浅谈人工智能中神经网络的运作点

谈及人工智能，就会涉及到人工神经网络。人工神经网络是现代人工智能的重要分支，它是一个为人工智能提供动力，可以模仿动物神经网络行为特征，进行分布式并行信息处理的系统。

有人认为神经网络的核心是微积分，但实际上这种计算系统源于生物学，是人类的大脑启发了创造这些系统的科学家。

神经网络复杂的原理和难以解释的性质让很多人望而却步，所以现在让我们以初学者的身份重新认识一下人工神经网络。

什么是人工神经系统？

人工神经系统是一种计算系统，由高度互联的处理元素组成。互联性是神经网络的核心，它帮助系统的动态运行，但系统动态的特性增加了这些机器的理解难度。

参与设计原始网络的科学家受到了大自然的启发，人类的大脑给他们带来了灵感。我们的大脑有数十亿（至少）神经元，这些神经元与我们体内的每一个细胞相连接。这些神经元之间以动态的方式相互通信，从而使我们的身体正常运作。

相比人类大脑，人工神经网络运行环境简单很多。与人脑数十亿的神经元相比，人工神经网络的一个系统只包含数千或数万个连接，处理能力远远低于人脑。

神经网络运作关键点：学习规则

神经网络有各种层次和连接层，每一层都有一个接收信息的输入层和共享信息的输出层，还有一个隐藏层处理中间的所有信息。

输入节点从其他地方接收信息，然后用隐藏层的连接来处理、解码以及重新组装信息。信息不止发送到最近的节点上，研发人员可以对节点加权以将可识别的数据发送到正确的位置。

举一个例子：

比如你走在街上看到一条金毛犬，那么你是如何识别出它是一条金毛犬呢？是因为你进行了逻辑分析。首先给您的数据显示出它有四条腿，然后是一个毛茸茸的身体和尾巴，并且带有天使微笑的面孔跟你知道的金毛一致。此外，之前的记忆告诉你“金毛犬”这个词，你脑中会有这个词的概念，然后所有的这些细节在你的大脑里进行逻辑处理，最后得到结论。

人工神经网络的工作原理就跟这样的逻辑处理相似。它们接收到信息，例如“四条腿”，并依靠给出的信息来建立所谓的“学习规则”。

就像你被教导带有幸福微笑的大黄狗就是金毛犬一样，网络也是如此。神经网络的学习取决于它所从事的学习类型。

人工神经网络与普通计算机有什么不同？

你也许会认为人工神经网络的处理过程应该跟传统计算机的工作方式相似，但事实上却相差很多。

传统的计算机有一个中央处理器，它从机器的其他部分和内存中读取给它的指令。传统计算机就像一头训练有素的猴子，如果你提供给它的信息是未知的，它就会识别不出来甚至出现bug。

人工神经网络没有中央处理器，它可以使用数百种方法从其他处理器中收集信息。这种网络结构没有规律可循，它们会对任何信息作出反应。

传统的计算机只有一个处理器，它需要遵循指令。如果你的电脑看到一条金毛猎犬，那么它只会认得它是一条犬，因为你的电脑从未了解过犬的世界，系统显示它就是一条狗。

然而，神经网络就不需要担心这些。它通过一个输入节点接收分支数，毛茸茸的面孔由另一个节点处理，输出的结果就自然是金毛猎犬。

因此，与传统计算机相比，神经网络的工作方式更接近于人类的大脑。它不能算作是一个完美的复制品，但其发挥的作用却显而易见。

如何使用人工神经网络

人工神经网络可以看成是一个“推理神器”，它可以使用规定好的学习规则来推理接收到的数据。它可以用于那种精确性小的逻辑推理上。

工程师们使用这些网络去挖掘信息模式。当数据量太大，人类无法看到联系时，就要用到神经网络。例如，医院的研究人员需要对所有的关于化疗的文章进行分类，他们便可以使用人工神经网络找到关于化疗的内外联系，然后整个流程就简化了很多。

神经网络帮助我们学习

虽然，目前的人工神经网络不能从现有的数据中创造新的答案，但它可以学习人类寻找答案的方式去处理数据。它的存在更加推动了人工智能、机器学习以及超级计算的发展。