人工智慧這個詞，從誕生到一路坎坷地迎來輝煌，就註定與“模擬”緊密相連。

　　1956年，在新罕布什爾州達特茅斯學院的一次小型會議上，赫伯特西蒙、約翰麥卡錫、克勞德夏農等AI界的開山鼻祖們，就提出了“智慧的任何特徵，原則上都可以精確描述，因此我們可以製造機器來對它進行模擬”。

　　當代也有不少科學家堅信，觀察研究人類大腦，可以輕鬆解決新一代人工智慧的設計問題。2013年，歐盟牽頭、26個國家135個合作機構參與的“人類腦計劃”(Human Brain Project，簡稱HBP)也將重點放在了，如何通過超級計算機技術來模擬人腦功能，以期實現人工智慧。

　　聽起來，模擬人腦的思維路徑，在此基礎上進行推理運算，得到新的知識、判斷，似乎是AI從誕生到進化的必由之路。

　　然而，遠有日本雄心勃勃打造的能像人一樣推理的“第五代計算機”宣告破產，近有耗時10年、燒光10億歐元試圖模擬大腦的“藍腦計劃”(Blue Brain Project)徹底涼涼，連一個蠕蟲的大腦都沒模擬成功。

　　這不禁讓我們有些疑惑，AI與模擬大腦之間，到底存在著怎樣複雜糾結的聯絡?

　　從熱戀到冷落：模擬大腦如何成為AI的備胎

　　先解釋一下，雖然都是對大腦智慧的“模擬”，但不同人工智慧學派的理念卻各不一樣。

　　符號主義學派主張模擬人腦的邏輯思維。先把問題或知識表示為某種邏輯結構，運用符號演算，從而實現表示、推理和學習等功能，典型代表就是專家系統。

　　聯結主義學派則主張模擬人腦的生理結構和工作機理。通過人腦神經網路、神經元之間的連線以及在神經元間的並行處理,實現對人腦智慧的模擬。現在街知巷聞的神經網路演算法，就是這一理念的成功應用。

　　而行為主義學派則主張直接模擬智慧行為的感知和動作模式。不要考慮複雜的知識、表徵、推理等等，讓AI在現實世界中通過自動控制過程與環境互動作用表現出來就好。

　　當然也有像瑞士神經科學家Henry Markram主導的“藍腦計劃”一樣，試圖用計算機建立複雜的數學模型，用來模擬人腦的86億個神經元和100萬億的突觸，以幫助研發出更智慧的機器人。

　　在當時來看，所有模擬理論或多或少都有一些問題。比如符號主義很難說清楚，數字模型與人類心理相似性上的關聯;聯結主義智慧粗略地模擬神經系統，如果訓練多層網路使用的路徑，就很難找到與之對應的生物學知識和匹配的硬體。行為主義只能實現低層智慧，比如讓機器蟲爬來爬去，而復刻一個數字化大腦就更不現實了，因為想要從細胞層面構建人腦模型、模擬860億個神經元的運作與相互關聯，以今天的腦科學水平註定只是白花錢。

　　所以，現實中的人工智慧，正如圖靈說所，唯一需要做的事就是找到腦內執行的程式，獲得正確的智慧演算法，然後在合適的硬體上執行它。

　　而時代的幸運兒就是深度學習。模擬人腦神經網路工作機制的深度學習方法，乘著網際網路的東風直上青雲，成為最適合將智慧程式與演算法下沉到社會機器上的核心技術。

　　大連看婦科哪裡好 mobile.0411fuke.com

　　大連好的婦科醫院 mobile.bohaink.com

　　在感知層面，利用現代計算機算力的提升，以及網路資料量的暴漲，讓深度學習通過大規模資料集與訓練來獲得資料模型成為了可能。

　　而在讓機器“看起來智慧”的核心推理能力上，深度學習也展現了足夠強大的進步。主要體現在兩個方面：一種是判別事物。在已知屬性的條件下，讓機器對某個事物進行判斷與分類，比如找出垃圾郵件或攻擊性語言，亦或是從影象、視訊中識別出某種