标签：输出 品种 思维 学习 通过 另一个 掌握 体系 str
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。
标签：输出 品种 思维 学习 通过 另一个 掌握 体系 str
原文地址：http://blog.51cto.com/astonzhu/2061886
