“機器人是否具有意識”這個問題一直是人們所爭論的焦點之一，而在這其中，人工神經(jīng)網(wǎng)絡(luò)擔(dān)當(dāng)著不小的責(zé)任。

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

說到“意識”的問題，人類之所以有意識，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“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)，常常簡稱為神經(jīng)網(wǎng)絡(luò)，是以計算機網(wǎng)絡(luò)系統(tǒng)模擬生物神經(jīng)系統(tǒng)的智能計算系統(tǒng)，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(jié)構(gòu)和功能而建立的一種信息處理系統(tǒng)。

人工神經(jīng)網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過調(diào)整內(nèi)部大量節(jié)點之間相互連接的關(guān)系，從而達(dá)到處理信息的目的，其中，這些節(jié)點就相當(dāng)于生物大腦中的“神經(jīng)元”。在生物大腦中，　一個神經(jīng)元通常具有多個樹突、一個軸突，樹突主要用來接受傳入信息，而在軸突尾端的許多軸突末梢則跟其他神經(jīng)元的樹突產(chǎn)生連接，從而傳遞信號。這個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(jié)構(gòu)包括輸入層、隱藏層和輸出層，類比生物神經(jīng)元，我們可以將輸入層比作樹突，而輸出層比作神經(jīng)元的軸突，而主要負(fù)責(zé)計算的隱藏層則可以比作細(xì)胞核。

在工作時，從本質(zhì)上說，我們需要向人工神經(jīng)網(wǎng)絡(luò)提出大量的問題，并提供給它們答案，從而訓(xùn)練它們將問題與答案對接起來。這種方法叫做有監(jiān)督學(xué)習(xí)，也是目前人工神經(jīng)網(wǎng)絡(luò)的主流學(xué)習(xí)方式，而該過程我們則稱之為反向傳播（backpropagation）。借助于足夠多的「問題－答案」案例，儲存在每個節(jié)點中的計算和權(quán)值就能慢慢進(jìn)行調(diào)整。

人工神經(jīng)網(wǎng)絡(luò)的分類及特點

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：單層神經(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(xí)；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(yīng)諧振理論等。

不過，不管按照那個指標(biāo)進(jìn)行劃分，從當(dāng)前人工智能的發(fā)展情況來看，深度學(xué)習(xí)當(dāng)屬“龍頭老大”，畢竟現(xiàn)在只要做個人工智能產(chǎn)品，動不動的就要運用深度學(xué)習(xí)算法對系統(tǒng)進(jìn)行訓(xùn)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(gòu)，深度學(xué)習(xí)有三大類，分別是：

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

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(jié)構(gòu)可以有效地降低反饋神經(jīng)網(wǎng)絡(luò)的復(fù)雜性，比如在模式分類領(lǐng)域，其避免了對圖像的復(fù)雜前期預(yù)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(xí)。例如圖像識別，只要先把許多不同的圖像樣板和對應(yīng)的結(jié)果輸入人工神經(jīng)網(wǎng)絡(luò)，其就會通過自主學(xué)習(xí)功能，慢慢學(xué)會識別類似的圖像。

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)就可以實現(xiàn)這種聯(lián)想。

第三，可高速尋找優(yōu)化解。尋找一個復(fù)雜問題的優(yōu)化解，人工往往需要很大的計算量，而利用一個針對某問題所設(shè)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)無處不在

作為一個人工智能產(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(tuán)隊、韓國浦項工科大學(xué)研究團(tuán)隊等小型團(tuán)體。不過，總體來看，相比于國外的熱火朝天，國內(nèi)對于人工神經(jīng)網(wǎng)絡(luò)的研究還是有點落后的。

借助于人工神經(jīng)網(wǎng)絡(luò)，作曲、寫作、下棋、開飛機、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、語音識別技術(shù)也是手到擒來，更是由此開拓了智能家居、智能醫(yī)療、智能出行等多個新興行業(yè)。不過，就目前來講，代表了人工網(wǎng)絡(luò)神經(jīng)最佳成績的還屬IBM的AI系統(tǒng)Watson，不僅是在知識上打敗人類、為企業(yè)問題尋找最優(yōu)解決方案，Watson還將自己的觸角伸到了聊天機器人、智能醫(yī)療等多個領(lǐng)域，從各方面展現(xiàn)了人工神經(jīng)網(wǎng)絡(luò)的強大。

結(jié)語

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

此前，在The Big Talk的現(xiàn)場，來自康奈爾大學(xué)的Hod Lipson教授舉了一個例子：他們設(shè)計了一個深度學(xué)習(xí)網(wǎng)絡(luò)，輸入大量的圖片來訓(xùn)練這個深度網(wǎng)絡(luò)準(zhǔn)確識別狗和貓。令人驚訝的是，除了狗和貓，他們發(fā)現(xiàn)其中一個神經(jīng)元竟然開始追蹤人臉了，而這是當(dāng)初程序中所沒有設(shè)定的。由此，我們或許可以猜測，在經(jīng)過歷代變革后的未來，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！