人工智能—人工神经网络

人工智能—人工神经网络

 

摘要 人工神经网络(Artificial Neural Networks, ANN),人工智能的重要组成部分,是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。

关键字 人工智能,人工神经网络,神经元

 

引言 在计算机技术与网络技术高速发展的今天,更多的人将目光投向了人机交互与人工智能,这样的聚焦促使了人工智能的快速前进,在现今生活的方方面面,像专家系统,模式识别,数字图像处理等这些智能化的技术系统都分别应用在了医学,人类学等研究中,为人们带来了更大的便利。

 在人工智能的研究中,牵扯到非常庞大的学科知识,像生物学,心理学,仿生学等等,就个人对人工智能这一词语的字面理解,本人认为:人工智能的终极目标就是将机器改进成可以与人们进行互动,进行交流,达到思想上的拟合。当然这与人机交互还是有非常大的区别的,人机交互的人机交流仅仅是停留在界面与人心理适应程度的契合上,通俗的说,人机交互就是只是做了表面的功夫,还是要人类去告诉机器要怎么样做,去亲自操作更种功能。而人工智能的目标是将机器改进成就像人与人之间一样,人与机器可以就疑难问题进行讨论,模拟,测试,最终得出正确的结论。这样的话,就要将机器根据人脑中的神经构造来进行改进,从而达成目标。

现在我们就来进一步的讨论人工神经网络在人工智能中的作用。

首先,我们需要先了解什么是人工神经网络。

人工神经网络跟人脑的神经网络有密不可分的关系。脑是人体的中枢神经系统。外界环境以声、光、热化学分子等形式的信号,作用于人的感觉器官,形成听觉、视觉、嗅觉和触觉。感觉器官接受到的信号,以串并联的方式,将信号传至大脑;人工神经网络就是模拟人思维的第二种方式,这是一个非线性动力学系统,其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单,功能有限,但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。本质是通过网络的变换和动力学行为得到一种并行分布式的信息处理功能,并在不同程度和层次上模仿人脑神经系统的信息处理功能 

其次,为什么机器不能像人类一样思考和联想记忆

1、现今的计算机都是遵循冯诺依曼原理,其信息的存储和处理是分开进行的,其处理的信息必须是形式化的信息也就是二进制代码,没有办法更加丰富的处理现实生活中如此之多的状况。

2、现实中的计算机的运算必须是串行的,它更适合数值和逻辑运算。没有办法并行的解决问题。

3、机器的串行结构使它不能像人类一样进行记忆式的搜索和意识反馈,所以就无法进行广泛式的跳跃性问题研究。

再次,人工神经网络为什么可以改进计算机使之向类人类式思想方法转化

1、就如同人类的脑神经由无数多个神经元组成一样,一个神经网络通常由多个神经元广泛连接而成。一个系统的整体行为不仅取决于单个神经元的特征,而且可能主要由单元之间的相互作用、相互连接所决定。通过单元之间的大量连接模拟大脑的非局限性。从而可以使得机器具有联想记忆的能力。这样的进行广泛的搜索和链接。

2、人工神经网络是并行式分布系统,采用了与传统的和信息处理完全不同的机制,克服了传统的基于逻辑符号的人工智能在直觉和非结构化信息方面的缺陷。相当于统筹法的平行作业法。其特别是用一定的空间复杂性来有效地减低时间复杂性。如果我们将现行计算机按串行顺序执行已编程序的解题方法比拟为排队投票来决定问题的话,那么,神经网络的信息处理方式就相当于众多神经元举手表决,因而能以迅速得多的方式作出判断或求得解答。
3、信息处理和信息存储合二为一。神经元既是信息处理单元,又是信息存储单元。信息处理的结果,反映在突触连接强度的变化上,作为神经元间连接键的突触,既是信号转换站,又是信息存储器。这种信息处理和存储的合一,使人在思考和回忆事情时,就用不着像现行计算机那样先找存储地址,而后再提取存储内容。也正是由于这个特别,人脑在回忆问题时,具有从部分信息恢复全部信息的能力。
最后,利用人工神经网络系统所要达到的目标

人类在现实生活中所遇到的问题是随机的,所见到的环境和所听到的语言声响都是模糊的,人类对于这些问题的解决都是通过大脑神经元的之间的突触介质的化学传递来综合解决的,脑神经网络可以根据外界环境输入信息,改变突触连接强度,重新安排神经元的相互关系,从而达到自适应于环境变化的目的。

现在智能所要努力的方向就是像人类脑神经组织一样,利用人工神经网络中的模拟神经元使得机器的人类化更进一步。

参考文献

《人工智能与专家系统》  尹朝庆 尹皓 著    中国水利水电出版社

《人工神经网络技术及应用》陈祥光 裴旭东 著   中国电力出版社

《环球科学》2007年第一期《神经语言:老鼠胡须下的秘密》

 

    原文作者:神经网络
    原文地址: https://www.cnblogs.com/luxiaofeng54/articles/1917250.html
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞