無(wú)處不在的人工神經(jīng)網(wǎng)絡(luò )：機器人擁有意識的關(guān)鍵

“機器人是否具有意識”這個(gè)問(wèn)題一直是人們所爭論的焦點(diǎn)之一，而在這其中，人工神經(jīng)網(wǎng)絡(luò )擔當著(zhù)不小的責任。

機器人、語(yǔ)音識別、人臉識別、自動(dòng)駕駛……隨著(zhù)科技的發(fā)展，我們的身邊正被人工智能所包圍。與此同時(shí)，關(guān)于“機器人是否會(huì )有意識”的話(huà)題也漸漸受到人們的關(guān)注，一部分人認為未來(lái)的機器人將會(huì )擁有自我意識，還有一部分人則認為這是一個(gè)難以完成的任務(wù)。

說(shuō)到“意識”的問(wèn)題，人類(lèi)之所以有意識，關(guān)鍵還是在于“生物大腦”存在。以此作比，機器人要想有意識，就得先有一個(gè)“大腦”，也就是所謂的“人工神經(jīng)網(wǎng)絡(luò )”。

什么是人工神經(jīng)網(wǎng)絡(luò )？

人工神經(jīng)網(wǎng)絡(luò )，常常簡(jiǎn)稱(chēng)為神經(jīng)網(wǎng)絡(luò )，是以計算機網(wǎng)絡(luò )系統模擬生物神經(jīng)系統的智能計算系統，是對人腦或自然神經(jīng)網(wǎng)絡(luò )的若干基本特性的抽象和模擬。簡(jiǎn)單地講，人工神經(jīng)網(wǎng)絡(luò )就是基于模仿大腦神經(jīng)網(wǎng)絡(luò )結構和功能而建立的一種信息處理系統。

人工神經(jīng)網(wǎng)絡(luò )依靠系統的復雜程度，通過(guò)調整內部大量節點(diǎn)之間相互連接的關(guān)系，從而達到處理信息的目的，其中，這些節點(diǎn)就相當于生物大腦中的“神經(jīng)元”。在生物大腦中，　一個(gè)神經(jīng)元通常具有多個(gè)樹(shù)突、一個(gè)軸突，樹(shù)突主要用來(lái)接受傳入信息，而在軸突尾端的許多軸突末梢則跟其他神經(jīng)元的樹(shù)突產(chǎn)生連接，從而傳遞信號。這個(gè)連接的位置在生物學(xué)上叫做“突觸”。

人工神經(jīng)網(wǎng)絡(luò )的基本結構包括輸入層、隱藏層和輸出層，類(lèi)比生物神經(jīng)元，我們可以將輸入層比作樹(shù)突，而輸出層比作神經(jīng)元的軸突，而主要負責計算的隱藏層則可以比作細胞核。

在工作時(shí)，從本質(zhì)上說(shuō)，我們需要向人工神經(jīng)網(wǎng)絡(luò )提出大量的問(wèn)題，并提供給它們答案，從而訓練它們將問(wèn)題與答案對接起來(lái)。這種方法叫做有監督學(xué)習，也是目前人工神經(jīng)網(wǎng)絡(luò )的主流學(xué)習方式，而該過(guò)程我們則稱(chēng)之為反向傳播（backpropagation）。借助于足夠多的「問(wèn)題－答案」案例，儲存在每個(gè)節點(diǎn)中的計算和權值就能慢慢進(jìn)行調整。

人工神經(jīng)網(wǎng)絡(luò )的分類(lèi)及特點(diǎn)

按照發(fā)展的歷史遞進(jìn)劃分，人工神經(jīng)網(wǎng)絡(luò )可分為三類(lèi)：?jiǎn)螌由窠?jīng)網(wǎng)絡(luò )、兩層神經(jīng)網(wǎng)絡(luò )和多層神經(jīng)網(wǎng)絡(luò )，其典型代表分別為感知器、多層感知器和深度學(xué)習；按照模型分，人工神經(jīng)網(wǎng)絡(luò )的模型有近40種，包括反傳網(wǎng)絡(luò )、感知器、自組織映射、Hopfield網(wǎng)絡(luò )、波耳茲曼機、適應諧振理論等。

不過(guò)，不管按照那個(gè)指標進(jìn)行劃分，從當前人工智能的發(fā)展情況來(lái)看，深度學(xué)習當屬“龍頭老大”，畢竟現在只要做個(gè)人工智能產(chǎn)品，動(dòng)不動(dòng)的就要運用深度學(xué)習算法對系統進(jìn)行訓練。而作為人工神經(jīng)網(wǎng)絡(luò )的佼佼者，按照神經(jīng)網(wǎng)絡(luò )的架構，深度學(xué)習有三大類(lèi)，分別是：

循環(huán)神經(jīng)網(wǎng)絡(luò )（RNN）：是一種節點(diǎn)定向連接成環(huán)的人工神經(jīng)網(wǎng)絡(luò )。這種網(wǎng)絡(luò )的內部狀態(tài)可以展示動(dòng)態(tài)時(shí)序行為，可以利用它內部的記憶來(lái)處理任意時(shí)序的輸入序列，這讓它可以更容易處理如不分段的手寫(xiě)識別等。

卷積神經(jīng)網(wǎng)絡(luò )（CNN）：是層間隨機相連的人工神經(jīng)網(wǎng)絡(luò )。其獨特的網(wǎng)絡(luò )結構可以有效地降低反饋神經(jīng)網(wǎng)絡(luò )的復雜性，比如在模式分類(lèi)領(lǐng)域，其避免了對圖像的復雜前期預處理，從而可以直接輸入原始圖像。

深度神經(jīng)網(wǎng)絡(luò )（DNN）：層疊了多層網(wǎng)絡(luò )的人工神經(jīng)網(wǎng)絡(luò )。

不管是對于哪種人工智能技術(shù)和人工智能產(chǎn)品，人工神經(jīng)網(wǎng)絡(luò )都是不可或缺的。至于各種原因，主要歸咎于人工神經(jīng)網(wǎng)絡(luò )的三大優(yōu)勢：

第一，可自主學(xué)習。例如圖像識別，只要先把許多不同的圖像樣板和對應的結果輸入人工神經(jīng)網(wǎng)絡(luò )，其就會(huì )通過(guò)自主學(xué)習功能，慢慢學(xué)會(huì )識別類(lèi)似的圖像。

第二，可聯(lián)想存儲。用人工神經(jīng)網(wǎng)絡(luò )的反饋網(wǎng)絡(luò )就可以實(shí)現這種聯(lián)想。

第三，可高速尋找優(yōu)化解。尋找一個(gè)復雜問(wèn)題的優(yōu)化解，人工往往需要很大的計算量，而利用一個(gè)針對某問(wèn)題所設計的人工神經(jīng)網(wǎng)絡(luò )，便可發(fā)揮計算機的高速運算能力，很快找到優(yōu)化解。

人工神經(jīng)網(wǎng)絡(luò )無(wú)處不在

作為一個(gè)人工智能產(chǎn)品的基層之一，人工神經(jīng)網(wǎng)絡(luò )的研究者還是不少的。其中，研究者包括谷歌、IBM、Facebook、百度等科技巨頭，以及加州大學(xué)柏克萊分校研究團隊、韓國浦項工科大學(xué)研究團隊等小型團體。不過(guò)，總體來(lái)看，相比于國外的熱火朝天，國內對于人工神經(jīng)網(wǎng)絡(luò )的研究還是有點(diǎn)落后的。

借助于人工神經(jīng)網(wǎng)絡(luò )，作曲、寫(xiě)作、下棋、開(kāi)飛機、制定最優(yōu)解決方案等等技能都已經(jīng)被人工智能所掌控，圖像識別、人臉識別、語(yǔ)音識別技術(shù)也是手到擒來(lái)，更是由此開(kāi)拓了智能家居、智能醫療、智能出行等多個(gè)新興行業(yè)。不過(guò)，就目前來(lái)講，代表了人工網(wǎng)絡(luò )神經(jīng)最佳成績(jì)的還屬I(mǎi)BM的AI系統Watson，不僅是在知識上打敗人類(lèi)、為企業(yè)問(wèn)題尋找最優(yōu)解決方案，Watson還將自己的觸角伸到了聊天機器人、智能醫療等多個(gè)領(lǐng)域，從各方面展現了人工神經(jīng)網(wǎng)絡(luò )的強大。

結語(yǔ)

目前，雖然人工神經(jīng)網(wǎng)絡(luò )的性能還沒(méi)達到生物神經(jīng)網(wǎng)絡(luò )的那種高度，但是，哪怕只是現在的階段，人工神經(jīng)網(wǎng)絡(luò )也已經(jīng)帶給人類(lèi)太多的驚喜與便利。

此前，在The Big Talk的現場(chǎng)，來(lái)自康奈爾大學(xué)的Hod Lipson教授舉了一個(gè)例子：他們設計了一個(gè)深度學(xué)習網(wǎng)絡(luò )，輸入大量的圖片來(lái)訓練這個(gè)深度網(wǎng)絡(luò )準確識別狗和貓。令人驚訝的是，除了狗和貓，他們發(fā)現其中一個(gè)神經(jīng)元竟然開(kāi)始追蹤人臉了，而這是當初程序中所沒(méi)有設定的。由此，我們或許可以猜測，在經(jīng)過(guò)歷代變革后的未來(lái)，借助于人造神經(jīng)網(wǎng)絡(luò )，人工智能是能夠具備獨立意識的。

最后，記得關(guān)注微信公眾號：鎂客網(wǎng)（im2maker），更多干貨在等你！