人工智能时代：未来已来

从古至今，人类对自身智能的探索，从来没有停止过。无论是哲学家、科学家，还是生物学家，都在这一方面付出了艰辛的努力。科学家们试图通过各种科学实验揭开人类大脑的奥秘，但直到现在，我们依然没有办法完全了解大脑中蕴藏的神奇力量。

伴随着科学技术的不断发展，科学家试图建立一个生物模型，模拟人类大脑的运行原理。科学家通过对人类大脑的观察和认识，发现人类大脑的智能活动离不开大脑的物质基础，正是在此基础上，科学家建立了神经元网络理论和神经系统结构理论，并认为可以从仿制人脑神经系统的结构出发，研究人类智能活动。

相对于简单的线性科学，人类大脑的神经系统是复杂的、非线性的。为了更好地研究人类大脑的神经系统，科学家研究出了人工神经网络。作为一种非线性的网络模型，人工神经网络在运作功能上与人类大脑相似。虽然科学家还没有完全掌握人类大脑的运作原理，但人工神经网络的出现是人类在大脑研究方面的一个重大进步。

20世纪80年代以来，人工神经网络被广泛应用于人工智能研究领域。神经网络是一种运算模型，由大量节点相互连接构成。每个节点代表一种特定的输出函数，这些函数被称为激励函数。每两个节点之间的连接都代表一个通过该连接信号的加权值，这些加权值被称为权重。人工神经网络的输出依靠网络连接方式，同时会随着权重值和激励函数的变化而有所不同。简单来说，人工神经网络是一组连接的输入/输出单元，其中每个连接都与一个权重相关联。

通过以上定义理解人工神经网络，可能对我们来说有些困难。通过举例，我们会更好地理解人工神经网络。对于人类来说，计算机具有强大的运算能力。当人类与计算机同时面对复杂的数字运算时，计算机会胜过人类。但是如果让计算机和人类判断两张图片存在哪些不同，或者让计算机和人类同时判断公路上行驶的汽车的品牌是什么时，获胜的就会是人类了。

如果计算机搭载了具有人工神经网络的处理器，那么它就能够在辨别图片时与人类一较高下了。假如我们让计算机识别一张小狗的照片，计算机将会通过这张照片的像素信息进行逐层分析，每层都会有若干神经元负责分析画面上的信息。经过多层细致分析之后，计算机将会得出一个结果。如果结果错误，那么计算机将会通过神经网络重新进行逐层分析，同时每层的神经元都会反省上一次的错误，从而保证最终得到正确的结果。

上面提到的这个过程是人工神经网络的一个工作流程，从这里我们可以知道人工神经网络的一个主要用途就是分类和识别。这与普通计算机的能力有所区别。普通计算机只在计算能力上较为突出，而搭载了人工神经网络的计算机则具有分类和识别的功能，这让计算机看起来更像一个会思考的人。

对人工神经网络的研究可以追溯到20世纪40年代初。1943年，心理学家W.S.Mcculloch和数理逻辑学家W.Pitts提出了M-P模型，被看作第一个用数理语言描述大脑信息处理过程的模型。1949年，心理学家D.O.Hebb提出了突触联系可变的假设，在此基础上提出的学习规律为神经网络的学习算法奠定了基础。1957年，计算机科学家Rosenblatt提出了感知机模型，其中包含了现代计算机的一些原理，这也是第一个完整的人工神经网络。

此后的几十年，科学家始终在完善着神经网络方面的理论。至今，人工神经网络的研究已经取得了许多重要的成果，逐渐成为一门新兴的学科。

一位人工智能研究专家曾说：“人类大脑皮层有超过100亿个神经元，它们的功能和特性千变万化。而现代科学通过技术手段模拟出了相似的运行系统，这非常有趣，也是人类史上一个伟大的成就。”很显然，这一伟大成就是指人工神经网络的应用，而专家之所以对人工神经网络给予如此高的评价，主要是因为它与其他的科学模型相比有着许多不同功能（见图4-2）。

首先，人工神经网络具有自主学习的功能。进行图像识别时，我们只需把不同的图像样板和识别结果输入人工神经网络中就可以了。神经网络会自主学习，从而慢慢培养识别类似图像的能力。这种自主学习功能将使人工神经系统在应用方面更具有普遍性。

其次，人工神经网络还具有一种高速寻找优解的能力。人工神经网络采用的是并行分布处理方法，正是这种方法保证了其在数据运算方面的快速处理能力。一般来说，想要寻找到一个复杂问题的最优解，往往需要进行多次计算，即使对于计算机来说，这种负担也是比较大的。而如果利用针对某个问题设计出来的反馈型人工神经网络，再配合计算机高速运算能力，就能够很快找到最优解。

最后，人工神经网络还具有联想存储的功能。反馈网络可以通过不断运行将一组初始信息收集到一个提前拟定好的稳定平衡点上。通过反馈网络模型，人工神经网络就能够实现这种联想。

随着科学家对人工神经网络研究的不断深入，越来越多的新功能将会被开发出来。在人工智能时代，人工神经网络的发展必将进入一个新的阶段，那时我们的生活也会因为人工神经网络而出现许多新的变化，或许终有一天人工神经网络会从功能上赶上人类大脑。