来看看人工智能AI创造的精彩“世界”(2)
|
神经网络是一门重要的机器学习技术。它是目前最为火热的研究方向——深度学习的基础。
图1 神经细胞的结构 人类大约有几百亿个脑细胞，每个脑细胞大约有几百条脑神经，每条神经上大约有几百个突触，每个突触有几百到几千个蛋白质，一个脑细胞的作用大约相当于一台大型计算机，一个突触的作用大约相当于计算机的一块芯片。可以很简单地推算出来，人的大脑相当于上千亿块或上万亿块芯片。 神经细胞和人身上任何其他类型细胞十分不同，每个神经细胞都长着一根像电线一样的称为轴突（axon）的东西，它的长度有时伸展到几厘米，用来将信号传递给其他的神经细胞。神经细胞的结构如图1 所示。它由一个细胞体（soma）、一些树突（dendrite） 、和一根可以很长的轴突组成。神经细胞体是一颗星状球形物，里面有一个核（nucleus）。树突由细胞体向各个方向长出，本身可有分支，是用来接收信号的。轴突也有许多的分支。轴突通过分支的末梢（terminal）和其他神经细胞的树突相接触，形成所谓的突触（Synapse）， （图中未画出），一个神经细胞通过轴突和突触把产生的信号送到其他的神经细胞。 有趣的事实 曾经有人估算过，如果将一个人的大脑中所有神经细胞的轴突和树突依次连接起来，并拉成一根直线，可从地球连到月亮，再从月亮返回地球。如果把地球上所有人的脑中的神经细胞的轴突和树突连接起来，则可以伸展到离开我们最近的星系！ 神经细胞利用电-化学过程交换信号。输入信号来自另一些神经细胞。这些神经细胞的轴突末梢（也就是终端）和本神经细胞的树突相遇形成突触（synapse），信号就从树突上的突触进入本细胞。信号在大脑中实际怎样传输是一个相当复杂的过程，但就我们而言，重要的是把它看成和现代的计算机一样，利用一系列的0和1来进行操作。就是说，大脑的神经细胞也只有两种状态：兴奋（fire）和不兴奋（即抑制）。发射信号的强度不变，变化的仅仅是频率。神经细胞利用一种我们还不知道的方法，把所有从树突突触上进来的信号进行相加，如果全部信号的总和超过某个阀值，就会激发神经细胞进入兴奋（fire）状态，这时就会有一个电信号通过轴突发送出去给其他神经细胞。如果信号总和没有达到阀值，神经细胞就不会兴奋起来。 正是由于数量巨大的连接，使得大脑具备难以置信的能力。尽管每一个神经细胞仅仅工作于大约100Hz的频率，但因各个神经细胞都以独立处理单元的形式并行工作着，使人类的大脑具有下面这些非常明显的特点： 能实现无监督的学习。 你不会给一个孩子看一万辆车和一万匹马来让他学会识别马和车。在看到了一些例子后他就充分理解了两者的不同。就是它们能够自己进行学习，而不需要导师的监督教导。 Yann LeCun认为无监督学习才是人类和动物智能发展的主要途径。从某种意义上，无监督学习让人们看到了强人工智能的希望。 高度并行性，处理信息的效率极高。 由于人脑是超级巨大的并行运算系统，所有突触以及每个突触上的所有蛋白质，都可以瞬间同时运动，蛋白质之间又只有几纳米距离，电流在这个距离上一秒可运行几千亿次，人脑运算速度的数量级就大得没法形容，大约1后面跟27个零到30个零。要知道，40亿次，才不过是4后面跟9个零而已，差了大约20个数量级。 例如，大脑视觉皮层在处理通过我们的视网膜输入的一幅图象信号时，大约只要100ms的时间就能完成。考虑到你的神经细胞的平均工作频率只有100Hz，100ms的时间就意味每秒只能完成10个计算步骤！想一想通过我们眼睛的数据量有多大，你就可以看到这真是一个难以置信的浩大工程了。 善于归纳推广。 一种是形式化思维，是人脑演绎能力的表现，具有逻辑的循序的特点：一种是模糊性的思维，是人脑归纳能力的表现，可同时进行综合的整体的思考。大脑和数字计算机不同，它极擅长的事情之一就是模式识别，并能根据已熟悉信息进行归纳推广（generlize）。 例如，我们能够阅读他人所写的手稿上的文字，即使我们以前从来没见过他所写的东西。 它是有意识的。人脑最独特的是思维意识 ，意识（consciousness）是神经学家和人工智能的研究者广泛而又热烈地在辩论的一个话题。就目前的世界顶级科学家们也无法得知人的思维意识是怎样产生的。可现在的电脑想要做到那种程度要过多长时间还是个未知数。而人脑和电脑最大的差别就在于，人脑的进化速度要比电脑的进化速度快多了。 因此，一个人工神经网络（ Artificial neural network， ANN）简称神经网络（NN） 就是要在当代数字计算机现有规模的约束下，来模拟这种大量的并行性， 并在实现这一工作时，使它能显示许多和人或动物大脑相类似的特性。 在某些领域，AI还是“打败”了人类。深度神经网络已经可以应用在交谈、驾驶汽车，已经能够打败电子游戏和围棋冠军，还能利用其绘制图片，并进行科学发现。 例如，图片的设计和修改。在网站的更新和修改上，人工智能可以做得比人类更快速、更精准。这种基础技术可以给出普通用户对于网站样式的意见，以告诉设计师这个网站设计得好不好。阿里的AI设计应用“鲁班"，现更名为”鹿班“，可谓让设计师瑟瑟发抖。 4、深度学习 深度学习的概念源于人工神经网络的研究。有了深度学习，机器学习才有了许多实际的应用，它还拓展了AI的整体范围。 深度学习将任务分拆，使得各种类型的机器辅助变成可能。无人驾驶汽车、更好的预防性治疗、更好的电影推荐要么已经出现，要么即将出现。AI既是现在，也是未来。有了深度学习的帮助，也许到了某一天AI会达到科幻小说描述的水平，这正是我们期待已久的。 AI是一个太庞大、太复杂的系统。AI给了世界，给了人们无限的想象空间和无线的可能。后面将会对AI的应用作一篇详细的论述，让我们继互联网+之后认识一下AI+. （编辑：ASP站长网） |
对话黄仁勋全解元宇宙
怎样理解你的DBA
跟随云时代玩转大数据