神经网络与人类思维间

以学习阅读为例。眼睛是这里最重要的感官。孩子们学会阅读要先学习字母，反复看字母，尝试发音并写出来。每次读、说、写都在训练头脑，提高准确性，直到写出完整的字母表。

在神经网络受到相对简单的训练后，孩子会把单词串在一起，现在听觉起主要的作用。当他提到这些作品时，就在这些单词中开启识别模式，26个字母如何不同组合成大量的单词，形成英语。

这种模式识别非常重要，可帮助孩子识别人脸、动物或玩具。成年人的模式识别变得非常强大，他们接受了大量训练，处理海量数据帮助他们识别周围的模式。根据经验预测是否会下雨，根据记忆和经验预测事件结果都是模式识别。福尔摩斯发现商队里的莫里亚蒂教授，是因为他的袖子上有粉笔灰尘，这也是模式识别。神经网络有一个输入层，数据通过它理解和处理的模型形式进入网中。然后数据传递到隐藏层进行训练，权重发生变化，最后输出层给出了一个预测，无论区分出它是猫还是狗，还是根据学过的单词完成一个句子。

由于我们把人类思维比作一个巨大的神经网络，只有当这个网络也有一个输入层时，它才是清楚的。视觉、听觉、触觉、味觉和嗅觉五种感官构成了输入层到大脑中。

视觉是所有五种感觉中最重要的，因为最大的数据变化就来自于这种感觉。训练神经网络最好的数据集合要包含不同类型的数据和示例，而不止是一种数据。只有一种数据会导致模型过度拟合，这意味着当数据源于经受训练过的同类，可能会给出正确的结果，但是当数据偏离训练数据规范时，精确度便受到威胁有训练神经网络经验的人认为，训练一个简单的网络相对容易，但随着增加更多神经层，让数据和终端输出更加复杂，学习速度就会减慢。童年是学习一项新技能的最佳时机，因为与成年人相比，他们的神经网络更简单，大脑没有受过训练，因此更容易将神经元弯曲到你的意愿上。

当孩子长大后，随着任务变得复杂，学习也变得困难。例如，解决棘手的问题、做出决策和判断就是复杂任务，即便我们成年人也没有停止学习和发展。大脑一直在学习，那么这种学习到底是如何发生的呢?

答案是——大脑重塑自己。就像神经网络中神经元之间的权重和连接发生变化一样，大脑也改变了数十亿神经元的连接，为了让复杂的神经网络不仅保留之前接受的训练，还能在此基础上再接再厉，提升最终过程的复杂性。

正如你在阅读这篇文章的时候，你大脑中的每个神经元都在改变自己，改变它与数十亿其他神经元的联系，在你自出生以来获得的经验的基础上增加经验。这就是学习的方式。每次你在学习，大脑都会重塑自己，这个过程就像训练神经网络一样。当你开始在谷歌上输入时，浏览器怎么就已经猜到你在找什么呢?移动相机又如何在我们称为照片的微小像素海洋中识别人脸呢?像Alexa、Siri或Google Home这样的虚拟助理如何实现复杂的任务，例如安排会议、获取天气信息、阅读睡前故事等呢?

所有这些问题的答案正是机器学习，更具体地说，是神经网络。

（编辑：鹰潭站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!