神奇！！！人工智能竟然是模擬人腦設計出來的
人工智能的實現主要依靠於兩個方面。第一個方面是數學建模，也就是軟件跟算法，這需要很高深的一個數學跟神經學的原理。第二個是大數據的餵養。所以說如果機器想要更好的人工智能，就需要大數據去餵養它，才能把他養出來。機器跟人一樣，需要好的學習環境去學習的，這就是人工智能的原理。
人工智能到底是一個什麼樣的原理呢？原來他的底層原理是模擬人腦的神經元。
人的大腦是由很多個神經元組成的，有多少個呢？太多太多了，1後面有好多個0的那種。每個神經元可以進行一個2值性的判斷。什麼是2值性呢？就是當給神經元一個輸入，就會有一個輸出。輸入了一個參數，輸出呢，就會給一個二值性的判斷，要麼是1，要麼是零。舉個簡單的例子，譬如說給一張照片，問是貓還是狗，答案要麼是貓要麼是狗，這就是二值性的一個東西，不可能有第三種答案。問一個問題是對的還是錯的，答案要麼是對要麼是錯，這就叫二值性的。每個神經元都能進行一個二值性的判斷，然後呢，很多個神經元級聯起來，形成一個神經網絡，這個神經網絡就可以擁有智能。這是一個很奇妙的東西，朱老師我本身也不是很懂，也是從書上看來的，那都是研究神經學的神人研究出來的。人的大腦其實是一件很神奇的事情，任何神經元都是二值性的，要麼是1，要麼是0，那爲什麼最後會產生一些那麼不二值化，很智能化的一個東西呢？人的情緒是怎麼產生的呢？人的創造性的思維是怎麼來的？其實是很難說清楚的，就算是神經學專家業也很難說清楚，這就屬於未解之謎，屬於人腦的一種科學。目前我們人類普遍認爲對人腦的瞭解連5%都沒有，還有其他的95%未知等待我們去挖掘。但是就以我們現在已有的對人腦的研究，就幫助我們發現了一個可以讓機器去模擬人腦神經網絡的原理，當然只是在一定程度上模擬了。只是跟人腦很像，但遠沒有人腦複雜。人腦要複雜很多，是翻倍的，所以爲什麼說現在的人工智能其實還很淺，是因爲只模擬了人腦很少一部分的東西，遠稱不上是真正的智能，但總的來說他的原理確實是模擬人腦的，這是不能否認的。
舉個貓和狗的案例，也是人工智能裏最常舉的案例，來說明人工智能這套體系是怎麼實現的。首先搞清楚我們的目標，就是給機器一張照片，讓他去分辨這張照片是貓還是狗。當然不能玩弄機器，總不能給他一張狐狸的，那他怎麼猜？現在也只是拿貓跟狗讓他區分，有人說：“那還不簡單啊，貓就是貓，狗就是狗嘛”其實沒有那麼簡單，貓也有很多種，有些貓長得大，有些貓長的小；有些是黃的，有些是白的；有些耳朵長，有些耳朵短，貓跟貓就完全不是一回事兒，但所有的貓都是有一些共同點的。狗也有區別，藏獒長什麼樣？哈士奇長什麼樣？你能說這兩個不是狗嗎？關鍵是他們之間的差別是很大的。人還是有一定的識別能力，譬如說給你拿一隻狗。就算你從來沒見過這種狗，你也不知道這狗什麼品種的，你叫不上名字，平時也不怎麼接觸狗，但你一看就知道那是隻狗。這就是人腦的一種智能，一種判斷，能夠根據他從前見過的很多的狗，能夠推理出狗的一些特徵，從而覺得這個東西就是個狗，這就是人腦的智能。現在我們就是要讓機器擁有這種智能，讓機器也能判斷一個從來沒有見過的照片裏面到底是貓還是狗。那麼機器怎麼進行判斷呢？就要在機器裏面構建仿真的仿人腦的多層神經網絡，然後用到一些龐大的軟件和一些圖像識別的算法。至於那些軟件跟算法是什麼，我們就不講了，那是屬於非常專業的人工智能的技術，需要具體去學習人工智能的時候再去了解。總之裏面會用到一些軟件跟一些算法，然後用大量的數據對所謂的神經網絡進行學習或者說是訓練，就好象人一樣。剛開始的時候，拿個貓的照片對機器說：“這是貓”，再拿另一個貓的照片對他說：“這也是貓”，再拿另一個貓的照片，說：“這還是貓”。。。總共拿了一萬張照片給他看。他把這一萬張照片看完之後，就會知道貓是長什麼樣，貓跟其他東西之間有什麼差異。哪天拿個兩條腿的東西的照片給他看，然後問是不是貓，他就會說不是貓，因爲貓都是四條腿的，這是他從一萬張照片裏總結出來的。貓是有四條腿的，你拿個兩條腿的給我，肯定不是貓。這就叫抓住了特徵，當然四條腿跟兩條腿的區別是一下就可以識別出來的。但是有一些很細微的特徵，就不是那麼容易識別出來的，譬如貓跟狗的區別，需要自己去分析，學習。拿一萬張貓的照片給他，再拿一萬張狗的照片給他，然後讓他去學習，就告訴他“機器兄弟啊，這一萬張是貓，這一萬張是狗，有什麼特徵自己看，自己去發現。你是從腿的個數去看呢，還是從貓的顏色去看呢，還是從毛的長短去看呢，還是從眼神去看，這都是你自己的事兒”。怎麼看是你自己的事，反正我給你一萬張貓，給你一萬張狗，然後你自己去看，自己去學習，學完了以後呢，這個機器就建立了一套模型，這套模型就是機器學習之後沉澱下來的經驗。你可以這樣理解，就是機器通過這一萬張照片學習之後，大概就摸索出了一些規律，就掌握了一些貓和狗的特徵信息，這些特徵呢，全都儲存在他的模型裏面。有了這個模型之後，就可以用這個模型去進行判斷，就算再拿一張照片不是那一萬張圖片裏面的，是一張全新的但也是一隻貓的照片。就算這張貓的照片他以前肯定沒見過，或許這個品種他以前也沒見過，然後把這張照片給他看，機器就能根據新照片的特徵，然後結合他以前分析過的一萬張照片的特徵，告訴你這就是個貓。當然了機器也有可能分析錯，分析了半天之後說是狗也有可能。那機器分辨的是對還是錯，取決於什麼？取決於算法跟軟件到底牛不牛，取決於給他訓練的數據多不多。給他訓練一萬張，可能只有90%的成功率。給他100張，有90張識別對了，10張識別錯了，這個正確率就是90%；那麼如果你給他訓練十萬張照片，他可能就更有經驗了,給他100張，能識別97張，只有3張識別錯；如果給他一百萬張照片，給他一億張照片呢，他看完可能就是100%了。再給他一隻外星貓的照片他也能識別出是貓，因爲他已經徹底掌握了貓的一個本質了。這就是一種本質上的掌握，那這種掌握到底是什麼呢？我也不知道，人也不知道他是怎麼判斷的，反正他就是掌握了那樣一種技巧，能夠判斷出那是一隻貓，而且準確率確實非常高，這是機器的學習。這是非常神奇的，他通過學習，通過大量數據的一個訓練，建立這種模型之後，他就能產生一種很神奇的識別能力，你搞不明白他是怎麼識別的（實際上還是有跡可循的），但他就是能夠識別到。這樣能力是比人厲害的，人是做不到的。譬如說現在把那一萬張貓的照片給你看，看完之後再給你拿一張非常難認的照片給你，你可能就搞不清楚是貓還是狗了，人的這一點可能是不如機器的。這就是機器學習，機器學習就是這麼來弄的，那我們能去改善的地方在哪裏呢？能改善的就是模型跟算法，你可以改變圖像識別的算法，可以改變軟件的一個設置，可以用更多的數據來訓練他，以此來迭代，提升能力。譬如說科大訊飛的語音識別能力，他一開始語音識別的能力也沒那麼高，但他不斷迭代，學習，開發，現在的語音識別能力已經非常之高了，這就是人工智能逐漸發展的一個過程。
總結：人工智能的實現主要依靠於兩個方面。第一個方面是數學建模，也就是軟件跟算法，這需要很高深的一個數學跟神經學的原理。第二個是大數據的餵養。上面已經提到了，讓他機器去學習一萬張跟十萬張，百萬張，千萬張絕對不是一個檔次的，所以說如果機器想要更好的人工智能，就需要大數據去餵養它，才能把他養出來。這就像小孩一樣，再聰明的小孩不讓他上學也能給養廢；小孩不那麼聰明，但他父母有錢，給他送好學校，天天給他做題，好老師給他上課，他最後也不會太差。機器跟人一樣，需要好的學習環境去學習的，這就是人工智能的原理。