神奇！！！人工智能竟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，这需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。所以说如果机器想要更好的人工智能，就需要大数据去喂养它，才能把他养出来。机器跟人一样，需要好的学习环境去学习的，这就是人工智能的原理。
人工智能到底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。
人的大脑是由很多个神经元组成的，有多少个呢？太多太多了，1后面有好多个0的那种。每个神经元可以进行一个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，问是猫还是狗，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。问一个问题是对的还是错的，答案要么是对要么是错，这就叫二值性的。每个神经元都能进行一个二值性的判断，然后呢，很多个神经元级联起来，形成一个神经网络，这个神经网络就可以拥有智能。这是一个很奇妙的东西，朱老师我本身也不是很懂，也是从书上看来的，那都是研究神经学的神人研究出来的。人的大脑其实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，那为什么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？人的创造性的思维是怎么来的？其实是很难说清楚的，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。目前我们人类普遍认为对人脑的了解连5%都没有，还有其他的95%未知等待我们去挖掘。但是就以我们现在已有的对人脑的研究，就帮助我们发现了一个可以让机器去模拟人脑神经网络的原理，当然只是在一定程度上模拟了。只是跟人脑很像，但远没有人脑复杂。人脑要复杂很多，是翻倍的，所以为什么说现在的人工智能其实还很浅，是因为只模拟了人脑很少一部分的东西，远称不上是真正的智能，但总的来说他的原理确实是模拟人脑的，这是不能否认的。
举个猫和狗的案例，也是人工智能里最常举的案例，来说明人工智能这套体系是怎么实现的。首先搞清楚我们的目标，就是给机器一张照片，让他去分辨这张照片是猫还是狗。当然不能玩弄机器，总不能给他一张狐狸的，那他怎么猜？现在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，猫也有很多种，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，猫跟猫就完全不是一回事儿，但所有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别是很大的。人还是有一定的识别能力，譬如说给你拿一只狗。就算你从来没见过这种狗，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，能够根据他从前见过的很多的狗，能够推理出狗的一些特征，从而觉得这个东西就是个狗，这就是人脑的智能。现在我们就是要让机器拥有这种智能，让机器也能判断一个从来没有见过的照片里面到底是猫还是狗。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，然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，我们就不讲了，那是属于非常专业的人工智能的技术，需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，然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，就好象人一样。刚开始的时候，拿个猫的照片对机器说：“这是猫”，再拿另一个猫的照片对他说：“这也是猫”，再拿另一个猫的照片，说：“这还是猫”。。。总共拿了一万张照片给他看。他把这一万张照片看完之后，就会知道猫是长什么样，猫跟其他东西之间有什么差异。哪天拿个两条腿的东西的照片给他看，然后问是不是猫，他就会说不是猫，因为猫都是四条腿的，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，肯定不是猫。这就叫抓住了特征，当然四条腿跟两条腿的区别是一下就可以识别出来的。但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，需要自己去分析，学习。拿一万张猫的照片给他，再拿一万张狗的照片给他，然后让他去学习，就告诉他“机器兄弟啊，这一万张是猫，这一万张是狗，有什么特征自己看，自己去发现。你是从腿的个数去看呢，还是从猫的颜色去看呢，还是从毛的长短去看呢，还是从眼神去看，这都是你自己的事儿”。怎么看是你自己的事，反正我给你一万张猫，给你一万张狗，然后你自己去看，自己去学习，学完了以后呢，这个机器就建立了一套模型，这套模型就是机器学习之后沉淀下来的经验。你可以这样理解，就是机器通过这一万张照片学习之后，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。有了这个模型之后，就可以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以前肯定没见过，或许这个品种他以前也没见过，然后把这张照片给他看，机器就能根据新照片的特征，然后结合他以前分析过的一万张照片的特征，告诉你这就是个猫。当然了机器也有可能分析错，分析了半天之后说是狗也有可能。那机器分辨的是对还是错，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不多。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%；那么如果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；如果给他一百万张照片，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，因为他已经彻底掌握了猫的一个本质了。这就是一种本质上的掌握，那这种掌握到底是什么呢？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，能够判断出那是一只猫，而且准确率确实非常高，这是机器的学习。这是非常神奇的，他通过学习，通过大量数据的一个训练，建立这种模型之后，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（实际上还是有迹可循的），但他就是能够识别到。这样能力是比人厉害的，人是做不到的。譬如说现在把那一万张猫的照片给你看，看完之后再给你拿一张非常难认的照片给你，你可能就搞不清楚是猫还是狗了，人的这一点可能是不如机器的。这就是机器学习，机器学习就是这么来弄的，那我们能去改善的地方在哪里呢？能改善的就是模型跟算法，你可以改变图像识别的算法，可以改变软件的一个设置，可以用更多的数据来训练他，以此来迭代，提升能力。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，现在的语音识别能力已经非常之高了，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，这需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，所以说如果机器想要更好的人工智能，就需要大数据去喂养它，才能把他养出来。这就像小孩一样，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，天天给他做题，好老师给他上课，他最后也不会太差。机器跟人一样，需要好的学习环境去学习的，这就是人工智能的原理。