什麼是人工智慧神經網絡? 神經網絡是怎麼應用到各領域的?|什麼|...

2020-12-05 川北在線網

川北在線核心提示：原標題：什麼是人工智慧神經網絡？ 神經網絡是怎麼應用到各領域的？ 前不久，據華爾街日報報導， Uber在一宗無人車的測試過程中，造成了一名行人死亡的嚴重交通事故，除此之外，環顧我們身邊，蘋果手機的虛擬個人助理Siri有時會無法識別我們在說什麼；某些人臉識別支付

　　原標題：什麼是人工智慧神經網絡？ 神經網絡是怎麼應用到各領域的？

　　前不久，據華爾街日報報導， Uber在一宗無人車的測試過程中，造成了一名行人死亡的嚴重交通事故，除此之外，環顧我們身邊，蘋果手機的虛擬個人助理Siri有時會無法識別我們在說什麼；某些人臉識別支付應用也存在著一些安全問題。這些事件反映出來的一個情況是，目前的AI似乎並沒有足夠的智能，甚至並無法很好地處理從外界獲取的信息。

　　人腦中的神經網絡是一個非常複雜的組織，成人的大腦中約有1000億個神經元，人類至今仍在探索人腦的工作原理。而人們通過對生物神經元的研究和理解，構建了一個模擬人腦的計算模型：人工神經網絡！

　　那麼，人工神經網絡是什麼？人類通過構造神經網絡，能否給AI賦能，使之自我進化？

　　什麼是神經網絡？

　　簡單來說，神經網絡是一種模擬人腦的計算架構；利用神經網絡進行機器學習，則讓計算機不再只是執行命令的機器，而是具有了一定程度上分析判斷的能力。當然，這個能力也離不開海量的數據和高超的計算能力。

　　一個經典的神經網絡一般包含三個層次：輸入層、隱藏層和輸出層。而這三個層分別模仿的是神經元的樹突、軸突和軸突末梢。輸入層接收外部的輸入數據，比如圖片、文本、語音等，通過，隱層抽象數據的通用模式，進而通過輸出層輸出模型的計算的結果。

　　歷史上，科學家還設計過多層的神經網絡，每一層都會對前一層傳來的結果進行再次加工，目的是模擬出一種「深思熟慮」的感覺，但最後發現結果準確度並沒有提高，有的時候還會陷入誤區，就像人容易朝著一個思路越陷越深，最後鑽牛角尖了一樣。隨著技術進步，讓這一問題得到改善。現在，最厲害的神經網絡技術不但已經非常接近人腦，還排除了很多人腦自身存在的低效的思維方式。

　　柯潔在與AlphaGo大戰後，在接受騰訊體育記者的採訪時表示，「我也不敢想像，它居然可以把棋下得那麼強硬，撐得那麼滿，好像好多塊棋扭在一起，那是人類擅長發揮的地方了。跟它下棋會發現它處理得好像比我們人類還好很多，其實那一刻是很絕望的。甚至是那些研發它的人也不知道是怎麼做到這一點的，研發它的人是下不過它的，很多人甚至不懂棋，居然能創造出這麼一個怪物。所以，我 能感受到的是它對形勢的樂觀和自信，而且是 的樂觀和自信，這一點人類是沒有的。再自信也不會像它那麼自信，無論你驗證多少次，它都是不可戰勝的。」

　　神經網絡為何無法實現人類的推理並產生意識？

　　「機器人是否具有意識」一直是人們所爭論的焦點之一，而在這其中，人工神經網絡的技術發展起著重要的作用。對當前的人工神經網絡而言，解決某些特定場景的問題，特別具有優勢，但解決人們習以為常的問題卻非常困難。比如，MIT媒體實驗室研究員joy buolamwini研究文章稱，人臉識別技術針對不同種族的準確率差異巨大，其中針對黑人女性的錯誤率高達35%！

　　中國工程院院士鄭南寧指出，人工智慧研究的一個重要方向，是借鑑認知科學、計算神經科學的研究成果，使計算機通過直覺推理和經驗學習，將自身引導到更高的層次。然而，人腦對真實世界的理解、非完整信息的處理、複雜時空的任務處理能力是當前機器學習無法比擬的，還有人的大腦神經網絡結構的可塑性，以及人腦在非認知因素和認知功能之間的相互作用，都是很難以形式化、公式化的描述。

　　神經網絡是怎麼應用到各領域的？

　　神經網絡雖然缺乏人類解決問題的強大理解能力，但卻可以通過海量的計算從大量的數據中找到一些通用的模式。因此它們作為輔助工具，已經在各行各業，尤其是在多媒體領域體現了自身的價值。

　　手寫數字識別應該是神經網絡最早的商業應用之一。大部分的人都可以輕鬆識別下圖中的手寫數字，但要設計一套電腦程式來識別這些數字，就會發現視覺模式識別的難度。而神經網絡的思想是，利用大量的手寫數字，即訓練樣本，從中自動學習到識別各個數字的規則。而且隨著樣本數量的增加，神經網絡可以學習到更多信息，從而可以進一步提升準確度。目前最好的商用神經網絡已經足夠好到能被銀行用來處理支票，以及被郵局用來識別地址。

　　MNIST手寫數字數據集一覽

　　手寫數字或許有些過於簡單，那麼使用神經網絡發現地外行星，就更能顯示它的能力了。谷歌和德克薩斯大學奧斯丁分校合作，利用上萬顆被標記的恆星數據，訓練了一個卷積神經網絡，訓練結果顯示，神經網絡判別行星的準確率高達96%。然後，研究人員讓這個神經網絡處理2009年到2013年觀測到的670顆恆星的數據集，通過微小的特徵變化，發現了兩個星系存在地外行星的可能性非常高。經過研究人員的驗證，確認了這兩顆新的行星。

　　神經網絡發現的克卜勒-90星系與太陽系的對比

　　近日，美國FDA首次批准了用於檢測糖尿病視網膜病變的人工智慧產品：IDx-DR。這次FDA評估了來自10個初級衛生保健點的900名糖尿病患者的視網膜臨床研究圖像數據，IDx-DR能夠正確識別輕度以上糖尿病性視網膜病變的準確率為87.4%，而正確識別沒有輕度以上的糖尿病性視網膜病變的準確率為89.5%。

　　在目前比較火熱的無人車領域，雖然各大廠商還在研究測試通用的解決方案，但在一些具體的案例上已經有了一些成果。圖森未來使用自主研發的深度學習感知算法，能夠做到讓攝像頭像人眼一樣實時感知行車周邊環境，檢測和跟蹤視野中的各種物體，能夠對可視場景進行像素級的解讀。憑藉視覺高精度定位和多傳感器融合技術，能夠實現高速公路上的無人駕駛，幫助貨運企業降低成本，加快貨運周轉。

　　總之，神經網絡在不斷地影響著生活、醫療和出行，但科研界對它有更多理性的看法。伯克利大學機器學習專家Michael I. Jordan認為，計算機科學仍然是最首要的學科，人工智慧還無法取而代之，而神經網絡只是該領域中仍在發展中的一個部份。

　　「現在要問神經網絡會把我們帶多遠還為時尚早。」最看好神經網絡發展前景的專家題討論成員——OpenAI共同創辦人兼研究總監Ilya Sutskever表示，「這些模型很難理解。例如，將機器視覺作為一種程序真的很不可思議，但現在我們對不可思議的問題都能提出不可思議的解決方案了。」

 

　　無論如何，我們目前正處理人工智慧對社會的變革過程中，它們已經從實驗室過渡到了商業部署。無疑，廣泛的工業領域將受到龐大的數據和數據分析功能的深遠影響。儘管神經網絡還無法實現基本的人類推理和理解力，但它們將是建構人工智慧漫漫長路上所用到的重要工具之一。

 

　　雖然現在神經網絡還無法產生意識，但隨著信息科學、認知科學、神經生物學、心理學等前沿學科和交叉學科的深度融合與不斷發展，人工智慧將會迎來新的發展高潮。

　　

   投稿郵箱：chuanbeiol@163.com   詳情請訪問川北在線：http://www.guangyuanol.cn

相關焦點

  • 神經網絡與人工智慧應用
    到2020年在智能終端、自動駕駛、智能安防、智能家居等重點領域實現神經網絡晶片的規模化商用。到2020年面向雲端訓練的開源開發平臺支持大規模分布式集群、多種硬體平臺、多種算法，面向終端執行的開源開發平臺具備輕量化、模塊化和可靠性等特徵。
  • 人工智慧神經網絡你知道是什麼嗎
    打開APP 人工智慧神經網絡你知道是什麼嗎 企業新聞 發表於 2020-04-09 11:28:47 朋友們， 如需轉載請標明出處：www.captainbed.net 什麼是人工智慧？
  • 人工智慧神經網絡和生物大腦有什麼區別 神經網絡將如何發展
    這個問題困擾著人工智慧科學家和研究人員，在過去的幾十年中，他們一直在嘗試複製人腦的思維和解決問題的能力。創建思維機器的夢想激發了AI領域的許多創新，並且最近推動了深度學習的興起，深度學習AI算法大致模擬了大腦的學習功能。
  • 人工神經網絡在區塊鏈技術中的應用是什麼
    打開APP 人工神經網絡在區塊鏈技術中的應用是什麼 考拉 發表於 2020-01-13 16:17:00 本質上，完全連通層代表一個規則的完全連通神經網絡，該神經網絡的訓練目的是對輸入數據進行分類。全連通層的輸出是一維向量，表示輸入數據屬於某一類的概率。 遞歸神經網絡 許多機器學習問題需要分析數據，在這些數據中可以觀察到單個訓練實例之間的關係。在處理所謂的排序問題時就是這種情況：輸入到網絡中的數據表示數據點的序列（通常稱為「時間序列」）。
  • 什麼是人工神經網絡(ANN)?
    每天使用神經網絡的應用程式有很多，例如Google的翻譯服務，Apple的Face ID iPhone鎖和Amazon的Alexa AI驅動的助手。神經網絡也在其他領域的一些重要人工智慧突破背後，例如診斷皮膚和乳腺癌，讓目光投向自動駕駛汽車。人工神經網絡背後的概念和科學已經存在了數十年。
  • Imagination 的神經網絡加速器在邊緣計算領域的應用
    打開APP Imagination 的神經網絡加速器在邊緣計算領域的應用 發表於 2019-08-08 10:59:51 今天，2019 SiFive Tech workshop在深圳舉行，IC晶片領域的兩百多位設計人員到場參會交流目前最熱門的RISC-V處理器開發，作為SiFive的DesignShare生態系統合夥夥伴，Imagination Technologies不僅在現場演示了最新新神經網絡加速演示，公司高級技術專家李安也發表《神經網絡加速賦能端側智能》介紹了Imagination
  • 人工智慧瓶頸之神經網絡的可解釋探討
    近年來，隨著深度學習，即深度神經網絡的迅速發展，神經網絡模型在自然語言處理、語音識別、計算機視覺等眾多領域獲得突破性進展，取得了令人矚目的成果。然而隨著深度學習技術在多個領域的大量應用，其背後隱藏的安全問題也隨之而來。特別是在醫學診斷、網絡安全、自動駕駛等對安全性有較高要求的領域，深度神經網絡所隱藏的安全風險限制了其自身在更多領域的應用和推廣，引起了政府、學術界及工業界的關注。
  • 神經網絡算法在我國核領域中的應用綜述
    當前，人工智慧的研究熱點是基於深度學習的神經網絡算 法的理論完善和應用拓展。 作為引領未來的戰略性技術，世界主要發達國家均把發展人工智慧作為提升國家競爭力、維護國家 安全的重大戰略，加緊出臺規劃和政策，力圖在新一輪國際科技競爭中掌握主導權。
  • 神經網絡算法原理_神經網絡算法的應用_神經網絡算法實例說明
    神經網絡的用途非常廣泛，在系統辨識、模式識別、智能控制等領域都能一展身手。而現在最吸引IT巨頭們關注的就是神經網絡在智能控制領域中的自動學習功能，特別適合在需要代入一定條件，並且信息本身是不確定和模糊的情況下，進行相關問題的處理，例如語音識別。
  • 人工智慧利用神經網絡來控制機器
    人工智慧利用神經網絡來控制機器,或者是人工智慧根據預定的規則來控制機器.人工智慧可以用於搜索,診斷,預測,監控和機器人等諸多方面.人工智慧為人類提供了創造性解決方案,這個解決方案不僅能創造出改變,同時還能控制它們.世界對於人工智慧抱有非常樂觀的態度,因為它們讓人類工作變得更加高效.然而,智能的出現時間還很短暫,遠沒有到大眾普遍接受的階段.那麼,人工智慧未來的發展方向到底是什麼
  • 人工神經網絡及其應用
    2 人工神經網絡的種類及應用領域2.1人工神經網絡的種類人工神經網絡的模型很多，可以按照不同的方法分類進行分類。其中比較常用的分類方法是，按網絡連接的拓撲結構分類和按網絡內部的信息流向分類。前饋型網絡，前饋網絡通常包含很多層，這種網絡特點是指由前後相鄰兩層之間神經元相互聯接，各種神經元之間沒有反饋，每個神經元可以從前一層接受多個輸入，並只有一個輸出送給下一層的各神經元。這種網絡結構特別適合於BP算法，至今仍得到十分廣泛的應用。
  • 科技:人工神經網絡的進步
    這些重大新故事中的一些與人工神經網絡有關，人工智慧研究中的一個相對較新的現象正在推動從娛樂到醫學等許多領域的各種進步。人工神經網絡依賴於這樣的思想：技術可以使用對應於個體人類神經元和神經元組的小單元來模擬人類大腦的生物學工作，以基於輸入產生輸出。
  • 類腦計算:從神經網絡到真正的人工智慧丨 CCF-GAIR 2019
    在開展動物實驗研究大腦如何工作的同時，他的部分研究興趣轉移動到如何從大腦中找到規律，並把這些規律利用起來，設計出新一代更有效率、智能程度更高的人工智慧系統，也就是我們今天說的類腦計算。他提及，有的人可能會覺得從大腦到人工神經網絡的路途太遙遠，因為這兩者的機制、結構和實現形式都完全不一樣。但從他過去幾年的研究經驗看，他認為這兩者之間有著非常有效的連接和橋梁。
  • 圖靈獎得主姚期智:深度學習、神經網絡、密碼學……人工智慧絕對是...
    7月9-11日，2020世界人工智慧大會雲端峰會在滬召開。本次大會共邀請到海內外近600位重磅嘉賓，涵蓋產學研用多個領域，包括7位圖靈獎得主、1位諾貝爾獎得主、39位院士在內的200多位專家學者以及國內外頂尖人工智慧企業領袖。
  • 人工智慧之卷積神經網絡(CNN)
    前言：人工智慧機器學習有關算法內容，請參見公眾號「科技優化生活」之前相關文章。人工智慧之機器學習主要有三大類:1)分類;2)回歸;3)聚類。今天我們重點探討一下卷積神經網絡(CNN)算法。　　現在，CNN已經成為眾多科學領域的研究熱點之一，特別是在模式分類領域，由於該網絡避免了對圖像的複雜前期預處理，可以直接輸入原始圖像，因而得到了更為廣泛的應用。
  • 人工智慧黑盒揭秘:深度神經網絡可視化技術
    （Deep Neural Network，DNN）作為當前人工智慧應用的首選模型，在圖像識別，語音識別，自然語言處理，計算生物，金融大數據等領域成效顯著。但深度神經網絡又被稱為「黑盒」模型，多層隱藏結構，數據 / 特徵矢量化，海量決策關鍵元等因素讓模型使用者犯難：模型決策的依據是什麼？應該相信模型麼？特別是對於金融，醫藥，生物等關鍵型任務，深度學習模型的弱解釋性成為人工智慧項目落地的最大障礙。
  • 從「神經網絡之父」到「人工智慧教父」|Geoffrey Hinton的傳奇...
    人工智慧領域有三大奠基人，分別是Geoffrey Hinton、Yann LeCun與Yoshua Bengio。本文主要圍繞「神經網絡之父」Geoffrey Hinton。
  • 一份完全解讀:是什麼使神經網絡變成圖神經網絡?
    雖然卷積網絡很難對球面數據進行分類，但是圖網絡可以很自然地處理它。可以把它當做是一個處理工具，但在實際應用程式中會出現許多類似的任務。雷鋒網AI科技評論按：最近，Graph Neural Network（GNN）在很多領域日益普及，包括社交網絡、知識圖譜、推薦系統甚至於生命科學。GNN在對節點關係建模方面表現十分突出，使得相關的研究領域取得了一定突破。
  • 人工智慧之卷積神經網絡
    神經網絡的概念和組成部分人工神經網絡（Artificial Neural Networks，簡寫為ANNs）也簡稱為神經網絡（NNs）或稱作連接模型（Connection Model），它是一種模仿動物神經網絡行為特徵，進行分布式並行信息處理的算法數學模型。這種網絡依靠系統的複雜程度，通過調整內部大量節點之間相互連接的關係，從而達到處理信息的目的。
  • 人工神經網絡的定義
    人工神經網絡的研究，可以追溯到 1957年Rosenblatt提出的感知器模型（Perceptron） 。它幾乎與人工智慧——AI同時起步，但30餘年來卻並未取得人工智慧那樣巨大的成功，中間經歷了一段長時間的蕭條。