第三章 神经网络萃取隐蔽相关性（第13页）

相比实在太差。

人的感官在几亿年的进化中主要是为了在自然界中觅食和求偶。

所以只能感受到部分外部世界信息。

比如眼睛只能看到光谱中的可见光这一小段，无法“看见”

从无线电波到毫米波再到远红外的电磁波，也无法“看见”

从紫外线到X射线再到伽马射线。

人的耳朵也听不到20赫兹以下的亚声波和20000赫兹以上的超声波。

不仅如此，人类的视觉和听觉对强度的分辨率非常粗糙，只能分出数量级。

人类的触觉、嗅觉、味觉分辨率更是粗糙。

而机器的“感官”

，就是各类物理、化学、生物类的传感器则比人的感官精密得多。

不仅可以“感受”

到人类感受不到的信息，对信息的分辨率也远超人类。

如果有办法把这些传感器信号不经过人类感官直接输入大脑，人类大脑也能和机器一样发现数据间复杂隐蔽的相关性吗？大脑能处理高分辨率的外界信息吗？我们可以合理地推测出大脑的进化应该和感官相匹配。

如果感官只能提供低分辨率信息，大脑处理高分辨率信息的能力就是一种浪费，这种功能要么不可能演化出来，要么即使偶然变异出来也会被进化无情地消灭。

第二个原因是电子神经元比生物神经元的传输信号速度快，准确度高。

由于人脑神经元在突触部分的信号是通过化学分子传导的（细胞膜内外带电的离子浓度差造成电压差），每秒钟大约只能传导400次信号。

而电子神经元间的传输速度就是芯片上不同晶体管之间的传输速度，比人脑神经元要快几万倍。

人脑神经元突触之间的传输非常不可靠，平均每次传输的成功率只有30%（这种随机性也许是意识“涌现”

的重要条件之一），而电子神经元之间的传输可靠性几乎是100%。

人脑神经元由于结构复杂，不同神经元之间的电信号会互相干扰，而电子神经元之间的干扰可以忽略不计。

所以人脑神经元是一个慢腾腾的老出错的系统，而电子神经元是一个高速的精密系统。

第三个原因是目前还没有办法获得大脑内部每一个神经元的连接强度。

即使我们有办法把外界传感器信号直接输入大脑，大脑也可以处理这些信息，这些信息也只能被雪藏在一个人的脑子里，成为无法沟通、无法传播、无法记录的默知识。

但电子神经网络中的每一个神经元之间的连接强度，也就是两个神经元连接的权重系数都是可以存储、提取的。

所以机器获得的暗知识是可以传播、复制、记录的。

所以对这个悖论的回答是，人工神经网络虽然是模仿大脑，但它具备了人类没有的三个优势：能“感受”

人类感受不到的信息，与人脑相比又快又准，每一个神经元的状态都是可测量的。

神经网络五大研究前沿

之前介绍的几种神经网络都是目前商用中的主流算法，但机器学习的潜力还远没有被挖尽，现在每年关于机器学习的论文还在呈指数级增长，在研究型的大学里任何关于机器学习的课程都爆满。

可以预期在今后3～5年中还会不断有新的算法突破，下面介绍的都是目前炙手可热的研究方向，每一个方向的突破都会产生巨大的商业价值。

非监督学习

在前述的机器学习算法中，我们总有一个训练数据集合，即“标注数据”

，如所有汽车图片都会标注上“汽车”

，所有猫的图片都会标注上“猫”

等。

这样在训练的输出端，我们就知道结果是否正确，因此可以用正确结果和输出结果的差来训练机器（调整各层的权重系数），就像一个妈妈教孩子认识东西，这类算法叫“监督学习”

。

在机器学习中还有一种算法不依赖于“标注数据”

，叫“非监督学习”

本章未完，点击下一页继续阅读