寒假开始了，科普中国特别推出了关于科技与人工智能（AI）的系列科普内容，希望可以深入浅出地介绍这些前沿技术的奥秘。
从基础概念到实际应用，从历史发展到未来趋势，在这里孩子们可以领略科技的魅力，了解科技如何塑造我们的世界。
欢迎大孩子、小孩子一起观看哦~
人工智能已经渗入我们生活的方方面面。如今，我们所使用的绝大多数人工智能产品背后，都要离不开一项重要的技术——人工神经网络。但有意思的是，人工神经网络在诞生之初并不被看好，还经受了二三十年的冷遇。今天我们就来聊一聊，人工神经网络背后的故事。
人工神经网络的诞生与困境
在计算机刚刚诞生的时候，人们对其有着很多美好的憧憬，希望它们能代替人类思考，成为人类的“第二大脑”。
当时有两种主要的想法。
一种想法认为，人类的推理，例如因果关系、三段论、归纳推理等等，都可以写成对应的数学符号形式。所以，只要让计算机掌握这些符号推理背后的规律，就能模拟人类的思考。这种想法，是人工智能领域里的符号学派的代表，他们强调知识库与逻辑推理。
而另一种想法则认为，我们需要模拟人类大脑的基础结构，进而模拟人类思考。这是人工智能领域另一个重要学派的主要观点，这一学派被称作连接学派。
人类大脑，其实是由许许多多的神经元细胞构成的。每个神经元进行的操作都很简单，例如接收信息、加工处理和输出新的信息。模拟一个神经元并不难，如此推论，在计算机中建立起许许多多的神经元，让它们形成一个类似大脑的网络，不就能模拟人类复杂的思考了吗？
图库版权图片，转载使用可能引发版权纠纷
按照这个思路，1946 年，沃伦·麦卡洛克和沃尔特·皮茨两位科学家提出了“人工神经网络”的概念。1956 年，第一个人工神经元就此诞生。这个神经元叫做感知器，能够根据输入的信息给出简单判断。
假如我们判断一个苹果的品质好还是不好，会考虑几个方面的因素：大小、颜色、香味、甜味。
把这几个方面的评分输入进来，感知器就能够根据评分给出判断。当然了，感知器能够给不同的特征赋予不同的权重，比如大小没那么重要，赋予 0.4 权重；颜色好看比较重要，赋予 0.6 权重，气味和甜味都很重要，分别赋予 0.8、0.9 的权重。经过计算，感知器就能迅速完成对苹果好坏的判断。
但这样的感知器模型太简单了，它只能做一些简单的分类，当时的人们并不觉得它能帮计算机实现什么思考，人工神经网络遭遇了寒冬。
在这期间，人们尝试着增加神经网络中的层数。比如在前面评价苹果的例子里，可以增加几个隐藏层，有的隐藏层更多地考虑外观，提高大小颜色的权重，有的隐藏层着重考虑味道，对香味、甜味权重比较高。人们希望通过这种方式让神经网络做出更好的判断。
但这依然没有改变神经网络受冷落的命运，直到 20 世纪七八十年代，反向传播算法出现了，人工神经网络也一下子突飞猛进。
反向传播算法的突破
什么是反向传播算法？我们继续以苹果分类为例看一看。
假如把某个苹果的几项参数输入进去之后，神经网络给出的结果是“好苹果”。但实际上，我们认为这是“坏苹果”。通过反馈，我们把正确结果告诉神经网络，神经网络会自我反思，调整各项权重，直到输出正确的结果。我们将“倒推并调整权重”的过程，称为反向传播。
有了反向传播算法，人工神经网络就不断自我调整优化，得出更加可靠的结论。再配合先前增加隐藏层的步骤，神经网络就能处理非常复杂的问题了。
如此一来，造就了我们习以为常的各种便利。比如：手机 App 从我们历史的数据中学习，寻找我们可能感兴趣的视频；自动驾驶根据大量的图片训练，认出哪里是道路，哪里是行人；语音助手通过神经网络，识别出人们说话的意图。
技术的发展就是这样出人意料，谁都没有想到，一项被冷落了几十年的技术，竟然能够起死回生，在生活中发挥出这么重要的作用。
策划制作
本文为科普中国-创作培育计划作品
出品｜中国科协科普部
监制｜中国科学技术出版社有限公司、北京中科星河文化传媒有限公司
作者丨北京云御纪文化传播有限公司
审核丨秦曾昌 北京航空航天大学 自动化科学与电气工程学院 副教授
策划丨符思佳
责编丨符思佳
本文封面图片及文内图片来自版权图库
转载使用可能引发版权纠纷
原创图文转载请后台回复“转载”
点亮“在看”
一起涨知识！
