大脑神经网络构建

1943年McCulloch和Pitts发表“神经元数理逻辑模型”，开创了人工神经网络算法。它的基本思想是通过模拟大脑皮层神经网络的结构特征来复现智能。因此被后人称为“结构主义”方法。人工神经网络作为结构主义的代表，已经发展得相当好，目前被广泛地应用在模式识别、专家系统、机器人控制等相关领域，都发挥了重要的作用。

人工神经网络（Artificial Neural Networks，ANNs）也简称为神经网络（NNs），它是一种模拟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［3］。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接关系，从而达到处理信息的目的。神经网络对人工智能是一个进步，它的基础是建立在真正的神经网络上，大脑是有神经元组成的，神经网络的研究者希望通过对神经元相互作用的研究让智能不可捉摸的特性变得清晰，并且希望通过复制众多神经元之间的连接，让一些令人工智能束手无策的问题得以解决。神经网络不同于计算机，它没有CPU，不能对信息进行中央存储，整个网络的知识和记忆都分布在所有的连接之上，像真正的人类大脑。

神经网络模仿人类的神经元建立如图7．2．1和图7．2．2所示模型:

图7．2．1　人工神经网络的神经元模型

图7．2．2　神经元

上述两个图中，左边是人工神经网络的神经元模型，而右图是真正的神经元，它们的共同点是都有很多输入，同时都汇聚到一点，然后再将信息传送出去。神经网络模型如图7．2．3所示。

图7．2．3　神经网络模型

通过这种人工网络模型来模拟真正的大脑模型，我们使用圆圈来表示神经网络的输入，标上“＋1”的圆圈被称为偏置节点。神经网络最左边的一层叫作输入层，最右边的一层叫作输出层（本例中，输出层只有一个节点）。中间所有节点组成的一层叫作隐藏层，因为我们不能在训练样本集中观测到它们的值。同时可以看到，以上神经网络的例子中有3个输入单元（偏置单元不计在内），3个隐藏单元及一个输出单元。这种网络已经与真实的大脑模型相似。在这种模式下，信息是通过神经元上的兴奋模式分布存储在网络上，信息处理是通过神经元之间同时相互作用的动态过程来完成的。神经网络通过模拟大脑的方式取得了很大的成功，但是它依然存在很多不足之处。

对于真实的大脑，输入的是大量的不断变化的信息流，大脑不停地处理这些信息流。而人工网络目前只能处理一些静止不动的模式，与真实的大脑还相差很远。大脑中还存在很多的反馈信息，而且反馈信息比正常的信息要大一个数量级，对于人工神经网络不存在任何的反馈。人类目前对大脑的了解还不足，而神经网络只是模拟大脑仅仅一小部分最简单的功能和结构。

神经网络仅仅是结构主义研究者的一个开始，人类对大脑的探索还继续进行着。正如《人工智能的未来》一书的作者杰夫·霍金斯（Jeff Hawkins）所说的那样“真正认识人类大脑是开发智能机器的必由之路”［4］。根据人类目前对大脑的研究，人类已经认识到大脑重1．4千克左右，由140亿个神经细胞组成，大脑分为两个半球，左半球支配人体的右侧，右半球支配人体的左侧，90%的人的语言中枢位于左半球，左半球倾向于按顺序处理信息，还能从事分析性的工作；右半球逐步习惯同时处理信息，具有较强的形象思维和观察的能力；两个半球之间存在两亿条神经纤维并以每秒40亿个神经冲动的速度传递信息。同时认识到大脑皮层在调节技能上起着主要的作用，并根据皮层的不同，分为3类机能区:皮层感觉区、皮层运动区和皮层联合区，大脑皮层虽有不同的区域之分，但是整个皮层结构是一个协同整合的机能系统。

上面讲了人类大脑的结构，在这里我们讲述一下大脑内部人的思维是如何运行的。在《人工智能的未来》一书中，描述了一种记忆—预测模型，这一模型的特点是我们的大脑时时刻刻都在用过去的记忆预测下一步将要发生的事情，并与外界输入的信息进行对比，正是因为如此，我们才拥有智能。有的记忆并不是与生俱来，而是后天学习而来的，在后天的学习过程中，我们在大脑中不断地为新事物建立模型或者修正事物在大脑中的原有模型，这样对于很多事物我们都建立相应的模型，这就是这些事物在我们大脑中的恒定表征。这种识别方式远优于计算方式，大脑并非储存的是事物的图像而是世界的本质。当我们通过感觉器官如眼、鼻子等输入外界信息的时候，我们就根据输入信息的恒定表征去预测信息的别的特点。例如，你看着某个人的眼睛，这些信息通过你的眼睛感官上传到大脑皮层，由下而上，细节构成整体，过去的记忆形成的关于“眼睛”的模式让你知道你看到的是眼睛。这个过程不是单向的，同时，你的大脑皮层做出预测，“哦，往下看我应该可以看到这个人的鼻子，往上看应该是额头”这样的预测从上往下传递，并且配合你的感官器官得以验证。所谓智能就是这样一个不断验证记忆中的“模式”（或者称为“恒定表征”）不断做出预测的过程。

那么在此模式下面什么是意识、创造力和想象呢？意识在这种模式下本质上是基于记忆—预测模型的陈述性记忆，意识不断地从记忆模式里面提取出关于时间的记忆序列。创造力虽然看似很神奇，但是在这种记忆—预测模式下面。当我们精通一样技艺之后，在我们的大脑就会形成关于这项技艺的方方面面的“模式”，当需要去学习新的一项技艺的时候，这可能会激发我们对相似的场景的模式记忆，类比而去解决问题。这样的行为就是创造力。对于想象，则是新大脑皮层对输入的信息与长期训练形成的“恒定表征”相验证，同时不断地去预测，预测从皮层较高层次往下传递。如果将预测的传输方向倒转，也就是将预测作为输入，显然，这就是想象。想象其实就是策划，不断对行为产生的后果进行预测。基于以上的理论，杰夫·霍金斯认为人们可以制造出真正的人工智能。

不论是神经网络还是杰夫·霍金斯关于人类大脑的理论，或者是人类不断地对人类大脑的探索，应用的这些方法都是基于结构主义的，目前在结构主义发展的路上，人类对大脑尚未正确地认识并且将需要更多的时间，结构主义依然存在很多的障碍，实际的研究进展却越来越明显地面临着“进退两难”的尴尬局面:一方面，若是向人脑神经网络的目标前进，就会面临“规模太庞大，规则太奥妙，无法企及”的巨大困难；另一方面，若是向着工业可实现的人工神经网络后退，却又面临着“智能水平几近消失”的境地。真可谓“前进不得，后退不能”，一时还难以找到突破难关的良策。但是目前看来结构主义的研究具有光明的前景，并且真正有可能制造出真正的人工智能。