彭驛茹

摘 要 人工智能在廣義上分為以下兩方面：知識(shí)推理和知識(shí)決策，相對(duì)應(yīng)的技術(shù)分別為知識(shí)圖譜技術(shù)與人工神經(jīng)網(wǎng)絡(luò)技術(shù)。文章對(duì)人工神經(jīng)網(wǎng)絡(luò)的歷史進(jìn)行了回顧，引進(jìn)了幾個(gè)較為經(jīng)典的人工神經(jīng)網(wǎng)絡(luò)的算法，并在此基礎(chǔ)上論述了其影響。最后，對(duì)人工神經(jīng)網(wǎng)絡(luò)的前景做出了評(píng)斷。

關(guān)鍵詞 人工神經(jīng)網(wǎng)絡(luò)；BP算法

中圖分類號(hào) TP2 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1674-6708（2018）222-0129-02

以一己之力戰(zhàn)勝兩位世界級(jí)圍棋高手李世石及柯潔的Alpha Go的橫空出世，不僅僅吸引了相應(yīng)人才從事此方面的研究，更顯示了其的巨大潛力。而Alpha Go能戰(zhàn)勝這兩位圍棋中頂級(jí)選手，與其采用了人工神經(jīng)網(wǎng)絡(luò)不無(wú)關(guān)聯(lián)。而人工神經(jīng)網(wǎng)絡(luò)是一門結(jié)合了眾多學(xué)科的內(nèi)容而發(fā)展起來(lái)的一門新的信息處理學(xué)科。

1 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史

1）起源。人工神經(jīng)網(wǎng)絡(luò)最初是由科研工作者根據(jù)生物神經(jīng)網(wǎng)絡(luò)的特點(diǎn)而創(chuàng)造出來(lái)的一種可以進(jìn)行簡(jiǎn)單信息處理的模型。生物神經(jīng)網(wǎng)絡(luò)（Biological Neural Networks）以神經(jīng)元為骨架，通過(guò)神經(jīng)元彼此之間的連結(jié)形成了一個(gè)完整的能對(duì)所給刺激產(chǎn)生反應(yīng)的系統(tǒng)。人工神經(jīng)網(wǎng)絡(luò)就是類比生物神經(jīng)網(wǎng)絡(luò)的這個(gè)可以進(jìn)行信息處理的原理而制造出來(lái)的。用節(jié)點(diǎn)替代神經(jīng)元，且每個(gè)節(jié)點(diǎn)代表一種固定的函數(shù)，節(jié)點(diǎn)之間彼此聯(lián)接形成一個(gè)龐大的網(wǎng)狀系統(tǒng)，可處理一些信息。綜合人工神經(jīng)網(wǎng)絡(luò)的起源、特點(diǎn)及定義，它可以用這樣一句話概括：人工神經(jīng)網(wǎng)絡(luò)是一種信息處理系統(tǒng)，目的在于模仿人類大腦的相應(yīng)結(jié)構(gòu)及其相關(guān)功能[ 1 ]。

2）摸索階段。歷史上第一個(gè)提出人工神經(jīng)網(wǎng)絡(luò)設(shè)想并藉此制造出了第一個(gè)模型的是心理學(xué)家W.S.McCulloch和數(shù)理邏輯學(xué)家Wapitis。他們提出的模型就是MP模型，而MP模型的建立不僅證明了單個(gè)神經(jīng)元執(zhí)行邏輯功能的可行性，還帶來(lái)對(duì)人工神經(jīng)網(wǎng)絡(luò)研究的熱潮。因此W.S.McCulloch和Wapitis被后來(lái)者尊稱為人工神經(jīng)網(wǎng)絡(luò)研究的先驅(qū)。但是當(dāng)時(shí)的人工神經(jīng)網(wǎng)絡(luò)只是一個(gè)胚胎，甚至只能說(shuō)是一個(gè)大膽的猜想，缺乏相應(yīng)的理論支持。

50年代末，F(xiàn)·羅森布拉特提出并設(shè)計(jì)了感知機(jī)。60年代初，Windrow提出了一種自適應(yīng)線性元件網(wǎng)絡(luò)，這兩項(xiàng)工作第一次將人工神經(jīng)網(wǎng)絡(luò)的研究成果應(yīng)用到實(shí)踐中[7]。而他們的成功也激勵(lì)了其他眾多科學(xué)家，提高了他們對(duì)人工神經(jīng)網(wǎng)絡(luò)的研究興趣。但是當(dāng)時(shí)有學(xué)者指出感知機(jī)本身存在問(wèn)題，且該問(wèn)題的不可解決性，再加上當(dāng)時(shí)正值計(jì)算機(jī)高速發(fā)展、各種研究成果競(jìng)相發(fā)表的時(shí)期，眾多科學(xué)研究者紛紛轉(zhuǎn)向計(jì)算機(jī)的研究，因此人工神經(jīng)網(wǎng)絡(luò)的研究被擱置。人工神經(jīng)網(wǎng)絡(luò)的發(fā)展也停滯不前。

3）高速發(fā)展階段。1982年及1984年，美國(guó)加州工學(xué)院物理學(xué)家J.J.Hopfield先后提出了Hopfield神經(jīng)網(wǎng)格模型與連續(xù)時(shí)間Hopfield神經(jīng)網(wǎng)絡(luò)模型，這兩項(xiàng)研究解決了感知機(jī)所存在的不能解決高階謂詞的問(wèn)題，為人工神經(jīng)網(wǎng)絡(luò)的研究提供了一個(gè)新思路。隨后，一些學(xué)者提出了玻爾茲曼模型。這三項(xiàng)研究不僅為人工神經(jīng)網(wǎng)絡(luò)的發(fā)展做了開(kāi)拓性的研究，更是使人工神經(jīng)網(wǎng)絡(luò)這個(gè)備受冷落的研究項(xiàng)目重新回到科研人員的視野中。也正是有這些科學(xué)工作人員的一個(gè)又一個(gè)的研究成果，才能令人工神經(jīng)網(wǎng)絡(luò)從原本不被重視的狀態(tài)扭轉(zhuǎn)為當(dāng)時(shí)備受人們追捧的狀態(tài)。

1991年，Aihara等基于之前的推導(dǎo)和實(shí)驗(yàn)，提出了一個(gè)混沌神經(jīng)元模型。1997年，Hochreiter和Schmidhuber提出了長(zhǎng)短期記憶網(wǎng)絡(luò)。等等，諸如此類的研究的提出，足以論證人工神經(jīng)網(wǎng)絡(luò)發(fā)展的迅猛及其科學(xué)研究熱潮的來(lái)臨。

2 人工神經(jīng)網(wǎng)絡(luò)的理論算法

1）BP網(wǎng)絡(luò)。1986年由Rumelhart和McClelland為首的科學(xué)家們給出的BP神經(jīng)網(wǎng)絡(luò)算法雖然存在一些缺陷，但是BP算法理論依據(jù)堅(jiān)實(shí)、推導(dǎo)過(guò)程嚴(yán)謹(jǐn)?shù)忍攸c(diǎn)，還是讓BP算法成為人工神經(jīng)網(wǎng)絡(luò)算法中較為經(jīng)典的，也是使用最普遍的神經(jīng)網(wǎng)絡(luò)模型之一[6]。

傳統(tǒng)的BP算法本質(zhì)上是一種學(xué)習(xí)方法，它將一組樣本輸入/輸出問(wèn)題轉(zhuǎn)換為非線性優(yōu)化問(wèn)題，并通過(guò)負(fù)梯度下降算法通過(guò)迭代操作解決權(quán)重問(wèn)題，但其收斂速度較慢，易陷入局部最優(yōu)解為此方法較為突出的問(wèn)題。為解決此問(wèn)題，提出了一種新的高斯消元法。

2）離散Hopfield神經(jīng)網(wǎng)絡(luò)。Hopfield首先提出的網(wǎng)絡(luò)是一種二值神經(jīng)網(wǎng)絡(luò)，所謂二值就是神經(jīng)元的輸出只取這兩個(gè)值，1和0，因此也稱它為離散Hopfield神經(jīng)網(wǎng)絡(luò)。離散HopfieId網(wǎng)絡(luò)使用的神經(jīng)元為二元神經(jīng)元，因此輸出的1和0分別代表該神經(jīng)元的激活和抑制

對(duì)于離散Hopfield網(wǎng)絡(luò)，網(wǎng)絡(luò)狀態(tài)是一組輸出神經(jīng)元信息。對(duì)于輸出層是N個(gè)神經(jīng)元的網(wǎng)絡(luò)，T矩是n維向量。

因此，網(wǎng)絡(luò)狀態(tài)有2n種狀態(tài)，因?yàn)閅j（t）（j = 1N）可以取值為1或0，因此，n維向量Y（t）有2n種狀態(tài)，即網(wǎng)絡(luò)狀態(tài)。

3 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展現(xiàn)狀及應(yīng)用

人工神經(jīng)網(wǎng)絡(luò)是一門交叉學(xué)科，與計(jì)算機(jī)科學(xué)，數(shù)學(xué)等學(xué)科關(guān)系密切。它的發(fā)展與應(yīng)用離不開(kāi)這些學(xué)科。其從90年代起，各種研究成果層出不窮，這些成果不僅完善了當(dāng)時(shí)的人工神經(jīng)網(wǎng)絡(luò)研究，還為以后人工神經(jīng)網(wǎng)絡(luò)的實(shí)際應(yīng)用提供了理論依據(jù)。直至目前人工神經(jīng)網(wǎng)絡(luò)已發(fā)展的較為完善，而且已廣泛應(yīng)用于多個(gè)學(xué)科領(lǐng)域之中[4]。例如，上文所提的Alpha Go，及目前尚在起步階段的VR技術(shù)還有人臉識(shí)別技術(shù)。Alpha Go不僅攻克了棋類游戲中最難的圍棋，而且展示了人工神經(jīng)網(wǎng)絡(luò)所擁有的巨大潛力。而VR技術(shù)的發(fā)展將改變目前人們的生活方式，并將帶來(lái)極大的便利。而人臉識(shí)別技術(shù)的發(fā)展將提高個(gè)人信息，物品的安全性，將更好的保護(hù)我們的權(quán)利。其他諸如指紋識(shí)別、視網(wǎng)膜識(shí)別、虹膜識(shí)別、掌紋識(shí)別、專家系統(tǒng)、智能搜索等技術(shù)的發(fā)展也不容忽視。

4 人工神經(jīng)網(wǎng)絡(luò)的影響

1）積極影響。人工神經(jīng)網(wǎng)絡(luò)的迅猛發(fā)展給我們的生活帶來(lái)了巨大的好處。VR購(gòu)物可以讓我們更為直觀的感受衣服合身與否，穿在身上的效果如何等，這是傳統(tǒng)的網(wǎng)絡(luò)購(gòu)物無(wú)法解決的問(wèn)題。智能醫(yī)療體系的建成將進(jìn)一步解決目前傳統(tǒng)醫(yī)療體系存在的弊端，也將優(yōu)化目前的醫(yī)療體系，讓資源得到更合理的配置。未來(lái)，智能機(jī)器人的存在將使人們從繁復(fù)的體力活動(dòng)中解救出來(lái)，使人們更能專心于各種技術(shù)的研發(fā)。人工神經(jīng)網(wǎng)絡(luò)的發(fā)展還將促進(jìn)其他學(xué)科的發(fā)展，其工作擁有的超高速能大大的節(jié)省我們的時(shí)間，其所擁有的極低錯(cuò)誤率也將大大的提高準(zhǔn)確率。

2）消極影響。人工神經(jīng)網(wǎng)絡(luò)的發(fā)展帶來(lái)的不僅僅是優(yōu)勢(shì)，它也有不利的一面。首先，過(guò)于真實(shí)的VR場(chǎng)景會(huì)使人沉溺其中，而其模擬現(xiàn)實(shí)感受的感覺(jué)體系可能會(huì)刺激大腦，使人的精神受到一定的創(chuàng)傷。其次，大量的職業(yè)由智能機(jī)器人接管將導(dǎo)致大量的人失業(yè)。而這些失業(yè)的人的衣食住行問(wèn)題，及其本身帶來(lái)的不安定因素成為亟待解決的問(wèn)題。再者，大量智能機(jī)器人的出現(xiàn)將加大知識(shí)的兩極分化，導(dǎo)致有知識(shí)的人越來(lái)越有知識(shí)，而跟不上知識(shí)更新速度的人將無(wú)法改變自身命運(yùn)。另外，大量工作由智能機(jī)器人替代，將會(huì)使人懈怠，變得四肢不勤、五谷不分，身體素質(zhì)也將會(huì)下降。

5 結(jié)論

人工神經(jīng)網(wǎng)絡(luò)作為一門機(jī)器智能學(xué)科，是隨著生物智能特別是人類智能的研究而發(fā)展起來(lái)的。由于目前對(duì)人腦的研究還十分的淺薄，對(duì)生物神經(jīng)網(wǎng)絡(luò)的認(rèn)知還不夠，人工神經(jīng)網(wǎng)絡(luò)始終存在弊端。因此，人工神經(jīng)網(wǎng)絡(luò)的改進(jìn)和發(fā)展需要神經(jīng)科學(xué)的研究。在如今飛速發(fā)展的時(shí)代，人工神經(jīng)網(wǎng)絡(luò)的發(fā)展勢(shì)頭不容小覷。人工神經(jīng)網(wǎng)絡(luò)的不斷發(fā)展也將帶給我們不停的驚喜。

參考文獻(xiàn)

[1]朱大奇.人工神經(jīng)網(wǎng)絡(luò)研究現(xiàn)狀及其展望[J].江南大學(xué)學(xué)報(bào)，2004，3（1）：103-110.

[2]金星姬，賈煒瑋.人工神經(jīng)網(wǎng)絡(luò)研究概述[J].林業(yè)科技情報(bào)，2008，40（1）：65.

[3]張代遠(yuǎn).一種全新的人工神經(jīng)網(wǎng)絡(luò)算法[J].計(jì)算技術(shù)與自動(dòng)化，2000，19（2）：35-38.

[4]毛健，趙紅東，姚婧婧.人工神經(jīng)網(wǎng)絡(luò)的發(fā)展及應(yīng)用[J].電子設(shè)計(jì)工程，2011，19（24）：62-65.

[5]邱春龍.HOPFIELD求解具有局部重復(fù)路徑的MTSP的應(yīng)用研究[D].泉州：華僑大學(xué)，2007.

[6]張鈴，張鈸.神經(jīng)網(wǎng)絡(luò)中BP算法的分析[J].模式識(shí)別與人工智能，1994（3）：191-195.

[7]石幸利.人工神經(jīng)網(wǎng)絡(luò)的發(fā)展及其應(yīng)用[J].重慶科技學(xué)院學(xué)報(bào)，2006，8（2）：99-101.