正如神經(jīng)學(xué)家約瑟夫·勒杜克斯(JosephLeDoux)博士在“情緒化大腦”(1996)一書(shū)中所說(shuō)，人腦是“最復(fù)雜的機(jī)器，是可以想象的，也是不可想象的?！边@并不奇怪，因?yàn)榇竽X是由超過(guò)1000億個(gè)神經(jīng)元和大約1萬(wàn)億個(gè)神經(jīng)元連接而成的。

也許正是這個(gè)無(wú)限的可能性世界激發(fā)了ai人工智能領(lǐng)域的靈感，人工智能是計(jì)算機(jī)科學(xué)中關(guān)注模仿人類(lèi)智能行為的機(jī)器的一部分。自從1956年達(dá)特茅斯會(huì)議上少數(shù)科學(xué)家首次提出這個(gè)術(shù)語(yǔ)以來(lái)，人工智能已經(jīng)取得了一些劃時(shí)代的成就，比如第一個(gè)自主學(xué)習(xí)程序和第一個(gè)工業(yè)機(jī)器人。這些進(jìn)展是通過(guò)研究人類(lèi)大腦作出決定的方式，并根據(jù)研究結(jié)果開(kāi)發(fā)智能軟件和系統(tǒng)而取得的。

在稱(chēng)為AI的總括術(shù)語(yǔ)下有許多子集。一些子集，如機(jī)器學(xué)習(xí)和深度學(xué)習(xí)，比其他子集更接近于人腦的實(shí)際復(fù)雜性。正如您將在下面看到的，這兩個(gè)子集都側(cè)重于機(jī)器的學(xué)習(xí)能力，但具有不同程度的獨(dú)立性。

機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)是更接近人類(lèi)認(rèn)知的一步，它為計(jì)算機(jī)提供了無(wú)需明確編程就能學(xué)習(xí)的能力。為了做到這一點(diǎn)，計(jì)算機(jī)被賦予了一個(gè)客觀和性能的衡量標(biāo)準(zhǔn)，并且它使用數(shù)據(jù)和算法來(lái)訓(xùn)練自己如何越來(lái)越接近期望的結(jié)果，直到它成功為止。

雖然這是令人印象深刻的，但是人類(lèi)的大腦所做的遠(yuǎn)不止線性思考。它既考慮到經(jīng)驗(yàn)和背景，又不斷地適應(yīng)。對(duì)于這種復(fù)雜的非線性推理，通常采用一種稱(chēng)為“深度學(xué)習(xí)”的機(jī)器學(xué)習(xí)技術(shù)。機(jī)器學(xué)習(xí)模型通過(guò)輸入更多數(shù)據(jù)進(jìn)行自我學(xué)習(xí)，而深度學(xué)習(xí)模型則通過(guò)其計(jì)算“大腦”進(jìn)行獨(dú)立學(xué)習(xí)。

深度學(xué)習(xí)

深層學(xué)習(xí)的“大腦”更能模仿人腦，因?yàn)樗娜斯ど窠?jīng)網(wǎng)絡(luò)實(shí)際上是受到生物神經(jīng)網(wǎng)絡(luò)本身的啟發(fā)。傳統(tǒng)的機(jī)器學(xué)習(xí)使用兩層或三層的淺網(wǎng)絡(luò)，而深度學(xué)習(xí)使用三層以上的“深層”神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，這些復(fù)雜的神經(jīng)網(wǎng)絡(luò)更能對(duì)大量高維數(shù)據(jù)集之間的復(fù)雜聯(lián)系進(jìn)行分類(lèi).。

當(dāng)數(shù)據(jù)通過(guò)一層節(jié)點(diǎn)傳遞到另一層節(jié)點(diǎn)時(shí)，每一層都根據(jù)前一層的輸出對(duì)一組特定的特性進(jìn)行訓(xùn)練。神經(jīng)網(wǎng)絡(luò)越深入，處理的數(shù)據(jù)就越復(fù)雜。這一過(guò)程通常被稱(chēng)為“特征層次”，最好的例子是圖像識(shí)別等工具。

最重要的是，隨著時(shí)間的推移，系統(tǒng)獲得了更多的經(jīng)驗(yàn)，它學(xué)會(huì)了如何根據(jù)收到的新數(shù)據(jù)增加正確分類(lèi)的概率。我們看到這一趨勢(shì)在塑造我們?nèi)粘Ｉ畹母鱾€(gè)行業(yè)中無(wú)縫地滲透著，大多數(shù)時(shí)候，我們都沒(méi)有注意到這一點(diǎn)。像易趣和亞馬遜這樣的電子商務(wù)網(wǎng)站記錄了消費(fèi)者的整個(gè)旅程，因此我們每次訪問(wèn)都會(huì)得到更多吸引人的體驗(yàn)。醫(yī)療機(jī)構(gòu)現(xiàn)在使用深度學(xué)習(xí)框架結(jié)合以前的研究數(shù)據(jù)來(lái)發(fā)現(xiàn)疾病的早期跡象。任何地方的機(jī)場(chǎng)或安全停車(chē)場(chǎng)的安全攝像頭都有能力在發(fā)生可疑活動(dòng)時(shí)發(fā)現(xiàn)和跟蹤個(gè)人，這一切都?xì)w功于他們的深刻學(xué)習(xí)模式。

雖然所有這些進(jìn)步讓我們敬畏，但很難相信我們的大腦仍然比任何人工神經(jīng)網(wǎng)絡(luò)更先進(jìn)和復(fù)雜(到目前為止)，這并不意味著人工智能不會(huì)隨著時(shí)間的推移而繼續(xù)朝著這個(gè)方向發(fā)展。隨著每一個(gè)突破，更多的機(jī)會(huì)將出現(xiàn)，超出我們最瘋狂的想象。