前不久，據(jù)華爾街日?qǐng)?bào)報(bào)道， Uber在一宗無人車的測(cè)試過程中，造成了一名行人死亡的嚴(yán)重交通事故，除此之外，環(huán)顧我們身邊，蘋果手機(jī)的虛擬個(gè)人助理Siri有時(shí)會(huì)無法識(shí)別我們?cè)谡f什么；某些人臉識(shí)別支付應(yīng)用也存在著一些安全問題。這些事件反映出來的一個(gè)情況是，目前的AI似乎并沒有足夠的智能，甚至并無法很好地處理從外界獲取的信息。

人腦中的神經(jīng)網(wǎng)絡(luò)是一個(gè)非常復(fù)雜的組織，成人的大腦中約有1000億個(gè)神經(jīng)元，人類至今仍在探索人腦的工作原理。而人們通過對(duì)生物神經(jīng)元的研究和理解，構(gòu)建了一個(gè)模擬人腦的計(jì)算模型：人工神經(jīng)網(wǎng)絡(luò)！

那么，人工神經(jīng)網(wǎng)絡(luò)是什么？人類通過構(gòu)造神經(jīng)網(wǎng)絡(luò)，能否給AI賦能，使之自我進(jìn)化？

什么是神經(jīng)網(wǎng)絡(luò)？

簡(jiǎn)單來說，神經(jīng)網(wǎng)絡(luò)是一種模擬人腦的計(jì)算架構(gòu)；利用神經(jīng)網(wǎng)絡(luò)進(jìn)行機(jī)器學(xué)習(xí)，則讓計(jì)算機(jī)不再只是執(zhí)行命令的機(jī)器，而是具有了一定程度上分析判斷的能力。當(dāng)然，這個(gè)能力也離不開海量的數(shù)據(jù)和高超的計(jì)算能力。

一個(gè)經(jīng)典的神經(jīng)網(wǎng)絡(luò)一般包含三個(gè)層次：輸入層、隱藏層和輸出層。而這三個(gè)層分別模仿的是神經(jīng)元的樹突、軸突和軸突末梢。輸入層接收外部的輸入數(shù)據(jù)，比如圖片、文本、語音等，通過，隱層抽象數(shù)據(jù)的通用模式，進(jìn)而通過輸出層輸出模型的計(jì)算的結(jié)果。

歷史上，科學(xué)家還設(shè)計(jì)過多層的神經(jīng)網(wǎng)絡(luò)，每一層都會(huì)對(duì)前一層傳來的結(jié)果進(jìn)行再次加工，目的是模擬出一種“深思熟慮”的感覺，但最后發(fā)現(xiàn)結(jié)果準(zhǔn)確度并沒有提高，有的時(shí)候還會(huì)陷入誤區(qū)，就像人容易朝著一個(gè)思路越陷越深，最后鉆牛角尖了一樣。隨著技術(shù)進(jìn)步，讓這一問題得到改善。現(xiàn)在，最厲害的神經(jīng)網(wǎng)絡(luò)技術(shù)不但已經(jīng)非常接近人腦，還排除了很多人腦自身存在的低效的思維方式。

柯潔在與AlphaGo大戰(zhàn)后，在接受騰訊體育記者的采訪時(shí)表示，“我也不敢想象，它居然可以把棋下得那么強(qiáng)硬，撐得那么滿，好像好多塊棋扭在一起，那是人類擅長(zhǎng)發(fā)揮的地方了。跟它下棋會(huì)發(fā)現(xiàn)它處理得好像比我們?nèi)祟愡€好很多，其實(shí)那一刻是很絕望的。甚至是那些研發(fā)它的人也不知道是怎么做到這一點(diǎn)的，研發(fā)它的人是下不過它的，很多人甚至不懂棋，居然能創(chuàng)造出這么一個(gè)怪物。所以，我唯一能感受到的是它對(duì)形勢(shì)的樂觀和自信，而且是絕對(duì)的樂觀和自信，這一點(diǎn)人類是沒有的。再自信也不會(huì)像它那么自信，無論你驗(yàn)證多少次，它都是不可戰(zhàn)勝的。”

神經(jīng)網(wǎng)絡(luò)為何無法實(shí)現(xiàn)人類的推理并產(chǎn)生意識(shí)？

“機(jī)器人是否具有意識(shí)”一直是人們所爭(zhēng)論的焦點(diǎn)之一，而在這其中，人工神經(jīng)網(wǎng)絡(luò)的技術(shù)發(fā)展起著重要的作用。對(duì)當(dāng)前的人工神經(jīng)網(wǎng)絡(luò)而言，解決某些特定場(chǎng)景的問題，特別具有優(yōu)勢(shì)，但解決人們習(xí)以為常的問題卻非常困難。比如，MIT媒體實(shí)驗(yàn)室研究員joy buolamwini研究文章稱，人臉識(shí)別技術(shù)針對(duì)不同種族的準(zhǔn)確率差異巨大，其中針對(duì)黑人女性的錯(cuò)誤率高達(dá)35%！

中國(guó)工程院院士鄭南寧指出，人工智能研究的一個(gè)重要方向，是借鑒認(rèn)知科學(xué)、計(jì)算神經(jīng)科學(xué)的研究成果，使計(jì)算機(jī)通過直覺推理和經(jīng)驗(yàn)學(xué)習(xí)，將自身引導(dǎo)到更高的層次。然而，人腦對(duì)真實(shí)世界的理解、非完整信息的處理、復(fù)雜時(shí)空的任務(wù)處理能力是當(dāng)前機(jī)器學(xué)習(xí)無法比擬的，還有人的大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的可塑性，以及人腦在非認(rèn)知因素和認(rèn)知功能之間的相互作用，都是很難以形式化、公式化的描述。

神經(jīng)網(wǎng)絡(luò)是怎么應(yīng)用到各領(lǐng)域的？

神經(jīng)網(wǎng)絡(luò)雖然缺乏人類解決問題的強(qiáng)大理解能力，但卻可以通過海量的計(jì)算從大量的數(shù)據(jù)中找到一些通用的模式。因此它們作為輔助工具，已經(jīng)在各行各業(yè)，尤其是在多媒體領(lǐng)域體現(xiàn)了自身的價(jià)值。

手寫數(shù)字識(shí)別應(yīng)該是神經(jīng)網(wǎng)絡(luò)最早的商業(yè)應(yīng)用之一。大部分的人都可以輕松識(shí)別下圖中的手寫數(shù)字，但要設(shè)計(jì)一套計(jì)算機(jī)程序來識(shí)別這些數(shù)字，就會(huì)發(fā)現(xiàn)視覺模式識(shí)別的難度。而神經(jīng)網(wǎng)絡(luò)的思想是，利用大量的手寫數(shù)字，即訓(xùn)練樣本，從中自動(dòng)學(xué)習(xí)到識(shí)別各個(gè)數(shù)字的規(guī)則。而且隨著樣本數(shù)量的增加，神經(jīng)網(wǎng)絡(luò)可以學(xué)習(xí)到更多信息，從而可以進(jìn)一步提升準(zhǔn)確度。目前最好的商用神經(jīng)網(wǎng)絡(luò)已經(jīng)足夠好到能被銀行用來處理支票，以及被郵局用來識(shí)別地址。

MNIST手寫數(shù)字?jǐn)?shù)據(jù)集一覽

手寫數(shù)字或許有些過于簡(jiǎn)單，那么使用神經(jīng)網(wǎng)絡(luò)發(fā)現(xiàn)地外行星，就更能顯示它的能力了。谷歌和得克薩斯大學(xué)奧斯丁分校合作，利用上萬顆被標(biāo)記的恒星數(shù)據(jù)，訓(xùn)練了一個(gè)卷積神經(jīng)網(wǎng)絡(luò)，訓(xùn)練結(jié)果顯示，神經(jīng)網(wǎng)絡(luò)判別行星的準(zhǔn)確率高達(dá)96%。然后，研究人員讓這個(gè)神經(jīng)網(wǎng)絡(luò)處理2009年到2013年觀測(cè)到的670顆恒星的數(shù)據(jù)集，通過微小的特征變化，發(fā)現(xiàn)了兩個(gè)星系存在地外行星的可能性非常高。經(jīng)過研究人員的驗(yàn)證，確認(rèn)了這兩顆新的行星。

神經(jīng)網(wǎng)絡(luò)發(fā)現(xiàn)的開普勒-90星系與太陽系的對(duì)比

近日，美國(guó)FDA首次批準(zhǔn)了用于檢測(cè)糖尿病視網(wǎng)膜病變的人工智能產(chǎn)品：IDx-DR。這次FDA評(píng)估了來自10個(gè)初級(jí)衛(wèi)生保健點(diǎn)的900名糖尿病患者的視網(wǎng)膜臨床研究圖像數(shù)據(jù)，IDx-DR能夠正確識(shí)別輕度以上糖尿病性視網(wǎng)膜病變的準(zhǔn)確率為87.4%，而正確識(shí)別沒有輕度以上的糖尿病性視網(wǎng)膜病變的準(zhǔn)確率為89.5%。

在目前比較火熱的無人車領(lǐng)域，雖然各大廠商還在研究測(cè)試通用的解決方案，但在一些具體的案例上已經(jīng)有了一些成果。圖森未來使用自主研發(fā)的深度學(xué)習(xí)感知算法，能夠做到讓攝像頭像人眼一樣實(shí)時(shí)感知行車周邊環(huán)境，檢測(cè)和跟蹤視野中的各種物體，能夠?qū)梢晥?chǎng)景進(jìn)行像素級(jí)的解讀。憑借視覺高精度定位和多傳感器融合技術(shù)，能夠?qū)崿F(xiàn)高速公路上的無人駕駛，幫助貨運(yùn)企業(yè)降低成本，加快貨運(yùn)周轉(zhuǎn)。

總之，神經(jīng)網(wǎng)絡(luò)在不斷地影響著生活、醫(yī)療和出行，但科研界對(duì)它有更多理性的看法。伯克利大學(xué)機(jī)器學(xué)習(xí)專家Michael I. Jordan認(rèn)為，計(jì)算機(jī)科學(xué)仍然是最首要的學(xué)科，人工智能還無法取而代之，而神經(jīng)網(wǎng)絡(luò)只是該領(lǐng)域中仍在發(fā)展中的一個(gè)部份。

“現(xiàn)在要問神經(jīng)網(wǎng)絡(luò)會(huì)把我們帶多遠(yuǎn)還為時(shí)尚早。”最看好神經(jīng)網(wǎng)絡(luò)發(fā)展前景的專家題討論成員——OpenAI共同創(chuàng)辦人兼研究總監(jiān)Ilya Sutskever表示，“這些模型很難理解。例如，將機(jī)器視覺作為一種程序真的很不可思議，但現(xiàn)在我們對(duì)不可思議的問題都能提出不可思議的解決方案了。”

無論如何，我們目前正處理人工智能對(duì)社會(huì)的變革過程中，它們已經(jīng)從實(shí)驗(yàn)室過渡到了商業(yè)部署。無疑，廣泛的工業(yè)領(lǐng)域?qū)⑹艿烬嫶蟮臄?shù)據(jù)和數(shù)據(jù)分析功能的深遠(yuǎn)影響。盡管神經(jīng)網(wǎng)絡(luò)還無法實(shí)現(xiàn)基本的人類推理和理解力，但它們將是建構(gòu)人工智能漫漫長(zhǎng)路上所用到的重要工具之一。

雖然現(xiàn)在神經(jīng)網(wǎng)絡(luò)還無法產(chǎn)生意識(shí)，但隨著信息科學(xué)、認(rèn)知科學(xué)、神經(jīng)生物學(xué)、心理學(xué)等前沿學(xué)科和交叉學(xué)科的深度融合與不斷發(fā)展，人工智能將會(huì)迎來新的發(fā)展高潮。