什麼是人工智慧神經網路？它為何無法實現人類的推理或產生意識？

據華爾街日報報道， Uber在一宗無人車的測試過程中，造成了一名行人死亡的嚴重交通事故。除此之外，環顧我們身邊，蘋果手機的虛擬個人助理Siri有時會無法識別我們在說什麼；某些人臉識別支付應用也存在著一些安全問題。這些事件反映出來的一個情況是：目前的AI似乎並沒有足夠的智能，甚至也無法很好地處理從外界獲取的信息。

人腦中的神經網路是一個非常複雜的組織，成人的大腦中約有1000億個神經元，人類至今仍在探索人腦的工作原理。而人們通過對生物神經元的研究和理解，構建了一個模擬人腦的計算模型：人工神經網路！那麼，人工神經網路是什麼？人類通過構造神經網路，能否給AI賦能，使之自我進化？

什麼是神經網路？神經網路是一種模擬人腦的計算架構

簡單來說，神經網路是一種模擬人腦的計算架構；利用神經網路進行機器學習，則讓計算機不再只是執行命令的機器，而是具有了一定程度上分析判斷的能力。當然，這個能力也離不開海量的數據和高超的計算能力。

一個經典的神經網路一般包含三個層次：輸入層、隱藏層和輸出層。而這三個層分別模仿的是神經元的樹突、軸突和軸突末梢。輸入層接收外部的輸入數據，比如圖片、文本、語音等，通過隱層抽象數據的通用模式，進而通過輸出層輸出模型的計算的結果。

歷史上，科學家還設計過多層的神經網路，每一層都會對前一層傳來的結果進行再次加工，目的是模擬出一種「深思熟慮」的感覺，但最後發現結果準確度並沒有提高，有的時候還會陷入誤區，就像人容易朝著一個思路越陷越深，最後鑽牛角尖了一樣。隨著技術進步，，讓這一問題得到改善。現在，最厲害的神經網路技術不但已經非常接近人腦，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大戰後，在接受騰訊體育記者的採訪時表示，「我也不敢想像，它居然可以把棋下得那麼強硬，撐得那麼滿，好像好多塊棋扭在一起，那是人類擅長發揮的地方了。跟它下棋會發現它處理得好像比我們人類還好很多，其實那一刻是很絕望的。甚至是那些研發它的人也不知道是怎麼做到這一點的，研發它的人是下不過它的，很多人甚至不懂棋，居然能創造出這麼一個怪物。所以，我唯一能感受到的是它對形勢的樂觀和自信，而且是絕對的樂觀和自信，這一點人類是沒有的。再自信也不會像它那麼自信，無論你驗證多少次，它都是不可戰勝的。」

神經網路目前還無法實現人類的推理，也不能產生意識

「機器人是否具有意識」一直是人們所爭論的焦點之一，而在這其中，人工神經網路的技術發展起著重要的作用。對當前的人工神經網路而言，解決某些特定場景的問題，特別具有優勢，但解決人們習以為常的問題卻非常困難。比如，MIT媒體實驗室研究員joy buolamwini研究文章稱，人臉識別技術針對不同種族的準確率差異巨大，其中針對黑人女性的錯誤率高達35%！

中國工程院院士鄭南寧指出，人工智慧研究的一個重要方向，是借鑒認知科學、計算神經科學的研究成果，使計算機通過直覺推理和經驗學習，將自身引導到更高的層次。然而，人腦對真實世界的理解、非完整信息的處理、複雜時空的任務處理能力是當前機器學習無法比擬的，還有人的大腦神經網路結構的可塑性，以及人腦在非認知因素和認知功能之間的相互作用，都是很難以形式化、公式化的描述。

神經網路已經在各行各業體現其價值

神經網路雖然缺乏人類解決問題的強大理解能力，但卻可以通過海量的計算從大量的數據中找到一些通用的模式。因此它們作為輔助工具，已經在各行各業，尤其是在多媒體領域體現了自身的價值。

手寫數字識別應該是神經網路最早的商業應用之一。大部分的人都可以輕鬆識別下圖中的手寫數字，但要設計一套計算機程序來識別這些數字，就會發現視覺模式識別的難度。而神經網路的思想是，利用大量的手寫數字，即訓練樣本，從中自動學習到識別各個數字的規則。而且隨著樣本數量的增加，神經網路可以學習到更多信息，從而可以進一步提升準確度。目前最好的商用神經網路已經足夠好到能被銀行用來處理支票，以及被郵局用來識別地址。

MNIST手寫數字數據集一覽

手寫數字或許有些過於簡單，那麼使用神經網路發現地外行星，就更能顯示它的能力了。谷歌和得克薩斯大學奧斯丁分校合作，利用上萬顆被標記的恆星數據，訓練了一個卷積神經網路，訓練結果顯示，神經網路判別行星的準確率高達96%。然後，研究人員讓這個神經網路處理2009年到2013年觀測到的670顆恆星的數據集，通過微小的特徵變化，發現了兩個星系存在地外行星的可能性非常高。經過研究人員的驗證，確認了這兩顆新的行星。

神經網路發現的開普勒-90星系與太陽系的對比

近日，美國FDA首次批准了用於檢測糖尿病視網膜病變的人工智慧產品：IDx-DR。這次FDA評估了來自10個初級衛生保健點的900名糖尿病患者的視網膜臨床研究圖像數據，IDx-DR能夠正確識別輕度以上糖尿病性視網膜病變的準確率為87.4%，而正確識別沒有輕度以上的糖尿病性視網膜病變的準確率為89.5%。

在目前比較火熱的無人車領域，雖然各大廠商還在研究測試通用的解決方案，但在一些具體的案例上已經有了一些成果。圖森未來使用自主研發的深度學習感知演算法，能夠做到讓攝像頭像人眼一樣實時感知行車周邊環境，檢測和跟蹤視野中的各種物體，能夠對可視場景進行像素級的解讀。憑藉視覺高精度定位和多感測器融合技術，能夠實現高速公路上的無人駕駛，幫助貨運企業降低成本，加快貨運周轉。

總之，神經網路在不斷地影響著生活、醫療和出行，但科研界對它有更多理性的看法。伯克利大學機器學習專家Michael I. Jordan認為，計算機科學仍然是最首要的學科，人工智慧還無法取而代之，而神經網路只是該領域中仍在發展中的一個部分。

「現在要問神經網路會把我們帶到多遠還為時尚早。」最看好神經網路發展前景的專家題討論成員——OpenAI共同創辦人兼研究總監Ilya Sutskever說。無論如何，我們目前正處於人工智慧對社會的變革過程中，它們已經從實驗室過渡到了商業部署。儘管神經網路還無法實現基本的人類推理和理解力，但它們將是建構人工智慧漫漫長路上所用到的重要工具之一。隨著信息科學、認知科學、神經生物學、心理學等前沿學科和交叉學科的深度融合與不斷發展，人工智慧將會迎來新的發展高潮。

作者|  王磊 西安電子科技大學  模式識別與智能系統專業碩士

審稿|  謙恆 北京理工大學網路信息技術中心助理研究員  網路信息安全專家

文章由「科普中國頭條創作與推送項目」團隊推出

轉載請註明來自「科普中國」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！