3、神经网络与类脑计算：从早期探索到现代突破

神经网络与类脑计算：从早期探索到现代突破

1. 人工智能难题解决的线索

人工智能领域诸多难题存在可解性的唯一证明，便是大自然通过进化早已解决了这些问题。20世纪50年代，若人工智能研究者采用与符号处理截然不同的方法，计算机或许能实现智能行为，以下是一些关键线索：
- 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，即便从未见过该物体，且无论其位置、大小和方向如何。这表明视觉系统就像将“识别物体”作为单一指令的计算机。
- 通过实践学习 ：大脑可通过练习学会执行许多困难任务，从弹钢琴到掌握物理学。大自然利用通用学习解决特定问题，人类是卓越的学习者。大脑皮层的组织结构相似，深度学习网络存在于所有感觉和运动系统中。
- 非逻辑主导 ：大脑并非充满逻辑或规则。虽然经过大量训练后能学会逻辑思考或遵循规则，但多数人并不擅长。以“沃森选择任务”为例，最初只有10%的受试者能给出正确答案，但当逻辑测试基于熟悉的情境时，多数受试者能轻松答对。推理似乎具有领域特异性，对某领域越熟悉，解决该领域问题就越容易。
- 大规模并行架构 ：大脑由数十亿个相互不断通信的微小神经元组成。这意味着解决人工智能难题时，应关注具有大规模并行架构的计算机，而非冯·诺依曼数字架构（数据和指令逐个提取和执行）。尽管图灵机在有足够内存和时间的情况下能计算任何可计算函数，但大自然需要实时解决问题，因此利用了大脑的神经网络，其具有大规模并行处理器。

2. 早期先驱与感知机的诞生

20世纪50