3、神经网络与类脑计算：人工智能的早期探索与发展

神经网络与类脑计算：人工智能的早期探索与发展

1. 人工智能难题解决的线索

自然界通过进化解决了人工智能中的诸多难题，这为计算机实现智能行为提供了线索。
- 强大的模式识别能力 ：人类大脑是强大的模式识别器，视觉系统能在十分之一秒内识别杂乱场景中的物体，无论物体的位置、大小和方向如何，就像计算机有“识别物体”这一单一指令。
- 通过实践学习 ：大脑可以通过练习学会执行许多困难的任务，从弹钢琴到掌握物理知识。自然界利用通用学习来解决特定问题，人类是出色的学习者，大脑皮层的组织结构相似，深度学习网络存在于所有的感觉和运动系统中。
- 非纯逻辑推理 ：大脑并非充满逻辑或规则，人类的推理似乎是特定领域的。以“沃森选择任务”为例，只有10%的受试者能正确回答逻辑谜题，但当逻辑测试基于熟悉的情境时，大多数受试者能轻松得出正确答案。在物理学中，我们通过解决大量问题来学习，而不是死记公式。如果人类智能纯粹基于逻辑，它应该是通用领域的，但事实并非如此。
- 大量神经元的并行通信 ：大脑中有数十亿个微小的神经元，它们不断相互通信。这表明，解决人工智能难题，应研究具有大规模并行架构的计算机，而非冯·诺依曼数字架构的计算机，因为自然界需要实时解决问题，利用了大脑的神经网络，其具有大规模并行处理器，能高效运行的算法最终会胜出。

2. 早期先驱与感知机的诞生

20世纪50 - 60年代，诺伯特·维纳引入控制论后，人们对自组织系统的兴趣激增。
- 早期的创新成果 ：奥利