版權歸原作者所有，如有侵權，請聯係我們(men)

審核專(zhuan) 家：徐潤生

加利福尼亞(ya) 大學人工智能博士

談到人工智能，電影《黑客帝國》中開創的科幻場麵一度轟動世界、引領潮流。基於(yu) 美國一位哲學家“缸中之腦”的假想，電影描述了這樣的背景：自以為(wei) 生活在20世紀末、21世紀初的人類實際上是數百年後被機器“養(yang) 育”在“搖籃”中的生物能源提供者,但被“囚禁”在“搖籃”之中的人類卻在人工智能“Matrix”創造的世界中“重獲自由”。

這讓我們(men) 不由得再次思考這樣一個(ge) 問題：如果你的大腦被機器控製，像原來一樣給你傳(chuan) 遞各種神經電信號並給予反饋，你能發現嗎？

來源丨網絡

人腦的神經行為(wei) 模式

人的神經係統包括兩(liang) 部分：中樞神經係統和周圍神經係統。大腦是前者中最大也是最複雜的結構，還是神經係統的最高級部分。所以在各類科幻作品中，大腦都是最關(guan) 鍵的元素。例如劉慈欣的《三體(ti) 》：為(wei) 了打入三體(ti) 人內(nei) 部，同時最大限度減小負載質量，最終人類決(jue) 定隻把大腦送入太空。

神經元是神經係統最基本的結構功能單位，了解人腦，必定要了解神經元。下麵我們(men) 著重介紹神經元及其工作原理。

神經元是神經行為(wei) 的最核心元素。我們(men) 的腦中有超過100億(yi) 個(ge) 神經元。研究發現，大腦灰質（由神經元細胞體(ti) 組成）體(ti) 積與(yu) 智力之間有顯著正相關(guan) 關(guan) 係，因此在人們(men) 通常的認知裏，神經元越多，人越聰明。

來源丨搜狐新聞

神經元由兩(liang) 部分組成：細胞體(ti) 和突起。長短不一的突起承載了不同的功能，樹突較短用來接收信號，軸突較長用於(yu) 傳(chuan) 遞信號。換個(ge) 形象的說法：樹突就好像是神經元的一扇扇門，而軸突則是敲門的手。當神經元聽到敲門聲，打開門就得到了行動的信號，如果神經元需要給別人傳(chuan) 遞信息則去敲其他人的門。每個(ge) 神經元都有很多扇門和很多隻手，也就是說每個(ge) 神經元都與(yu) 很多神經元相連接。稍微想想，你就會(hui) 發現神經元網絡是多麽(me) 龐大了。

就像我們(men) 聊天時喜歡秒回的朋友，神經元在傳(chuan) 遞信號時也會(hui) 喜歡那些反應敏捷的同伴。動作遲緩的神經元會(hui) 逐漸被拋棄，使得神經元網絡更加敏捷精煉。（或許這就是大家認為(wei) 大腦會(hui) 越用越聰明的緣故吧。）

來源丨網絡

人工智能的原理

了解了人類大腦對信息的處理和傳(chuan) 遞，我們(men) 再來看看人工智能的發展曆程。

人工智能的發展可謂一波三折，上世紀50到80年代是符號主義(yi) 時代，人們(men) 試圖通過分析人腦處理問題的方式將邏輯推理能力賦予計算機係統，最終並不成功；此後的20年專(zhuan) 家係統成為(wei) 主流，人們(men) 嚐試總結人類的星空体育官网入口网站並教授給計算機係統，但同樣遭遇滑鐵盧；21世紀以來，數據的重要性逐漸被察覺，從(cong) 數據中挖掘信息成了潮流，基於(yu) 大數據的深度學習(xi) 在語音、圖像領域獲得巨大成功。我們(men) 現在熟知的語音轉文字、自動翻譯就是這一階段最初的重大成果。

來源丨百度圖片

作為(wei) 當前人工智能的核心，我們(men) 有必要了解一些深度學習(xi) 的基本內(nei) 容。

深度學習(xi) 模型的前身是神經網絡，也在一定程度上表明前者對大腦神經元網絡的模仿。

為(wei) 了更形象地說明這一點，我們(men) 采用最簡單的線性回歸模型來進行分析。舉(ju) 個(ge) 例子，當我們(men) 要判斷或者說預測某套房子的價(jia) 格時，我們(men) 會(hui) 想到很多與(yu) 此相關(guan) 的因素，這裏選擇其中兩(liang) 個(ge) 主要因素：麵積和房齡。用X1表示房屋的麵積（平方米），X2表示房齡（年），用y表示房屋價(jia) 格（元）。線性表明以下式子成立：

其中a1、a2稱為(wei) 權重，權重決(jue) 定了每個(ge) 特征（麵積、房齡）對預測值y的影響。假設我們(men) 現在有很多已知的房價(jia) 和相應的房齡及麵積數據，我們(men) 就可以通過各種方法（如最小二乘法等）求出參數a1,a2和b的一組值。

有了這組值，我們(men) 就可以預測其他房子的價(jia) 格。在這一預測過程中，輸入是房子的麵積和房齡，輸出是預測的價(jia) 格。

我們(men) 可以與(yu) 神經元的結構進行類比，將X1和X2看作是神經元細胞體(ti) 的兩(liang) 個(ge) 樹突，神經元接收到這兩(liang) 條信息後進行處理（根據a1、a2計算y的值），得出結果後通過軸突進行傳(chuan) 遞。一個(ge) 神經元就可以囊括一個(ge) 輸入層和一個(ge) 輸出層。

人腦中複雜的神經網絡支撐著我們(men) 進行各種各樣的活動，多層神經網絡以及其他各式各樣的神經網絡能夠幫助我們(men) 解決(jue) 預測、圖形識別等很多問題。

來源丨百度圖片

下麵再介紹一個(ge) 通過人工智能發現規律的案例。

人腦存儲(chu) 的星空体育官网入口网站有限，分析數據和利用數據的能力同樣有限，而越來越先進的硬件設備保障了海量數據的存儲(chu) 分析，更能從(cong) 中發現隱藏的規律。例如美國一家機構在分析了超市商品的購買(mai) 數據後發現，啤酒和嬰兒(er) 的紙尿褲常常一起賣出，分析調查後發現這是爸爸們(men) 周末出門采購的常用搭配。於(yu) 是這家超市將啤酒和紙尿褲放在一塊兒(er) 售賣，方便了爸爸們(men) ，也增加了銷量。

這隻是人工智能分析數據的冰山一角，它可以幫助我們(men) 發現很多隱藏在數據中的聯係，通過分析理解就可以從(cong) 中受益。

人的哪些行為(wei) 是人工智能不能模擬的？隨著人工智能技術的蓬勃發展，曾經電影中超前的科幻想象似乎在一步一步走入現實。關(guan) 於(yu) 人腦和人工智能的對峙也越發明顯，特別是我們(men) 熟知的遊戲領域：深藍（象棋AI）、AlphaGo（圍棋AI）都在與(yu) 人類的比試中取得矚目成就。

我們(men) 不由自問，哪些方麵是人類占優(you) 的呢？

基於(yu) 大數據的人工智能，讓我們(men) 越了解人工智能，就越認可對人類行為(wei) 的數字化。可以試想，如果有一台機器記錄了所有的個(ge) 人信息和社會(hui) 數據，那麽(me) 人和機器會(hui) 有差別嗎？

來源丨《黑客帝國》電影截圖這一點目前很難給出確定的答案。特別是當前的硬件條件無法支撐如此龐大的數據量，未來的事就更難以預測了。

“人工智能無法替代人類”的觀點之一是人工智能的邊界性。設定好了範圍，程序就隻會(hui) 在固定範圍內(nei) 運行，而無法跳出這個(ge) 框架。

但平心而論，我們(men) 人類自己沒有邊界嗎？曾經的人類相信天圓地方，今天的人類在未來看也可能是坐井觀天。真理總是在一定限度範圍內(nei) 的，超出了這個(ge) 限度，可能會(hui) 得到其他的結論。

“人工智能無法替代人類”的另一大障礙是人的情感領域。人工智能的核心是運算，而一切基於(yu) 想象、聯想、猜測、創新等方麵的東(dong) 西，在可以預見的未來中人工智能還是很難比擬人類。

來源丨百度圖片

人腦中有上百億(yi) 的神經元，而人工智能的複雜度遠不及此，因此它的運算總是有限度的，它的功能也總有邊界。AI可能永遠搞不清楚為(wei) 什麽(me) 人類會(hui) 把兩(liang) 個(ge) 風馬牛不相及的東(dong) 西聯係在一起，它也不知道在強烈的感情衝(chong) 擊下，人類會(hui) 做出超越本身常規和極限的事情。

就目前來看，創造者和被創造者之間的界限還是非常分明的。或許正因如此，我們(men) 將會(hui) 迎來人機交互，人腦與(yu) 人工智能聯合的“智能時代”。

歡迎掃碼關(guan) 注深圳科普！

我們(men) 將定期推出

公益、免費、優(you) 惠的科普活動和科普好物！