人工智能就是要用人工模仿智能,本质上,这是一门仿生学。
先看看我们人类的智能是怎么形成的,然后思考如何仿生。
神经元与感知机照例先看看神经元词条的解释:神经元即神经元细胞,是神经系统最基本的结构和功能单位。分为细胞体和突起两部分。细胞体由细胞核、细胞膜、细胞质组成,具有联络和整合输入信息并传出信息的作用。突起有树突和轴突两种。树突短而分枝多,直接由细胞体扩张突出,形成树枝状,其作用是接受其他神经元轴突传来的冲动并传给细胞体。轴突长而分枝少,为粗细均匀的细长突起,常起于轴丘,其作用是接受外来刺激,再由细胞体传出。轴突除分出侧枝外,其末端形成树枝样的神经末梢。末梢分布于某些组织器官内,形成各种神经末梢装置。感觉神经末梢形成各种感受器;运动神经末梢分布于骨骼肌肉,形成运动终板。
神经元是最基本的智能单元,每个神经元可以将多个输入信息处理成一个输出信息。
对神经元进行数学抽象,得到称为感知机的模型:
感知机也是最基本的人工智能单元,可以有多个输入信息,处理成一个输出信息,是对神经元细胞的数学模拟。
神经元和感知机的关系如下图:
简单粗暴的堆砌大量的神经元简单的链接在一起,就构成了大脑。信息通过神经元的处理,然后经过多个神经元的传递,最终留存在大脑中,并可以对这个信息给出一个合适的反馈,由此涌现出了智能。人类大脑和动物大脑都是由神经元构成,最显著的区别是脑容量,人脑包含的神经元数量远远超过动物大脑。换句话说,人之所以聪明,最重要的原因是人脑拥有比动物多得多的神经元细胞。
简单理解就是,只需要把大量简单的神经元进行“无脑”堆砌,就可以足够“聪明”。
那么,把大量的感知机经过简单粗暴的堆砌,是否可以产生智能呢?
答案是肯定的,这也是几十年来,深度学习的探索者们研究的问题。幸运的是,经过这些年的起起伏伏,目前的人工智能领域,深度学习方向已经基本一统江湖,成为主流。
一点感慨深度学习的成功,又一次验证了越是复杂理论本质越是简单的逻辑。
人工智能的发展,由前期机器学习时代的各种算法百花齐放,貌似越研究越深入越牛B的算法科学家们,最终撞上了简单粗暴的深度学习的南墙。只需把数据输入简单到小学生水平的线性感知机,激活后,经过无数层的简单迭代,就涌现出惊人的智能。细想一下,人类的大脑里面也没有那么多复杂的弯弯绕绕,但把几百亿的神经元连接起来,就具备了那么复杂算法的思考能力。殊途同归。
类似的例子数不胜数,能解决无数复杂问题的计算机,最底层不就是简单到不能简单的0和1么!如果当时计算机的设计者们在设计最底层逻辑的时候,自作聪明的把加减乘除等基本运算都加上,还能构建起现在的网络世界么?
再来,超级计算系统从之前的大型机、小型机,逐步演变成一大堆普通的pc机构建大数据平台,不也是问题逐步简单粗暴的鲜明例子么!
这世界如此丰富多彩,但归根结底多是简单到极致的原子、分子构成,再雄伟的高楼大厦也都是由一砖一瓦堆砌而成。
这世界本不那么复杂,是我们自己把它搞复杂了。
总结当然,我们对人类大脑的探索还远未达到预期,人为什么聪明这个谜尚未解开。同样,深度学习为什么涌现出智能,这个问题也暂时没有确切的证明,这一切,都需要AI领域的科学家们继续探索。
注:
- 大道至简,坚信复杂的理论背后,都有一个简单的道理。
- 5分钟原则,知识碎片化,一篇小文能讲清一个事儿就满足了。