人工智能：人工神经网络的优势特点

一般而言，人工神经网络是能完好地模拟出生物脑工作机制的。与简单的科学模型不同，人工神经网络同时具备了多个强大优势。著名人工智能研究专家乔福瑞·辛顿就曾赞美说：“人类大脑皮层有超过100亿个神经元，它们的功能和特性千变万化。而现代科学通过技术手段模拟出了相似的运行系统，这非常有趣，也是人类史上一个伟大的成就。”那么，被辛顿博士称赞为“伟大成就”的人工神经网络，到底在哪些方面具备强大优势呢？

（1）在运算和展示方面，人工神经网络可以最大限度地接近非线性函数，这使得复杂运算和多元化指令有了技术性保障。

从数学方面来说，线性函数，即一次曲线，常用的表现公式为“y=ax+b”，其中y与x分别被称为变量和自变量，a和b均为常数。在图像呈现方面，线性函数展示为一条直线，而非线性函数则为二次及以上曲线。比如“y=ax2+bx+c”或者“y=ax3+bx2+cx+d”，如此等等，函数图像展示呈非直线形态。

很显然，线性函数的波动规律是由自变量和变量之间简单应对关系映射成像的。在时间和空间上，线性函数表现出光滑的规则性变化，而非线性函数的图像波动，则由于自变量的指数问题，呈现出一种不规则的运动和突变。相对而言，非线性函数更能够表现出自然界的复杂性与客观性。在这一点上，明斯基教授说：“客观世界的变化都是遵循一定规律的，但大多数变化都是非线性的不规则运动。在程序设定上，工程师通过高等函数定义，使得人工神经网络能够适应非线性函数的波动规律。”

（2）就信息分布而言，人工神经网络内的数据信息和变量，都是处于均匀分布状态，故而拥有强大的容错性能和鲁棒性。

在这一方面，辛顿教授的解释就非常有趣了。他举例说道：“有一个非常有趣的游戏想必大家都知道，那就是参与者要将自己的脚和相邻同伴捆绑在一起，然后大家按照一致的步伐快速冲向终点。我们知道，在这样一个捆绑式的队伍当中，如果有一个人迈错了步子，那么整个队伍都会受到影响。但是如果我们扩大这支队伍的人数，比如从之前的10人捆绑增加到20人捆绑，你就会发现，单纯某一个人的错误对于团队的影响就变小了。再假定‘一个人迈错步子’的前提不变，我们把队伍增加到100人，那么这个犯错的人对于整体的负面影响，几乎就可以忽略不计了。同样的概念转化到人工神经网络上来，由于庞大的神经元基数，以及数据存储的均匀性，任意单个人工神经元的故障问题，都不会从根本上破坏整个神经网络，这就保证了整个科学模型的鲁棒性与容错率。”

辛顿教授的比喻很好地阐释了人工神经网络在鲁棒性能方面强大的优势，事实上也确实如此：神经网络当中存储的数据信息，都是均匀分布在基数庞大的神经元中的，这种均等性法则降低了单一神经元的重要性，也从很大程度上降低了人工神经网络“歇菜”的风险。

（3）在数据运算方面，人工神经网络采用的是并行分布处理方法，这让整个神经网络在数据运算的快速处理方面得到了技术性保障。(www.xing528.com)

从理论角度来说，计算机的数据处理方式主要分为两大类：一类是并行式计算，另一类则是分步式计算，而并行式计算又被区分为“时间并行”和“空间并行”。关于这些计算方式之间的差异，简单说来就是时间并行式计算是一种流水线技术，比如生产一件真空包装的牛肉，它的工序为“清洗—消毒—切割—包装”。如果不采用流水线技术，那么就需要第一件成品完全制成之后，第二件才能开始加工。而如果采用流水线技术，那么从理论上来讲就可以同时加工4件牛肉。也就是说，在同一时间内同时启动两个及以上的程序，就是时间并行计算的核心。而“空间并行计算”，则是指多个计算机资源同时处理数据的过程，由核心计算机先将处理任务分割成若干个子任务，然后由关联计算机快速完成运算。最后的分布式计算，则是利用计算机的分散系统，将一道复杂的运算程序分配给多台计算机，命令它们有效配合，最终得出结果。

可以看到，无论是并行计算还是分布处理，人工神经网络在大数据处理方面都是科学、合理的。在精密计算体系的帮助下，那些需要超高难度运算的程序，都能够得到快速解决。

（4）人工神经网络具有强大的自学能力，这对于信息预测具有非常重要的意义。

比如设计人员将一组关于图像的识别和存储信息输入人工神经网络，那么人工神经网络就会针对这组信息符号进行甄别、记忆，进而慢慢学习到识别类似图像的功能。关于人工智能自学能力的应用，目前来说，前景也是非常广泛的，比如市场波动预测、效益预测等。

（5）人工神经网络具备强大的联想存储功能。

反馈网络是人工神经网络众多工作模型当中的一类，它的功能就在于可以将一组初始信息通过不断运行，最后收敛到一个提前拟定好的稳定平衡点上。

总体而言，在现代科技的支持下，人工神经网络同样是具备多种强大功能的。无论是利用非线性函数运算来模拟客观世界的物体运行规律，还是使用并行分布计算来进行大数据处理，或者是举一反三地自学、联想存储等，人工神经网络都能很好地完成自身任务。同时，由于网络体系内部的信息数据都处于平均分布的状态，因此个体的变动、受损并不会从根本上破坏或者降低网络整体的运行——强大的“鲁棒性”对于网络体系的持久工作提供了基础性保证。但是，就目前而言，即便是具备了诸多强大的优势和特点，人工神经网络技术也不能从整体上替代人脑的作用，这就只能寄望于时代科技何时能够攻破难关，更进一步了。