19、利用深度学习提升人工智能

利用深度学习提升人工智能

如今，报纸、商业杂志、社交网络和非技术类网站都在传达同一个信息：由于深度学习的存在，人工智能既酷炫又将改变世界。实际上，人工智能的范畴远大于机器学习，而深度学习只是机器学习的一小部分。我们有必要区分那些吸引投资者的炒作内容，了解这项技术的真正能力。

类人脑神经网络的构建

神经网络算法的灵感来源于人类大脑的工作方式，它是联结主义学派的核心算法，能在较小规模上模拟人类大脑中的神经元。

神经元的介绍

人类大脑中有数百万个神经元，它们接收、处理和传输电信号与化学信号。每个神经元都有一个带有作为输入的细丝的细胞核、从其他神经元接收信号的树突，以及一个以突触结尾用于对外通信的轴突。神经元之间通过化学物质传递信息，而神经元内部则以电信号处理信息。对大脑处理信号的过程进行逆向工程，有助于联结主义者基于生物学类比来定义神经网络及其组件，使用诸如神经元、激活和连接等大脑术语来命名数学运算。尽管从数学公式上看，神经网络不过是一系列的乘法和求和运算，但它们在解决图像和声音识别、机器语言翻译等复杂问题方面却非常有效。借助专用硬件，神经网络能够快速执行预测计算。

神奇感知机的诞生

神经网络的核心算法是神经元（也称为单元）。许多神经元以相互连接的结构排列构成神经网络，每个神经元与其他神经元的输入和输出相连。几十年前，康奈尔航空实验室的弗兰克·罗森布拉特创造了第一个这样的神经元示例——感知机。1957 年，在美國海軍研究實驗室（NRL）的赞助下，罗森布拉特设计出了感知机。他既是一位心理学家，也是人工智能领域的先驱。精通认知科学的他，希望创造一台能够像人类一样通过试错来学习的计算机。感知机是在由输入数据构成的简单空间中绘