江苏龙网

  1. 首页 > 人文 > >

|神经网络与人类思维间的深层关系


全文共3588字 ， 预计学习时长9分钟

|神经网络与人类思维间的深层关系
本文插图

图源：cio
人工智能席卷了世界 ， 所谓的“机器学习算法”已经渗透到现代技术各个可能的层面 ， 它已成为义务而不是创新 。 有些人可能会争论 ， 我们今天使用的机器学习算法是否足够自主到可以称为真正的AI ， 这个争论过于宽泛 ， 并不是本文的重点 。
在这篇文章中 ， 我试图探索神经网络与人类思维之间的深刻复杂性和深层关系 。
当你开始在谷歌上输入时 ， 浏览器怎么就已经猜到你在找什么呢？移动相机又如何在我们称为照片的微小像素海洋中识别人脸呢？像Alexa、Siri或Google Home这样的虚拟助理如何实现复杂的任务 ， 例如安排会议、获取天气信息、阅读睡前故事等呢？
所有这些问题的答案正是机器学习 ， 更具体地说 ， 是神经网络 。

|神经网络与人类思维间的深层关系
本文插图

什么是神经网络？
本节意在告诉完全不了解深度学习的人什么是基本的神经网络 。 虽然实际涉及的数学更复杂 ， 但这里的重点不是神经网络的工作方式 ， 而是试图理解他们与人类思维的联系 。

|神经网络与人类思维间的深层关系
本文插图

神经元
神经元是神经网络中最简单的单位 。 神经元所做的是从上一层中的所有神经元接收输入值（此案例中神经元y的上一层用蓝色表示 ， 如x1, x2 , x3等等） ， 并将每个输入值与来自输入值的神经元相关的权重相乘 。 所以这里x1与w1相乘 ， x2与w2相乘等以此类推 ， 所有这些乘法都是在神经元y内部增加的 。
y=x1.w1 + x2*w2 +x3*w3……xm.wm
然后使用激活函数如Sigmoid、tanH、ReLU等将该求和值转换为输出值 。 那么这些激活函数又是什么呢？下面举个sigmoid激活函数的例子 。

|神经网络与人类思维间的深层关系
本文插图

Sigmoid激活函数
Sigmoid激活函数将任何输入值（本案例中求和y即是Sigmoid函数的输入值）转换为0至1范围内的值 。 就这么简单 ， 添加输入值和各自的权重到激活函数中就好啦 。 你的神经元就会给你一个输出值 。
【|神经网络与人类思维间的深层关系】
|神经网络与人类思维间的深层关系
本文插图

简单的神经网络
这和神经网络一样简单 。 如你所见 ， 这里的每个灰色圆圈都是一个神经元 ， 这个神经网络有三层：输入层、隐藏层和输出层 。
现在 ， 神经网络学会了自行处理任务 ， 但它们是如何学习的呢？当然是通过数据 。 我们将在下一节中讨论更多关于从数据中学习的内容 ， 但我们现在知道了 ， 数据通过输入层输入到神经网络 ， 在中间层进行处理 ， 然后由输出层输出 。

|神经网络与人类思维间的深层关系
本文插图

将图像分类为猫和狗的神经网络
例如 ， 如果你想让一个神经网络从图像中识别猫和狗 ， 那么猫和狗的标签图像（标签图像意味着我们给神经网络一个正确的答案）就会输入到神经网络 ， 进行处理 ， 神经层猜测它是猫还是狗 。 现在 ， 由于它有了图像答案 ， 便以这种方式调整不同神经元之间的权重 ， 来提高准确度 。

|神经网络与人类思维间的深层关系
本文插图

人类思维——一个巨型神经网络
你有没有观察过蹒跚学步的孩子玩耍？他们总是如此好奇 ， 渴望与周围的世界互动 。 幼儿的大脑就像简单而未经训练的神经网络 ， 他们一出生就开始学习 。 由于神经网络在早期阶段非常简单 ， 所以幼儿最早学的都是完成非常基本的任务 ， 如行动、吃饭和爬行等等 。
当一个初学走路的孩子拿着一个球时 ， 他会观察它的重量、形状、握着它的感觉与皮肤周围的变化等 。 这一观察是他最初的部分学习过程 ， 事实上也是在帮助他学习 。 幼儿玩球训练了他的大脑 ， 为下次的活动做好准备 。

|神经网络与人类思维间的深层关系
本文插图

图源：unsplash
现在 ， 当他看到一个球 ， 他就记得它是什么 ， 拿着球和丢球的感觉如何 。 当孩子玩球次数越来越多 ， 训练就形成了 。 青少年几乎是玩耍和投掷球的专家 ， 尽管人们可能会认为投球是一项非常简单的任务 ， 但你为之所经历的学习 ， 无论如何都不是捷径 。
正如前文所述 ， 孩子的大脑就像一个简单的神经网络 ， 实现基本的任务 ， 如走路、吃饭、说话等 。 随着孩子的成长 ， 他学会了更复杂的过程 ， 如手和眼睛协调 ， 说话流利 ， 吃饭不洒等 。
有训练神经网络经验的人认为 ， 训练一个简单的网络相对容易 ， 但随着增加更多神经层 ， 让数据和终端输出更加复杂 ， 学习速度就会减慢 。 童年是学习一项新技能的最佳时机 ， 因为与成年人相比 ， 他们的神经网络更简单 ， 大脑没有受过训练 ， 因此更容易将神经元弯曲到你的意愿上 。
当孩子长大后 ， 随着任务变得复杂 ， 学习也变得困难 。 例如 ， 解决棘手的问题、做出决策和判断就是复杂任务 ， 即便我们成年人也没有停止学习和发展 。 大脑一直在学习 ， 那么这种学习到底是如何发生的呢？
答案是——大脑重塑自己 。 就像神经网络中神经元之间的权重和连接发生变化一样 ， 大脑也改变了数十亿神经元的连接 ， 为了让复杂的神经网络不仅保留之前接受的训练 ， 还能在此基础上再接再厉 ， 提升最终过程的复杂性 。
正如你在阅读这篇文章的时候 ， 你大脑中的每个神经元都在改变自己 ， 改变它与数十亿其他神经元的联系 ， 在你自出生以来获得的经验的基础上增加经验 。 这就是学习的方式 。 每次你在学习 ， 大脑都会重塑自己 ， 这个过程就像训练神经网络一样 。

|神经网络与人类思维间的深层关系
本文插图

数据就是一切
如今对科技巨头来说 ， 没有什么比基于消费者的数据更重要 。 原因在于数据驱动“机器学习算法” 。 数据训练神经网络 ， 没有数据就不可能学习 。 你一定遇到过下面这种验证码：
|神经网络与人类思维间的深层关系
本文插图
图源：unsplash
答对这个验证码可能对你来说小菜一碟 ， 但让一个孩子来做 ， 他可能答对但速度很慢 。 事实上 ， 每次你在网络上回答这样的验证码 ， 都可以帮助训练机器人或神经网络 。 你实际上是在帮助准备数据 ， 训练真正为你服务的模型 。 可以说 ， 你已经训练了大量重要的模型 。
就像我们为人为制造的模型准备的数据是最重要的一样 ， 人类的头脑也是一个贪婪的网络 ， 在你生活的每个瞬间获取大量的数据 。 数据在建设你 ， 帮助你学习 ， 把你变成智能机器 。 这就带我们进入了人类大脑学习周围数据的最终层面 ， 即输入层或者五官感觉 。

|神经网络与人类思维间的深层关系
本文插图

五种感官

|神经网络与人类思维间的深层关系
本文插图

神经网络有一个输入层 ， 数据通过它理解和处理的模型形式进入网中 。 然后数据传递到隐藏层进行训练 ， 权重发生变化 ， 最后输出层给出了一个预测 ， 无论区分出它是猫还是狗 ， 还是根据学过的单词完成一个句子 。
由于我们把人类思维比作一个巨大的神经网络 ， 只有当这个网络也有一个输入层时 ， 它才是清楚的 。 视觉、听觉、触觉、味觉和嗅觉五种感官构成了输入层到大脑中 。
视觉是所有五种感觉中最重要的 ， 因为最大的数据变化就来自于这种感觉 。 训练神经网络最好的数据集合要包含不同类型的数据和示例 ， 而不止是一种数据 。 只有一种数据会导致模型过度拟合 ， 这意味着当数据源于经受训练过的同类 ， 可能会给出正确的结果 ， 但是当数据偏离训练数据规范时 ， 精确度便受到威胁 。
生活中大多数重要的学习过程中 ， 眼睛是最活跃的 。 从走路到吃饭 ， 从学习骑自行车到弹钢琴 ， 从与他人互动到电脑上打字 ， 几乎每一项任务都需要我们的眼睛 。
听觉也很重要 ， 这在以前更为明显 ， 那时人类不得不在荒野中寻找食物 ， 耳朵都集中在猎物发出的声音上 ， 他们的生存取决于这种感官 。
触觉也是人类最珍贵的感官之一 。 它使我们的手远离烫炉 ， 防止把沸腾的牛奶喂给婴儿 ， 让人类接触想要触碰的对象 。
虽然嗅觉和味觉对人类神经网络的主要学习贡献不大 ， 但它们有自身价值 。 这些感官有利于在生活成长和学习过程中探索趣味 。 闻到鲜花的芳香 ， 品尝美酒的醇厚 ， 以及感受美好的生活 ， 都是通过嗅觉和味觉来实现的 。
现在 ， 我们已经了解了输入层、数据和发生所有处理过程的神经网络 。 再举个例子 ， 把所有的拼图块放在一起 ， 看看更大的画面 ， 即模式识别 。

|神经网络与人类思维间的深层关系
本文插图

模式识别

|神经网络与人类思维间的深层关系
本文插图

以学习阅读为例 。 眼睛是这里最重要的感官 。 孩子们学会阅读要先学习字母 ， 反复看字母 ， 尝试发音并写出来 。 每次读、说、写都在训练头脑 ， 提高准确性 ， 直到写出完整的字母表 。
在神经网络受到相对简单的训练后 ， 孩子会把单词串在一起 ， 现在听觉起主要的作用 。 当他提到这些作品时 ， 就在这些单词中开启识别模式 ， 26个字母如何不同组合成大量的单词 ， 形成英语 。
这种模式识别非常重要 ， 可帮助孩子识别人脸、动物或玩具 。 成年人的模式识别变得非常强大 ， 他们接受了大量训练 ， 处理海量数据帮助他们识别周围的模式 。 根据经验预测是否会下雨 ， 根据记忆和经验预测事件结果都是模式识别 。 福尔摩斯发现商队里的莫里亚蒂教授 ， 是因为他的袖子上有粉笔灰尘 ， 这也是模式识别 。

|神经网络与人类思维间的深层关系
本文插图

笔者虽然先解释了神经网络如何工作 ， 然后将人类的思维与它们进行了比较 ， 但实际上是相反的 。 人类思维激发了神经网络 。 不然为什么你认为这些微小的功能被称为神经元 。
人类思维是一个及其复杂的结构 ， 它产生了这个世界上的每一个思想、行动、记忆、感觉和经验 。 进化给了人类一个强大的工具 ， 我们今天尝试把它复制到人工思维中 ， 这样类似奇迹的技术 ， 我们称之为神经网络 。
|神经网络与人类思维间的深层关系
本文插图

留言点赞关注
我们一起分享AI学习与发展的干货
如转载 ， 请后台留言 ， 遵守转载规范


    推荐阅读


    上一篇：巴塞罗那|广西防城港一超市冻库地板样本核酸检测呈阳性 当地开展溯源调查

    下一篇：|我们的战士罕见后退，发出口令的他这样说……