神经网络与人类思维间的深层关系

野性酷女 2022-12-11 15:02 79阅读 0赞

![format_png][]

全文共**3588**字，预计学习时长**9**分钟

![format_png 1][]

图源：cio

人工智能席卷了世界，所谓的“机器学习算法”已经渗透到现代技术各个可能的层面，它已成为义务而不是创新。有些人可能会争论，我们今天使用的机器学习算法是否足够自主到可以称为真正的AI，这个争论过于宽泛，并不是本文的重点。

在这篇文章中，我试图探索神经网络与人类思维之间的深刻复杂性和深层关系。

当你开始在谷歌上输入时，浏览器怎么就已经猜到你在找什么呢？移动相机又如何在我们称为照片的微小像素海洋中识别人脸呢？像Alexa、Siri或Google Home这样的虚拟助理如何实现复杂的任务，例如安排会议、获取天气信息、阅读睡前故事等呢？

所有这些问题的答案正是机器学习，更具体地说，是神经网络。

![format_png 2][]

**什么是神经网络？**

本节意在告诉完全不了解深度学习的人什么是基本的神经网络。虽然实际涉及的数学更复杂，但这里的重点不是神经网络的工作方式，而是试图理解他们与人类思维的联系。

![format_png 3][]

神经元

神经元是神经网络中最简单的单位。神经元所做的是从上一层中的所有神经元接收输入值（此案例中神经元y的上一层用蓝色表示，如x1, x2 , x3等等），并将每个输入值与来自输入值的神经元相关的权重相乘。所以这里x1与w1相乘，x2与w2相乘等以此类推，所有这些乘法都是在神经元y内部增加的。

y=x1.w1 + x2\*w2 +x3\*w3……xm.wm

然后使用激活函数如Sigmoid、tanH、ReLU等将该求和值转换为输出值。那么这些激活函数又是什么呢？下面举个sigmoid激活函数的例子。

![format_png 4][]

Sigmoid激活函数

Sigmoid激活函数将任何输入值（本案例中求和y即是Sigmoid函数的输入值）转换为0至1范围内的值。就这么简单，添加输入值和各自的权重到激活函数中就好啦。你的神经元就会给你一个输出值。

![format_png 5][]

简单的神经网络

这和神经网络一样简单。如你所见，这里的每个灰色圆圈都是一个神经元，这个神经网络有三层：输入层、隐藏层和输出层。

现在，神经网络学会了自行处理任务，但它们是如何学习的呢？当然是通过数据。我们将在下一节中讨论更多关于从数据中学习的内容，但我们现在知道了，数据通过输入层输入到神经网络，在中间层进行处理，然后由输出层输出。

![format_png 6][]

将图像分类为猫和狗的神经网络

例如，如果你想让一个神经网络从图像中识别猫和狗，那么猫和狗的标签图像（标签图像意味着我们给神经网络一个正确的答案）就会输入到神经网络，进行处理，神经层猜测它是猫还是狗。现在，由于它有了图像答案，便以这种方式调整不同神经元之间的权重，来提高准确度。

![format_png 2][]

**人类思维——一个巨型神经网络**

你有没有观察过蹒跚学步的孩子玩耍？他们总是如此好奇，渴望与周围的世界互动。幼儿的大脑就像简单而未经训练的神经网络，他们一出生就开始学习。由于神经网络在早期阶段非常简单，所以幼儿最早学的都是完成非常基本的任务，如行动、吃饭和爬行等等。

当一个初学走路的孩子拿着一个球时，他会观察它的重量、形状、握着它的感觉与皮肤周围的变化等。这一观察是他最初的部分学习过程，事实上也是在帮助他学习。幼儿玩球训练了他的大脑，为下次的活动做好准备。

![format_png 7][]

图源：unsplash

现在，当他看到一个球，他就记得它是什么，拿着球和丢球的感觉如何。当孩子玩球次数越来越多，训练就形成了。青少年几乎是玩耍和投掷球的专家，尽管人们可能会认为投球是一项非常简单的任务，但你为之所经历的学习，无论如何都不是捷径。

正如前文所述，孩子的大脑就像一个简单的神经网络，实现基本的任务，如走路、吃饭、说话等。随着孩子的成长，他学会了更复杂的过程，如手和眼睛协调，说话流利，吃饭不洒等。

有训练神经网络经验的人认为，训练一个简单的网络相对容易，但随着增加更多神经层，让数据和终端输出更加复杂，学习速度就会减慢。童年是学习一项新技能的最佳时机，因为与成年人相比，他们的神经网络更简单，大脑没有受过训练，因此更容易将神经元弯曲到你的意愿上。

当孩子长大后，随着任务变得复杂，学习也变得困难。例如，解决棘手的问题、做出决策和判断就是复杂任务，即便我们成年人也没有停止学习和发展。大脑一直在学习，那么这种学习到底是如何发生的呢？

答案是——大脑重塑自己。就像神经网络中神经元之间的权重和连接发生变化一样，大脑也改变了数十亿神经元的连接，为了让复杂的神经网络不仅保留之前接受的训练，还能在此基础上再接再厉，提升最终过程的复杂性。

正如你在阅读这篇文章的时候，你大脑中的每个神经元都在改变自己，改变它与数十亿其他神经元的联系，在你自出生以来获得的经验的基础上增加经验。这就是学习的方式。每次你在学习，大脑都会重塑自己，这个过程就像训练神经网络一样。

![format_png 2][]

**数据就是一切**

如今对科技巨头来说，没有什么比基于消费者的数据更重要。原因在于数据驱动“机器学习算法”。数据训练神经网络，没有数据就不可能学习。你一定遇到过下面这种验证码：

![format_png 8][]

答对这个验证码可能对你来说小菜一碟，但让一个孩子来做，他可能答对但速度很慢。事实上，每次你在网络上回答这样的验证码，都可以帮助训练机器人或神经网络。你实际上是在帮助准备数据，训练真正为你服务的模型。可以说，你已经训练了大量重要的模型。

就像我们为人为制造的模型准备的数据是最重要的一样，人类的头脑也是一个贪婪的网络，在你生活的每个瞬间获取大量的数据。数据在建设你，帮助你学习，把你变成智能机器。这就带我们进入了人类大脑学习周围数据的最终层面，即输入层或者五官感觉。

![format_png 2][]

**五种感官**

![format_png 9][]

神经网络有一个输入层，数据通过它理解和处理的模型形式进入网中。然后数据传递到隐藏层进行训练，权重发生变化，最后输出层给出了一个预测，无论区分出它是猫还是狗，还是根据学过的单词完成一个句子。

由于我们把人类思维比作一个巨大的神经网络，只有当这个网络也有一个输入层时，它才是清楚的。视觉、听觉、触觉、味觉和嗅觉五种感官构成了输入层到大脑中。

视觉是所有五种感觉中最重要的，因为最大的数据变化就来自于这种感觉。训练神经网络最好的数据集合要包含不同类型的数据和示例，而不止是一种数据。只有一种数据会导致模型过度拟合，这意味着当数据源于经受训练过的同类，可能会给出正确的结果，但是当数据偏离训练数据规范时，精确度便受到威胁。

生活中大多数重要的学习过程中，眼睛是最活跃的。从走路到吃饭，从学习骑自行车到弹钢琴，从与他人互动到电脑上打字，几乎每一项任务都需要我们的眼睛。

听觉也很重要，这在以前更为明显，那时人类不得不在荒野中寻找食物，耳朵都集中在猎物发出的声音上，他们的生存取决于这种感官。

触觉也是人类最珍贵的感官之一。它使我们的手远离烫炉，防止把沸腾的牛奶喂给婴儿，让人类接触想要触碰的对象。

虽然嗅觉和味觉对人类神经网络的主要学习贡献不大，但它们有自身价值。这些感官有利于在生活成长和学习过程中探索趣味。闻到鲜花的芳香，品尝美酒的醇厚，以及感受美好的生活，都是通过嗅觉和味觉来实现的。

现在，我们已经了解了输入层、数据和发生所有处理过程的神经网络。再举个例子，把所有的拼图块放在一起，看看更大的画面，即模式识别。

![format_png 2][]

**模式识别**

![format_png 10][]

以学习阅读为例。眼睛是这里最重要的感官。孩子们学会阅读要先学习字母，反复看字母，尝试发音并写出来。每次读、说、写都在训练头脑，提高准确性，直到写出完整的字母表。

在神经网络受到相对简单的训练后，孩子会把单词串在一起，现在听觉起主要的作用。当他提到这些作品时，就在这些单词中开启识别模式，26个字母如何不同组合成大量的单词，形成英语。

这种模式识别非常重要，可帮助孩子识别人脸、动物或玩具。成年人的模式识别变得非常强大，他们接受了大量训练，处理海量数据帮助他们识别周围的模式。根据经验预测是否会下雨，根据记忆和经验预测事件结果都是模式识别。福尔摩斯发现商队里的莫里亚蒂教授，是因为他的袖子上有粉笔灰尘，这也是模式识别。

![format_png 11][]

笔者虽然先解释了神经网络如何工作，然后将人类的思维与它们进行了比较，但实际上是相反的。人类思维激发了神经网络。不然为什么你认为这些微小的功能被称为神经元。

人类思维是一个及其复杂的结构，它产生了这个世界上的每一个思想、行动、记忆、感觉和经验。进化给了人类一个强大的工具，我们今天尝试把它复制到人工思维中，这样类似奇迹的技术，我们称之为神经网络。

![format_png 12][]

**推荐阅读专题**

[![format_png 13][]][format_png 13 1]

[![format_png 14][]][format_png 14 1]

[![format_png 15][]][format_png 15 1]

[![format_png 16][]][format_png 16 1]

![format_png 17][]

**留言点赞发个朋友圈**

**我们一起分享AI学习与发展的干货**

编译组：熊俨、卢艳红

相关链接：

https://medium.com/acmvit/neural-nets-and-the-human-mind-2548d6e5d2b2

如转载，请后台留言，遵守转载规范

**推荐文章阅读**

[ACL2018论文集50篇解读][ACL2018_50]

[EMNLP2017论文集28篇论文解读][EMNLP2017_28]

[2018年AI三大顶会中国学术成果全链接][2018_AI]

[ACL2017论文集：34篇解读干货全在这里][ACL2017_34]

[10篇AAAI2017经典论文回顾][10_AAAI2017]

**长按识别二维码可添加关注**

**读芯君爱你**

![format_png 18][]

[format_png]: /images/20221123/1e50f3f1ba2a43a78ec80c94e2221d66.png
[format_png 1]: /images/20221123/2c6ba4f27177473e9995217edd51bce8.png
[format_png 2]: /images/20221123/9abd30e789204dba9c869f4bb627964a.png
[format_png 3]: /images/20221123/4482bc9b0f714d8890dca708275357bf.png
[format_png 4]: /images/20221123/641a0277bcb441888635d41feb1e8101.png
[format_png 5]: /images/20221123/86d6a2f7953a4c8e86bdba1eab060997.png
[format_png 6]: /images/20221123/0c3f6bb23a9e4a11ba8237bfc6f28e34.png
[format_png 7]: /images/20221123/58543c9072344049b9a99adfc7dda699.png
[format_png 8]: /images/20221123/bcc0a0f0a29e46e2b84682adc4e2cad9.png
[format_png 9]: /images/20221123/62e2fe2e0e9b47b49cfeff1961d45085.png
[format_png 10]: /images/20221123/4f8aa318b16c4fa59093887b986d77be.png
[format_png 11]: /images/20221123/5196ed26446f4ae495b37930f6ef2a2a.png
[format_png 12]: /images/20221123/7ae958925a9840b4b247e93019c55af5.png
[format_png 13]: /images/20221123/3494afdf25ff4b009d79483e7ca422b6.png
[format_png 13 1]: http://mp.weixin.qq.com/s?__biz=MzI2NjkyNDQ3Mw%3D%3D&chksm=ea841ec4ddf397d2bb194670056d7ed973cf4349656e20d98bd139d8a5d99526a799fb243f8d&idx=1&mid=2247493138&scene=21&sn=d2fa895e71260f2576fa952cf2487522#wechat_redirect
[format_png 14]: /images/20221123/d18ce35f6b1d40578fbf1797001b681f.png
[format_png 14 1]: http://mp.weixin.qq.com/s?__biz=MzI2NjkyNDQ3Mw%3D%3D&chksm=ea841ed9ddf397cf9a7136dfb1352cf9fb1127b3061293cf716f8ee95b4560e694fce20a1e24&idx=2&mid=2247493135&scene=21&sn=5711dc1074411b7e45b40eb34fecc648#wechat_redirect
[format_png 15]: /images/20221123/cf75ffe067454eaba45f34ad50483977.png
[format_png 15 1]: http://mp.weixin.qq.com/s?__biz=MzI2NjkyNDQ3Mw%3D%3D&chksm=ea841ec4ddf397d28ed77a111732be52384c9be414e0aad59c570ada6b29278755d066ae2090&idx=2&mid=2247493138&scene=21&sn=e45fe93b00342ba9eac222f24369d036#wechat_redirect
[format_png 16]: /images/20221123/e280d2636bb04880b2b597d624f47f63.png
[format_png 16 1]: http://mp.weixin.qq.com/s?__biz=MzI2NjkyNDQ3Mw%3D%3D&chksm=ea841ed9ddf397cfbc27f47a160ee926a706f1b3151c53f707c8f221fde0ea51446aabe2148d&idx=1&mid=2247493135&scene=21&sn=cce4cc400933c960a3200fd0dfa4d0a7#wechat_redirect
[format_png 17]: /images/20221123/84e2aabb2bee4716b71d1f456345d416.png
[ACL2018_50]: https://mp.weixin.qq.com/s?__biz=MzI2NjkyNDQ3Mw%3D%3D&chksm=ea87ee2addf0673cae27c598a097f5addad5d81b2ed766e570f20fc0fb12b77c5cf34098022e&idx=1&lang=zh_CN&mid=2247489276&scene=21&sn=98e22e2b69478303f1f1a0a51e712570&token=192322725#wechat_redirect
[EMNLP2017_28]: https://mp.weixin.qq.com/s?__biz=MzI2NjkyNDQ3Mw%3D%3D&chksm=ea87eaadddf063bb3ab4ec5af616612a45f8d4fe9a5ad558f66278478296060253c1564bd05c&idx=1&lang=zh_CN&mid=2247488123&scene=21&sn=a55185f3a693f7a5d85b1abe3dd36177&token=140500370#wechat_redirect
[2018_AI]: https://mp.weixin.qq.com/s?__biz=MzI2NjkyNDQ3Mw%3D%3D&chksm=ea87f6ebddf07ffd8e84bcc18d7122f894b6cf5dc967daad9c2e122edb22968fd6f589d6852f&idx=1&mid=2247487037&scene=21&sn=37cd38b305aa874c29d764361c88a202#wechat_redirect
[ACL2017_34]: https://mp.weixin.qq.com/s?__biz=MzI2NjkyNDQ3Mw%3D%3D&chksm=ea87f59addf07c8c2480dd46784a431612d099d3d0531449aa8e64f68b3ba340363578d95659&idx=1&mid=2247486796&scene=21&sn=a8ae95efbf16985a259c4cd66bf919f2#wechat_redirect
[10_AAAI2017]: https://mp.weixin.qq.com/s?__biz=MzI2NjkyNDQ3Mw%3D%3D&idx=1&lang=zh_CN&mid=2247487100&scene=21&sn=3bd640ec4f00c5104664687194dd9a51&token=77118319#wechat_redirect
[format_png 18]: /images/20221123/560b712510d243348903a2606dfc6b45.png