或者這樣
看起來是不是非常自抽象
但是計算機可以看到它們
這些圖片叫做特徵圖
可能其中某些就對應着眼睛嘴巴鼻子
計算機從特徵圖中識別出五官
就可以對圖片特定的區域進行修改
把你批稱絕世美女
現在智能手機的APP可以一鍵批覆美顏
再也不需要用複雜的PS給女朋友修補了
這都是卷積的功勞
卷積的應用絕對超出你的想象
你生活中幾乎無時無刻不在使用的卷積
耳機芯片利用卷積計算圖背景噪聲實現消噪的效果
無線通信利用卷積對訊號進行糾錯
而現在的圖片的AI幾乎全部都離不開卷積聲音網絡
從AI識別醫學影像裏的並造
到自動駕駛技術再到圖片生成
200多年來經過無數大神的努力
卷積這個萬能的工具
已經成爲了我們透過迷霧發現世界改造世界不可或缺的利器
好的今天的節目就到這個結束了
如果你覺得我們的節目讓你有所收穫的話
歡迎給我們點贊評論轉發再見
