神经网络:人工智能缺失的环节?

人工智能方面已经取得了进展，其中神经网络是最有前途的方法。

几代人以来，具有独立思考能力的计算机一直是科幻小说里的东西。神经网络可以为计算机提供识别物体和解决问题的能力。然而，科学家们不能弄清楚为什么计算机得出这样的结论。我们如何让电脑自我解释?

人工智能中的神经网络

在现实中，这样的制度不会存在很长时间，原因有三:

• 硅的无力重新连接本身
• 的连接数大脑中的晶体管数量远远超过现代设备上的晶体管数量(100万亿神经元连接到顶级英特尔处理器上的20亿个晶体管)。
• 在软件中重建大脑的困难

像人脑一样构造的电脑将彻底改变世界。图片由计算机世界

虽然计算机目前还没有自我意识，但有一些程序和算法可以让计算机以类似人脑的方式学习和行为。神经网络习惯于教计算机如何识别物体，识别模式，甚至解决问题，通过输入刺激，记录输出，然后反馈结果(无论正确与否)。与典型的程序不同的是，神经网络没有解决方案，因此必须经过多次迭代学习，才能可靠地完成任务。

神经网络类似于人脑，由简单的单元(类似于神经元)通过连接路径(神经元连接)连接到其他单元。根据反馈和刺激，连接变得有权重，单位调整了阈值水平，类似于大脑神经元的工作方式，随着重复学习，连接变得更强。

阅读更多

• 人脸识别在公共交通中的应用

• 设计用来模仿人脑的计算机

• 谷歌开发神经网络

神经网络解释

当神经网络被创建和实现来解决问题时，它们通常在数据分类方面做得很好。然而，这种系统存在的一个问题是解释他们的回答．

如果向一个人展示各种各样的图像，有些有人脸，有些没有，他们可以可靠地挑选出人脸图像(就像神经网络一样)。当被问及为什么他们选择特定的图像时，典型的回答是“这张图像有一张脸，因为那里有一个人，他有一张圆脸、眼睛、耳朵和头发”。然而，神经网络可以看到这张脸，但却无法解释为什么照片中有这张脸。

然而，用来识别物体和图像的神经网络可以被拆开来查看神经元是如何激活的，这有助于确定结果的解释。例如，一个白色的正方形上画着两只眼睛，可能会导致神经网络说没有脸。如果将该系统拆开，处理眼睛识别的神经元将是活跃的，而其他与特征相关的神经元则是不活跃的。这将表明，网络检测到的特征太少，并得出没有人脸的结论。然而，有一些神经网络几乎相当于黑盒，比如用于阅读文本和手写的神经网络。

神经网络通常隐藏其内部工作原理。图片由科林·马丁·伯内特(CC冲锋队3.0)

总的来说，神经网络和人工智能在涉及诊断的医疗领域提供了有前景的结果。然而，医生需要证据和解释为什么会做出诊断。这就是为什么麻省理工学院的研究人员将提出新的方法，使神经网络不仅提供预测和分类，而且解释为什么他们得出他们的结论。但是，不只是医疗领域对听取计算机的建议感到不安，任何不正确的预测成本很高的决定也需要对该决定作出某种形式的解释。

结论

在未来，无人驾驶汽车的撞车率可能比人类驾驶员低，但人们真的会相信无人驾驶汽车，而不是真正的人类吗?在没有任何证据的情况下，病人会相信电脑的诊断吗?人工智能还有很长的路要走，但神经网络在让人工智能成为现实方面显示出了巨大的希望。然而，除非这些系统能够解释它们的答案和思维过程，否则公众可能会对张开双臂接受计算机控制的系统持谨慎态度。