神奇！！！人工智能居然是模拟人脑设计出来的

神奇！！！人工智能居然是模拟人脑设计出来的

人工智能的实现主要依靠于两个方面。第一个方面是数学建模，也就是软件跟算法，这须要很高深的一个数学跟神经学的原理。第二个是大数据的喂养。因此说若是机器想要更好的人工智能，就须要大数据去喂养它，才能把他养出来。机器跟人同样，须要好的学习环境去学习的，这就是人工智能的原理。

人工智能究竟是一个什么样的原理呢？原来他的底层原理是模拟人脑的神经元。

人的大脑是由不少个神经元组成的，有多少个呢？太多太多了，1后面有好多个0的那种。每一个神经元能够进行一个2值性的判断。什么是2值性呢？就是当给神经元一个输入，就会有一个输出。输入了一个参数，输出呢，就会给一个二值性的判断，要么是1，要么是零。举个简单的例子，譬如说给一张照片，问是猫仍是狗，答案要么是猫要么是狗，这就是二值性的一个东西，不可能有第三种答案。问一个问题是对的仍是错的，答案要么是对要么是错，这就叫二值性的。每一个神经元都能进行一个二值性的判断，而后呢，不少个神经元级联起来，造成一个神经网络，这个神经网络就能够拥有智能。这是一个很奇妙的东西，朱老师我自己也不是很懂，也是从书上看来的，那都是研究神经学的神人研究出来的。人的大脑实际上是一件很神奇的事情，任何神经元都是二值性的，要么是1，要么是0，那为何最后会产生一些那么不二值化，很智能化的一个东西呢？人的情绪是怎么产生的呢？人的创造性的思惟是怎么来的？实际上是很难说清楚的，就算是神经学专家业也很难说清楚，这就属于未解之谜，属于人脑的一种科学。目前咱们人类广泛认为对人脑的了解连5%都没有，还有其余的95%未知等待咱们去挖掘。可是就以咱们如今已有的对人脑的研究，就帮助咱们发现了一个可让机器去模拟人脑神经网络的原理，固然只是在必定程度上模拟了。只是跟人脑很像，但远没有人脑复杂。人脑要复杂不少，是翻倍的，因此为何说如今的人工智能其实还很浅，是由于只模拟了人脑不多一部分的东西，远称不上是真正的智能，但总的来讲他的原理确实是模拟人脑的，这是不可否认的。

举个猫和狗的案例，也是人工智能里最常举的案例，来讲明人工智能这套体系是怎么实现的。首先搞清楚咱们的目标，就是给机器一张照片，让他去分辨这张照片是猫仍是狗。固然不能玩弄机器，总不能给他一张狐狸的，那他怎么猜？如今也只是拿猫跟狗让他区分，有人说：“那还不简单啊，猫就是猫，狗就是狗嘛”其实没有那么简单，猫也有不少种，有些猫长得大，有些猫长的小；有些是黄的，有些是白的；有些耳朵长，有些耳朵短，猫跟猫就彻底不是一回事儿，但全部的猫都是有一些共同点的。狗也有区别，藏獒长什么样？哈士奇长什么样？你能说这两个不是狗吗？关键是他们之间的差异是很大的。人仍是有必定的识别能力，譬如说给你拿一只狗。就算你历来没见过这种狗，你也不知道这狗什么品种的，你叫不上名字，平时也不怎么接触狗，但你一看就知道那是只狗。这就是人脑的一种智能，一种判断，可以根据他从前见过的不少的狗，可以推理出狗的一些特征，从而以为这个东西就是个狗，这就是人脑的智能。如今咱们就是要让机器拥有这种智能，让机器也能判断一个历来没有见过的照片里面究竟是猫仍是狗。那么机器怎么进行判断呢？就要在机器里面构建仿真的仿人脑的多层神经网络，而后用到一些庞大的软件和一些图像识别的算法。至于那些软件跟算法是什么，咱们就不讲了，那是属于很是专业的人工智能的技术，须要具体去学习人工智能的时候再去了解。总之里面会用到一些软件跟一些算法，而后用大量的数据对所谓的神经网络进行学习或者说是训练，就好象人同样。刚开始的时候，拿个猫的照片对机器说：“这是猫”，再拿另外一个猫的照片对他说：“这也是猫”，再拿另外一个猫的照片，说：“这仍是猫”。。。总共拿了一万张照片给他看。他把这一万张照片看完以后，就会知道猫是长什么样，猫跟其余东西之间有什么差别。哪天拿个两条腿的东西的照片给他看，而后问是否是猫，他就会说不是猫，由于猫都是四条腿的，这是他从一万张照片里总结出来的。猫是有四条腿的，你拿个两条腿的给我，确定不是猫。这就叫抓住了特征，固然四条腿跟两条腿的区别是一下就能够识别出来的。可是有一些很细微的特征，就不是那么容易识别出来的，譬如猫跟狗的区别，须要本身去分析，学习。拿一万张猫的照片给他，再拿一万张狗的照片给他，而后让他去学习，就告诉他“机器兄弟啊，这一万张是猫，这一万张是狗，有什么特征本身看，本身去发现。你是从腿的个数去看呢，仍是从猫的颜色去看呢，仍是从毛的长短去看呢，仍是从眼神去看，这都是你本身的事儿”。怎么看是你本身的事，反正我给你一万张猫，给你一万张狗，而后你本身去看，本身去学习，学完了之后呢，这个机器就创建了一套模型，这套模型就是机器学习以后沉淀下来的经验。你能够这样理解，就是机器经过这一万张照片学习以后，大概就摸索出了一些规律，就掌握了一些猫和狗的特征信息，这些特征呢，全都储存在他的模型里面。有了这个模型以后，就能够用这个模型去进行判断，就算再拿一张照片不是那一万张图片里面的，是一张全新的但也是一只猫的照片。就算这张猫的照片他之前确定没见过，或许这个品种他之前也没见过，而后把这张照片给他看，机器就能根据新照片的特征，而后结合他之前分析过的一万张照片的特征，告诉你这就是个猫。固然了机器也有可能分析错，分析了半天以后说是狗也有可能。那机器分辨的是对仍是错，取决于什么？取决于算法跟软件到底牛不牛，取决于给他训练的数据多很少。给他训练一万张，可能只有90%的成功率。给他100张，有90张识别对了，10张识别错了，这个正确率就是90%；那么若是你给他训练十万张照片，他可能就更有经验了,给他100张，能识别97张，只有3张识别错；若是给他一百万张照片，给他一亿张照片呢，他看完可能就是100%了。再给他一只外星猫的照片他也能识别出是猫，由于他已经完全掌握了猫的一个本质了。这就是一种本质上的掌握，那这种掌握究竟是什么呢？我也不知道，人也不知道他是怎么判断的，反正他就是掌握了那样一种技巧，可以判断出那是一只猫，并且准确率确实很是高，这是机器的学习。这是很是神奇的，他经过学习，经过大量数据的一个训练，创建这种模型以后，他就能产生一种很神奇的识别能力，你搞不明白他是怎么识别的（实际上仍是有迹可循的），但他就是可以识别到。这样能力是比人厉害的，人是作不到的。譬如说如今把那一万张猫的照片给你看，看完以后再给你拿一张很是难认的照片给你，你可能就搞不清楚是猫仍是狗了，人的这一点多是不如机器的。这就是机器学习，机器学习就是这么来弄的，那咱们能去改善的地方在哪里呢？能改善的就是模型跟算法，你能够改变图像识别的算法，能够改变软件的一个设置，能够用更多的数据来训练他，以此来迭代，提高能力。譬如说科大讯飞的语音识别能力，他一开始语音识别的能力也没那么高，但他不断迭代，学习，开发，如今的语音识别能力已经很是之高了，这就是人工智能逐渐发展的一个过程。

总结：人工智能的实现主要依靠于两个方面。第一个方面是数学建模，也就是软件跟算法，这须要很高深的一个数学跟神经学的原理。第二个是大数据的喂养。上面已经提到了，让他机器去学习一万张跟十万张，百万张，千万张绝对不是一个档次的，因此说若是机器想要更好的人工智能，就须要大数据去喂养它，才能把他养出来。这就像小孩同样，再聪明的小孩不让他上学也能给养废；小孩不那么聪明，但他父母有钱，给他送好学校，每天给他作题，好老师给他上课，他最后也不会太差。机器跟人同样，须要好的学习环境去学习的，这就是人工智能的原理。