16、模仿大脑：人工神经网络的起源与发展

模仿大脑：人工神经网络的起源与发展

人类模式识别能力与计算机的困境

人类天生具备模式识别能力，在成长的最初几年里，儿童就能学会识别面孔、物体、声音、气味、质地和口语。然而，在整个20世纪，研究人员在设计能够与人类模式识别能力相媲美的算法方面遭遇了巨大失败。计算机在算术运算方面表现出色，但在模式识别上却表现不佳。

为了更好地理解这个难题，我们以开发一个识别照片中猫的系统为例。首先要将图像转换为计算机能够处理的数字数组。数码相机的镜头将光线聚焦到电子传感器网格上，每个传感器将光线强度转换为0到1之间的数字。在灰度图像中，0表示黑色，1表示白色，中间的值表示不同程度的灰色，每个数字对应图像中的一个像素。但模式识别的挑战不在于创建数字图像，而在于编写能够理解这些数字的算法。

现实世界图像的可变性带来了巨大困难：
1. 猫的品种多样 ：猫可能胖瘦不一、大小不同、有毛或无毛，颜色有灰色、棕色、白色或黑色，可能有尾巴或没有尾巴。
2. 姿势各异 ：猫可能处于躺、坐、站、走或跳等多种姿势，可能直视相机、看向左右或背对着镜头。
3. 拍摄条件不同 ：照片可能在白天或夜晚拍摄，可能使用闪光灯，可能是特写或远景。编写能够应对各种情况的算法极其困难，因为每种可能性都需要一条新规则，而这些规则会相互冲突，最终导致算法开发陷入停滞。

模仿大脑的思路

面对编写数百万条规则的困境，一些计算机科学家提出了另一种思路：既然世界上最好的模式识别引擎是人类大脑，为什么不复制它呢？

大脑细胞的奥秘

<