人工神经网络-解密人工智能

自20世纪80年代人工智能理念被提出后，人类对于人工神经网络的研究热情空前高涨。通过对人脑神经元网络的抽象化模拟，研发人员利用各类物理元件组成了一套新的网络模型。这样一套通过特殊设计之后能够进行数据处理的网络模型，在学术界就被称为“人工神经网络”或者“类神经网络”。通常而言，人工神经网络的诞生和生物学以及高等数学有着密不可分的关联，而要正确认识它的基本原理，就应该从这两个方面入手。

首先从生物角度方面来说。正常状况下，人的行为举止都是由大脑掌控的，在感知到外来元素的刺激之后，感觉器官会将这些信息通过输入神经将信息传递给大脑，再由大脑做出反应命令，通过输出神经递送出去，相关肢体动作也就产生了。可以看到，人脑处理事务的过程是一个“机械化”的流程，而人工神经网络模型也正是依据这个蓝本设定出来的。在人工神经网络当中，计算机中枢处理装置对应的是“人脑”；各类突触装置代替的是感觉和执行器官；神经元和数据传输系统则与人脑的输入输出神经类似。当然，仅仅这样还是远远不够的，设计者还需要为这些神经元设定特殊的输出函数，通过这个函数的加权限制，来保证数据的正确传递。完成以上设定之后，假如一个由人工神经网络控制的机械臂，它在试图抓取物体时，会经过突触装置感受这件货物的规格型号，然后将这些信息传递给神经元。这些神经元经过运算的方式，将信息以既定方式传导，最后报告给终极处理器。

其次，从数学角度来说。人工神经网络在函数映射的掌控下，能够顺利地模拟出人脑信号传递过程，这一点可以通过图解的方式来阐明。

图3-1

图3-2

如图3-1所示，从X到f，实际上就代表着一次数据的接收和传递。在这一过程当中，所有的X都代表输入向量的各个分量，它们的集合用X1到Xm表示。W则代表权值参数，由它们调控各个向量的阈值。也就是说，由于权值参数的不同，等值向量最后映射出来的结果会产生变化。符号Σ表示所有向量经过权值限定之后的求和，它需要在传递函数f的限定下，完成下一次数据传输。(www.xing528.com)

以机械臂抓举货物为例，货物的重量、尺寸、材质等就等同于图3-1之中的“X”，它们需要经过不同的权值参数“W”修正，转化为电脑可以识别的信息数据，这就是“Σ”，最后在传递函数“f”的调控下，换算成一个新的向量。而这一个新的向量数据，又会在下一个权值参数的规范下，进入另一个信息数据集合“Σ1”，如此往复，直到机械臂核心控制器读取、识别这件货物的有用信息为止。

实际上，从“X”到“f”，只是庞大人工神经网络当中很小的一个组成部分。正如图3-2所示，多个数据输入在不同权值的调整之下，形成一个新的求和量，然后再由传递函数计算出结果，进行下一步传递。刚刚去世不久的著名人工智能研究专家马文·明斯基教授就说过：“人工神经网络就跟真的人脑神经群一样，是由无数个人造节点传导信息的。由于函数权值的限定，每一个人造神经元都会读取、识别大量的信息，并且将其中有用的数据转化成新的信号，再进行下一步传递。这样难以计数的输入输出，保证了信息在人工神经网络当中的递送，也确保了人工智能体的正常运转。”

与此同时，为了确保数据能够正常传输，科学家还为人工神经网络引入了“偏置”这一概念。与人工神经网络模型类似，“偏置”同样是受生物神经网络启发而诞生的产物。生物学领域认为，在没有得到足够生物电脉冲激之时，神经元是处于一种类似休眠状态的，信息的传递也会因此受阻。所以，只有生物电超出相关神经元的休眠阈值，生物电脉冲激活休眠神经元系统，信息才能进行传导。在这里，“偏置”的引入，就是为了补正对应神经元的阈值，使得传导信号有效传递而产生的。在这里，我们可以将“偏置”看作整个神经网络链条上的钥匙，它的存在可以激活受抑神经元，确保相关信息的顺利传递。

总体而言，人工神经网络是现代科学的产物，它的发现在很大程度上与生物科学、高等数学以及计算机应用科学密不可分。事实证明，以高等数学为工具、现代生物科学为理论基础的人工神经网络，为人类生活的方方面面都带来了极大的提升。当然，这一门学科的开发和应用，同样和计算机应用科学有着密不可分的关联。正是由于计算机科学强有力的技术支撑，才使得人工神经网络模型顺利建成。从理论上来说，人工神经网络模型的拟定，与生物脑体工作机制是一致的。只不过，生物体的触觉器官被智能突触代替、生物神经元等传输系统被人造神经节点代替、大脑核心被高级电脑代替罢了。