第一堂课：感知器与EBP神经网络.docx

本节课介绍智能信息处理领域的另外一种思想：在连接主义下信息处理与信息应用的方法。而连接主义在智能信息处理领域集中体现在人工神经网络技术。所以我们利用两节课的时间学习人工神经网络技术。首先，我们给大家一个概况，为什么要提出人工神经网络技术，为什么人们提出人工神经网络技术？这是因为在很早以前，一些思想家，包括一些哲学家开始探讨人的智慧到底是从哪里来的，人类的知识又是怎样获取和传承的。逐渐地，人们意识到大脑是人类知识的载体，是智慧的源泉。随着近代生物学、医学、神经科学、心理学、脑科学的发展，逐渐揭示了大脑的奥妙。人类的大脑是由一千亿个神经细胞组成的，其中有一百亿个神经细胞具有信息处理加工功能。这一百亿个神经细胞之间大概存在着六亿兆个连接。也就是说，每个神经元平均要与六千多个其它的神经元存在着连接和信息的交换。所有的神经元形成了大脑皮层，并在大脑皮层上面形成了复杂的网络结构。这样，神经元和大脑皮层的复杂结构就构成了智慧的、智能的物质基础。大脑在皮层结构的基础之上又形成了分区和褶皱，使得其功能可以得到进一步的拓展。通过深入的研究发现，人类的大脑皮层可以分为六个层次，最重要的信息处理层位于最外一层。所以这就是由一定量的神经元共同兴奋或抑制等一些集体效应会在大脑外表面上产生微弱的电信号改变的原因，这种信号被人们称之为脑电波信号。现代神经科学和脑科学开始采用测量脑表面信号的方法对人的大脑的功能进行一定的评估。发现人的大脑的某些区域在特定任务下应该被激活，如果没有被激活，说明这些脑区存在一定的功能障碍。由此能对大脑受到的损伤和大脑的一些疾病做出准确的判断。在医学上以及脑科学研究上已经成为了经典和普遍的诊断方法。一百亿个负责信息加工处理的神经元细胞，可以划分为五六十种不同的形态，其中最常见的是一种三角形的神经元细胞，我们称之为锥形细胞，在下图中，我们可以看到锥形细胞的形态：（图片）锥形细胞在大脑神经元细胞中的信息处理功能最为显著，所以也是人们研究最多的神经元细胞。人的大脑和我们现在常用的信息处理设备相比还有一些显著特点，比如说大脑的体积较小，重量在两公斤左右。但是其可以完成的智能的活动和功能却是不可小觑的。例如蝙蝠的大脑，体积非常小，却可以通过发射和接受超声波进行自身的导航和定位。可以说蝙蝠微小的大脑操控了一个非常精密的声呐系统，完成了整个飞行过程中的导航和控制，这是令人类非常惊奇的。再比如蜜蜂的大脑只有一立方毫米，包含一百万个神经元，这些神经元支配着蜜蜂可以完成一些高级的活动。蜜蜂的飞行、导航、定向全部由大脑完成。而且可以通过舞蹈在同伴之间进行交换信息，它通过翅膀震荡的频率和一种划“8”字形的舞蹈来传递给其他蜜蜂蜜源的位置信息。科学家深入研究蜜蜂大脑的信息加工能力时发现，当给蜜蜂看各种各样的图片时，发现蜜蜂对放射状的图案非常感兴趣，加工处理能力特别强，可以从非常复杂的图案中辨别出放射状图案。而且蜜蜂可以记住七以下的数字。从能耗方面，大脑也是非常惊奇的，有人做过估计，人的大脑如果折算成以秒/操作为单位，大概消耗10-16J，而计算机以相同的单位换算，需要消耗10-6J。所以计算机的能耗是人类大脑能耗的1010倍。如果将笔记本的能耗降低到大脑能耗的程度，那么现在可以用3个小时的锂电池未来可以用三百多万年。如果能将现在电子设备的能耗降低到大脑的程度上，将是非常环保的。除了以上一些大脑的功能外，人的大脑的工作速度确实出奇的慢，大脑神经元的工作节拍在毫秒级，而半导体设备的工作节拍在纳秒级。所以从这个角度说计算机的工作速度是人脑的十万倍到百万倍。但是人能够完成感知任务，例如当你发现一个物体快速向你飞来，你下意识躲避的时间只有几百毫秒，而目前对计算机来说是很难的。而且人可以在几百毫秒之内完成非常复杂的信息加工任务，包括视频和音频的加工，而计算机在相同的时间内是做不到的。所以人的大脑从功能角度讲是目前电子设备不能相比的。 人工神经网络研究的目的就是运用物理化或者工程化的方法对生物大脑进行工程上的抽象和模拟，重点是想通过神经元以及神经细胞之间的连接关系，大量神经元之间协同工作原理的一种模拟，能够最终完成大脑信息处理在工程上的一个模拟和实现。期望将人工智能在计算机上进行浮现，这涉及到对人脑的高度抽象和理论化概括，这种高度的抽象和理论化概括需要高度的智慧和非常的灵感。如下图：（图：几头牛）最后两幅图，类似于古人的壁画，是对现实世界的抽象刻画。这些都是毕加索的画，把它们排在一起，你就会看到毕加索是怎样将一个形象的事物经过高度的概括而形成抽象的事物。那么人工神经网络是怎样概括生物神经网络和生物神经元的呢？我们首先给出人工神经网络的定义：人工神经网络是使用大量简单的、非线性的信息处理单元，通过它们之间高度复杂的连接构成一个具有自组织、自学习能力的系统。通过实践分布的、并行的处理和表达信息，达到对生物信息系统的一个工程模拟。这样的一个神经网络的定义中，强调了以下几个概念：（1） 由大量简单的非线性单元连接而成。（2） 具有自学习、自组织能力。（3） 分布式并行处理。因此，神经网络成为了一个非常强大的信息处理工具，特别适用于数据的智能信息处理和智能分析。包括知识的获取、物理规律的发展和预测、模式识别、数据分析和建模。那么为什么要提出人工神经网络技术呢？用其他的方法不可以完成以上任务吗？是因为一般情况下，问题都会呈现以下几种特点：（1） 找不到专家或者代价非常昂贵。（2） 系统面临着繁多的数量，人们无法处理。（3） 复杂任务，无法编程实现。比如车辆自动驾驶、自动导航、语音识别、生物特征识别等任务。（4） 太复杂的过程人们无法表述。包括复杂的自然过程、实际的