神经网络自我进化模型,神经网络自我进化方向
“AI”能自我進化嗎？
AI確實進化了，它能做的事情越來越多，成績斐然。它的背后是AI實現路徑的“三級跳”。但是“AI自開發短期內應該無法替代人的工作，還有很長的路要走。”徐文娟說。
趙志剛從學術角度分析道：“只有當人類把不同應用領域的AI模型設計出來，并進一步分解出一系列通用模塊，如同化學中的元素周期表、生物中的DNA、RNA，這種自開發才能有更多的應用。
”“僅需幾行代碼就能構建一個回歸模型。”程序員認可谷歌AutoML的工作表現，認為AutoML設計的模型和機器學習專家設計的不相上下。日前，谷歌工程師分別在中國和硅谷重點推介谷歌AutoML項目。
不明就里的疑惑緊跟著紛至沓來——AI又進化了？！已經會自開發了？能操控自己的進化了？是要擺脫人類嗎？
國家超級計算濟南中心大數據研發部研究員趙志剛說：“起初我們用數學公式和‘if……then’等語句告訴計算機第一步做什么、第二步做什么，手把手地教，后來給機器n組輸入和輸出，中間的規則或規律由它自己學會。
”“之前，很多聰明的頭腦花一輩子時間研究：如何抽取有效的特征。
”專注于智能導購對話機器人的智能一點公司CTO莫瑜解釋道，“神經網絡算法的發明、深度學習技術的出現，使得AI進化到2.0，抽取特征的工作由AI自己進行，我們的工作也隨之發生了變化。
”用數學函數的模式很容易解釋“1.0”到“2.0”的轉變：如果把識別圖像、語義理解、下棋等任務的達成都看成是不同的Y=f（X），即輸入的“貓”的圖片、聲音或棋招是“X”，輸出的“貓”、回答、棋高一招是“Y”。
深度學習之前，人通過自己的分析尋找函數f對應的公式，告訴給AI。而深度學習之后，人輸入大量的X與Y的對應，AI自己發現函數f對應的公式。
“AI找到的函數f的具體內容，可能比人找到的更好，但是人類并不知道，就像一個黑匣子。
”莫瑜說，“但是f的形式是AI研究員通過研究設計出來的，如果使用深度神經網絡，網絡中的模塊以及模塊之間的組織方式也是提前設計的。”隨著深度學習技術的成熟和普遍化，模型構建出現了特定可追尋的經驗。
“各種共性神經網絡的發布，使得從業門檻越來越低。一些普通的模型構建與優化，剛畢業的學生在網上學學教程就能上手。”趙志剛說。當構建模型成為可習得的技能，AutoML就出現了。
它能做的正是AI研究員的模型設計工作。“將幫助不同公司建立人工智能系統，即使他們沒有廣泛的專業知識。”谷歌工程師這樣推介。AI成功進化到3.0。
事實上，AutoML替代的仍舊是人類能夠提煉出經驗的工作。“如果說之前人描繪一套尋找函數f的‘路網’，在深度學習的技術輔助下，機器能最快找到優化路徑；那么AI現在可以自己設計路網了。”趙志剛言簡意賅。
可以看出，不論是深度學習、還是AutoML，都只替代人類的一部分群體已經鉆研透了的工作。“機器能做的事情，盡量不要手工勞動”，這是很多程序員的人生信條，這個信條催生了AutoML。
本著同樣的信條，微軟開發了DeepCoder。“它可以用來生成滿足給定輸入輸出的程序。”莫瑜說，但它的表現目前還不盡如人意，只能編寫一些簡單的程序。誰是“上帝”答案毫無疑問，人類。
既然AI在進化中走向了更高一階的模型設計，那么“上帝之手”又發生了哪些變化呢？
“煉丹”，莫瑜用兩個字形象地說起自己的工作，“智能一點是專業做智能客服的，研發人員的工作主要集中于問題建模（如何將實際問題轉化為人工智能技術解決的問題）和算法優化（如何提升人工智能算法的效果）。
”“煉”意味著不斷地調試和完善。“針對特定的人，越投脾氣越好，回答越精準越好。”莫瑜說，“我們的X是客戶的問話，Y是機器人客服的回復，中間的函數f需要訓練。”這是個不容易的任務。
如果把人類社會的經驗分為3類：有公式的確定規則、可言傳的知識、只可意會不可言傳的感覺。最后一類最難琢磨。
“因此，我們想辦法構建完善的閉環反饋，了解特定用戶的喜好，通過情感、趣味的表達，最終做到投其所好。
”莫瑜說，“目前處于人機協同的工作階段，但是越來越多樣本的獲取，將幫助我們的智能客服給出精準的、討喜的回答。
”可見，并不是所有領域都適合交給AI自開發去做，比如問題建模方面，如何將實際問題抽象轉換為機器學習問題， AI還無法自主完成。在AI2.0階段，研發人員還需要人工設計函數f的形式。
谷歌人工智能寫作項目：神經網絡偽原創
人工大腦能不能制造出來？
日本京都ATR實驗室的科研人員正在研制一個人造大腦，據稱，該人造大腦在2001年已經問世寫作貓。
據ATR實驗室的雨果·德·加里斯稱，人造大腦將由100萬個人工神經元組成，它將采用神經網絡的方式安裝在大型并行計算機中。這樣建造如此復雜的系統，研究人員將采用一種“網絡自動生成技術”。
實際上，這種技術是由許多各自不相同的計算機程序所組成，而每一個程序都能“生成”自己的遺傳因子鎖健。加里斯把它稱之為“進化工程技術”。
在網絡中，“機器細胞”可通過神經鍵發出“生長信號”，使其神經網“生長”。加里斯說：“目前已完成人造大腦邏輯結構的二維工程，不久將進行三維連接。
”由于人造大腦的神經網絡具有自我“進化”的結構，加里斯把它稱為是一種“達爾文機械”。二、人腦的功能：智力。
人工智能和意識的問題
又是意識問題。如果意識是不能被數學物理來解釋的一種現象，那是什么東西呢？我認為意識不過是一個增強的回饋系統。任何系統都可以用計算機來模擬，也就是可以用算法來描述。
一個石頭沒有意識，因為它的運動一定是外力的作用。越高級的動物，他們的行為越呈現出非外力因素。原因就是神經系統的信號在內部反饋加強。當反饋信號可以達到“無中生有”的時候，意識就產生了。
巧妙的地方就在信號產生不受外部條件影響。只有神經系統達到穩定狀態才能有此能力。我認為意識不一定人類才有，有神經系統的動物都有一點意識。現代的神經網絡也有意識。只不過它還不夠復雜到能告訴你它的感受。
要達到那種水平，起碼需要記憶子系統，認知系統，感覺系統，語言系統，等等，不是那么容易的一件事情。
人工智能和神經網絡有什么聯系與區別？
聯系：都是模仿人類行為的數學模型以及算法。神經網絡的研究能促進或者加快人工智能的發展。
區別如下：一、指代不同1、人工智能：是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。
2、神經網絡：是一種模仿動物神經網絡行為特征，進行分布式并行信息處理的算法數學模型。
二、方法不同1、人工智能：企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。
2、神經網絡：依靠系統的復雜程度，通過調整內部大量節點之間相互連接的關系，從而達到處理信息的目的。三、目的不同1、人工智能：主要目標是使機器能夠勝任一些通常需要人類智能才能完成的復雜工作。
2、神經網絡：具有初步的自適應與自組織能力。在學習或訓練過程中改變突觸權重值，以適應周圍環境的要求。同一網絡因學習方式及內容不同可具有不同的功能。
參考資料來源：百度百科-人工智能參考資料來源：百度百科-神經網絡。
人工神經網絡的發展
現代意義上對神經網絡（特指人工神經網絡）的研究一般認為從1943年美國芝加哥大學的生理學家W.S. McCulloch和W.A. Pitts提出M-P神經元模型開始，到今年正好六十年。
在這六十年中，神經網絡的發展走過了一段曲折的道路。
1965年M. Minsky和S. Papert在《感知機》一書中指出感知機的缺陷并表示出對這方面研究的悲觀態度，使得神經網絡的研究從興起期進入了停滯期，這是神經網絡發展史上的第一個轉折。
到了20世紀80年代初，J.J. Hopfield的工作和D. Rumelhart等人的PDP報告顯示出神經網絡的巨大潛力，使得該領域的研究從停滯期進入了繁榮期，這是神經網絡發展史上的第二個轉折。
到了20世紀90年代中后期，隨著研究者們對神經網絡的局限有了更清楚的認識，以及支持向量機等似乎更有前途的方法的出現，“神經網絡”這個詞不再象前些年那么“火爆”了。
很多人認為神經網絡的研究又開始陷入了低潮，并認為支持向量機將取代神經網絡。
有趣的是，著名學者C.-J. Lin于2003年1月在德國馬克斯·普朗克研究所所做的報告中說，支持向量機雖然是一個非常熱門的話題，但目前最主流的分類工具仍然是決策樹和神經網絡。
由著名的支持向量機研究者說出這番話，顯然有一種特殊的意味。事實上，目前神經網絡的境遇與1965年之后真正的低潮期相比有明顯的不同。
在1965年之后的很長一段時期里，美國和前蘇聯沒有資助任何一項神經網絡的研究課題，而今天世界各國對神經網絡的研究仍然有大量的經費支持；1965年之后90%以上的神經網絡研究者改變了研究方向，而今天無論是國際還是國內都有一支相對穩定的研究隊伍。
實際上，神經網絡在1965年之后陷入低潮是因為當時該領域的研究在一定意義上遭到了否定，而今天的相對平靜是因為該領域已經走向成熟，很多技術開始走進生產和生活，從而造成了原有研究空間的縮小。
在科學研究中通常有這么一個現象，當某個領域的論文大量涌現的時候，往往正是該領域很不成熟、研究空間很大的時候，而且由于這時候人們對該領域研究的局限缺乏清楚的認識，其熱情往往具有很大的盲目性。
從這個意義上說，過去若干年里各領域研究者一擁而上、各種專業刊物滿眼“神經網絡”的風光，其實是一種畸形繁榮的景象，而對神經網絡的研究現在才進入了一個比較理智、正常的發展期。
在這段時期中，通過對以往研究中存在的問題和局限進行反思，并適當借鑒相關領域的研究進展，將可望開拓新的研究空間，為該領域的進一步發展奠定基礎。
神經網絡的發展趨勢如何？
神經網絡的云集成模式還不是很成熟，應該有發展潛力，但神經網絡有自己的硬傷，不知道能夠達到怎樣的效果，所以決策支持系統中并不是很熱門，但是神經網絡無視過程的優點也是無可替代的，云網絡如果能夠對神經網絡提供一個互補的輔助決策以控制誤差的話，也許就能使神經網絡成熟起來 1 人工神經網絡產生的背景自古以來，關于人類智能本源的奧秘，一直吸引著無數哲學家和自然科學家的研究熱情。
生物學家、神經學家經過長期不懈的努力，通過對人腦的觀察和認識，認為人腦的智能活動離不開腦的物質基礎，包括它的實體結構和其中所發生的各種生物、化學、電學作用，并因此建立了神經元網絡理論和神經系統結構理論，而神經元理論又是此后神經傳導理論和大腦功能學說的基礎。
在這些理論基礎之上，科學家們認為，可以從仿制人腦神經系統的結構和功能出發，研究人類智能活動和認識現象。
另一方面，19世紀之前，無論是以歐氏幾何和微積分為代表的經典數學，還是以牛頓力學為代表的經典物理學，從總體上說，這些經典科學都是線性科學。
然而，客觀世界是如此的紛繁復雜，非線性情況隨處可見，人腦神經系統更是如此。復雜性和非線性是連接在一起的，因此，對非線性科學的研究也是我們認識復雜系統的關鍵。
為了更好地認識客觀世界，我們必須對非線性科學進行研究。人工神經網絡作為一種非線性的、與大腦智能相似的網絡模型，就這樣應運而生了。
所以，人工神經網絡的創立不是偶然的，而是20世紀初科學技術充分發展的產物。2 人工神經網絡的發展人工神經網絡的研究始于40年代初。半個世紀以來，經歷了興起、高潮與蕭條、高潮及穩步發展的遠為曲折的道路。
1943年，心理學家W.S.Mcculloch和數理邏輯學家W.Pitts 提出了M—P模型，這是第一個用數理語言描述腦的信息處理過程的模型， 雖然神經元的功能比較弱，但它為以后的研究工作提供了依據。
1949年，心理學家提出突觸聯系可變的假設，根據這一假設提出的學習規律為神經網絡的學習算法奠定了基礎。
1957 年， 計算機科學家Rosenblatt提出了著名的感知機模型，它的模型包含了現代計算機的一些原理，是第一個完整的人工神經網絡，第一次把神經網絡研究付諸工程實現。
由于可應用于模式識別，聯想記憶等方面，當時有上百家實驗室投入此項研究，美國軍方甚至認為神經網絡工程應當比“原子彈工程”更重要而給予巨額資助，并在聲納信號識別等領域取得一定成績。
1960年，B.Windrow和E.Hoff提出了自適應線性單元， 它可用于自適應濾波、預測和模式識別。至此，人工神經網絡的研究工作進入了第一個高潮。
1969年，美國著名人工智能學者M.Minsky和S.Papert編寫了影響很大的Perceptron一書，從理論上證明單層感知機的能力有限，諸如不能解決異或問題，而且他們推測多層網絡的感知機能力也不過如此，他們的分析恰似一瓢冷水，很多學者感到前途渺茫而紛紛改行，原先參與研究的實驗室紛紛退出，在這之后近10年，神經網絡研究進入了一個緩慢發展的蕭條期。
這期間，芬蘭學者T.Kohonen 提出了自組織映射理論，反映了大腦神經細胞的自組織特性、記憶方式以及神經細胞興奮刺激的規律；美國學者S.A.Grossberg的自適應共振理論（ART ）；日本學者K.Fukushima提出了認知機模型；ShunIchimari則致力于神經網絡有關數學理論的研究等，這些研究成果對以后的神經網絡的發展產生了重要影響。
美國生物物理學家J.J.Hopfield于1982年、1984年在美國科學院院刊發表的兩篇文章，有力地推動了神經網絡的研究，引起了研究神經網絡的又一次熱潮。
1982 年， 他提出了一個新的神經網絡模型——hopfield網絡模型。他在這種網絡模型的研究中，首次引入了網絡能量函數的概念，并給出了網絡穩定性的判定依據。
1984年，他又提出了網絡模型實現的電子電路，為神經網絡的工程實現指明了方向，他的研究成果開拓了神經網絡用于聯想記憶的優化計算的新途徑，并為神經計算機研究奠定了基礎。
1984年Hinton等人將模擬退火算法引入到神經網絡中，提出了Boltzmann機網絡模型，BM 網絡算法為神經網絡優化計算提供了一個有效的方法。
1986年，D.E.Rumelhart和J.LMcclelland提出了誤差反向傳播算法，成為至今為止影響很大的一種網絡學習方法。
1987年美國神經計算機專家R.Hecht—Nielsen提出了對向傳播神經網絡，該網絡具有分類靈活，算法簡練的優點，可用于模式分類、函數逼近、統計分析和數據壓縮等領域。
1988年L.Ochua 等人提出了細胞神經網絡模型，它在視覺初級加工上得到了廣泛應用。為適應人工神經網絡的發展，1987年成立了國際神經網絡學會，并決定定期召開國際神經網絡學術會議。
1988年1月Neural Network 創刊。1990年3月IEEE Transaction on Neural Network問世。
我國于1990年12月在北京召開了首屆神經網絡學術大會，并決定以后每年召開一次。1991 年在南京成立了中國神經網絡學會。 IEEE 與INNS 聯合召開的IJCNN92已在北京召開。
這些為神經網絡的研究和發展起了推波助瀾的作用，人工神經網絡步入了穩步發展的時期。90年代初，諾貝爾獎獲得者Edelman提出了Darwinism模型，建立了神經網絡系統理論。
同年，Aihara等在前人推導和實驗的基礎上，給出了一個混沌神經元模型，該模型已成為一種經典的混沌神經網絡模型，該模型可用于聯想記憶。
Wunsch 在90OSA 年會上提出了一種AnnualMeeting，用光電執行ART，學習過程有自適應濾波和推理功能，具有快速和穩定的學習特點。
1991年，Hertz探討了神經計算理論， 對神經網絡的計算復雜性分析具有重要意義；Inoue 等提出用耦合的混沌振蕩子作為某個神經元，構造混沌神經網絡模型，為它的廣泛應用前景指明了道路。
1992年，Holland用模擬生物進化的方式提出了遺傳算法， 用來求解復雜優化問題。1993年方建安等采用遺傳算法學習，研究神經網絡控制器獲得了一些結果。
1994年Angeline等在前人進化策略理論的基礎上，提出一種進化算法來建立反饋神經網絡，成功地應用到模式識別，自動控制等方面；廖曉昕對細胞神經網絡建立了新的數學理論和方法，得到了一系列結果。
HayashlY根據動物大腦中出現的振蕩現象，提出了振蕩神經網絡。
1995年Mitra把人工神經網絡與模糊邏輯理論、 生物細胞學說以及概率論相結合提出了模糊神經網絡，使得神經網絡的研究取得了突破性進展。
Jenkins等人研究光學神經網絡， 建立了光學二維并行互連與電子學混合的光學神經網絡，它能避免網絡陷入局部最小值，并最后可達到或接近最理想的解；SoleRV等提出流體神經網絡，用來研究昆蟲社會，機器人集體免疫系統，啟發人們用混沌理論分析社會大系統。
1996年，ShuaiJW’等模擬人腦的自發展行為， 在討論混沌神經網絡的基礎上提出了自發展神經網絡。
1997、1998年董聰等創立和完善了廣義遺傳算法，解決了多層前向網絡的最簡拓樸構造問題和全局最優逼近問題。
隨著理論工作的發展，神經網絡的應用研究也取得了突破性進展，涉及面非常廣泛，就應用的技術領域而言有計算機視覺，語言的識別、理解與合成，優化計算，智能控制及復雜系統分析，模式識別，神經計算機研制，知識推理專家系統與人工智能。
涉及的學科有神經生理學、認識科學、數理科學、心理學、信息科學、計算機科學、微電子學、光學、動力學、生物電子學等。美國、日本等國在神經網絡計算機軟硬件實現的開發方面也取得了顯著的成績，并逐步形成產品。
在美國，神經計算機產業已獲得軍方的強有力支持，國防部高級研究計劃局認為“神經網絡是解決機器智能的唯一希望”，僅一項8 年神經計算機計劃就投資4億美元。
在歐洲共同體的ESPRIT計劃中， 就有一項特別項目：“神經網絡在歐洲工業中的應用”，單是生產神經網絡專用芯片這一項就投資2200萬美元。據美國資料聲稱，日本在神經網絡研究上的投資大約是美國的4倍。
我國也不甘落后，自從1990 年批準了南開大學的光學神經計算機等3項課題以來， 國家自然科學基金與國防預研基金也都為神經網絡的研究提供資助。
另外，許多國際著名公司也紛紛卷入對神經網絡的研究，如Intel、IBM、Siemens、HNC。神經計算機產品開始走向商用階段，被國防、企業和科研部門選用。
在舉世矚目的海灣戰爭中，美國空軍采用了神經網絡來進行決策與控制。在這種刺激和需求下，人工神經網絡定會取得新的突破，迎來又一個高潮。自1958年第一個神經網絡誕生以來，其理論與應用成果不勝枚舉。
人工神經網絡是一個快速發展著的一門新興學科，新的模型、新的理論、新的應用成果正在層出不窮地涌現出來。
3 人工神經網絡的發展前景針對神經網絡存在的問題和社會需求，今后發展的主要方向可分為理論研究和應用研究兩個方面。（1）利用神經生理與認識科學研究大腦思維及智能的機理、 計算理論，帶著問題研究理論。
人工神經網絡提供了一種揭示智能和了解人腦工作方式的合理途徑，但是由于人類起初對神經系統了解非常有限，對于自身腦結構及其活動機理的認識還十分膚淺，并且帶有某種“先驗”。
例如， Boltzmann機引入隨機擾動來避免局部極小，有其卓越之處，然而缺乏必要的腦生理學基礎，毫無疑問，人工神經網絡的完善與發展要結合神經科學的研究。
而且，神經科學，心理學和認識科學等方面提出的一些重大問題，是向神經網絡理論研究提出的新挑戰，這些問題的解決有助于完善和發展神經網絡理論。
因此利用神經生理和認識科學研究大腦思維及智能的機理，如有新的突破，將會改變智能和機器關系的認識。
利用神經科學基礎理論的研究成果，用數理方法探索智能水平更高的人工神經網絡模型，深入研究網絡的算法和性能，如神經計算、進化計算、穩定性、收斂性、計算復雜性、容錯性、魯棒性等，開發新的網絡數理理論。
由于神經網絡的非線性，因此非線性問題的研究是神經網絡理論發展的一個最大動力。
特別是人們發現，腦中存在著混沌現象以來，用混沌動力學啟發神經網絡的研究或用神經網絡產生混沌成為擺在人們面前的一個新課題，因為從生理本質角度出發是研究神經網絡的根本手段。
（2）神經網絡軟件模擬， 硬件實現的研究以及神經網絡在各個科學技術領域應用的研究。
由于人工神經網絡可以用傳統計算機模擬，也可以用集成電路芯片組成神經計算機，甚至還可以用光學的、生物芯片的方式實現，因此研制純軟件模擬，虛擬模擬和全硬件實現的電子神經網絡計算機潛力巨大。
如何使神經網絡計算機與傳統的計算機和人工智能技術相結合也是前沿課題；如何使神經網絡計算機的功能向智能化發展，研制與人腦功能相似的智能計算機，如光學神經計算機，分子神經計算機，將具有十分誘人的前景。
4 哲理（1）人工神經網絡打開了認識論的新領域認識與腦的問題，長期以來一直受到人們的關注，因為它不僅是有關人的心理、意識的心理學問題，也是有關人的思維活動機制的腦科學與思維科學問題，而且直接關系到對物質與意識的哲學基本問題的回答。
人工神經網絡的發展使我們能夠更進一步地既唯物又辯證地理解認識與腦的關系，打開認識論的新領域。
人腦是一個復雜的并行系統，它具有“認知、意識、情感”等高級腦功能，用人工進行模擬，有利于加深對思維及智能的認識，已對認知和智力的本質的研究產生了極大的推動作用。
在研究大腦的整體功能和復雜性方面，人工神經網絡給人們帶來了新的啟迪。
由于人腦中存在混沌現象，混沌可用來理解腦中某些不規則的活動，從而混沌動力學模型能用作人對外部世界建模的工具，可用來描述人腦的信息處理過程。
混沌和智能是有關的，神經網絡中引入混沌學思想有助于提示人類形象思維等方面的奧秘。
人工神經網絡之所以再度興起，關鍵在于它反映了事物的非線性，抓住了客觀世界的本質，而且它在一定程度上正面回答了智能系統如何從環境中自主學習這一最關鍵的問題，從認知的角度講，所謂學習，就是對未知現象或規律的發現和歸納。
由于神經網絡具有高度的并行性，高度的非線性全局作用，良好的容錯性與聯想記憶功能以及十分強的自適應、自學習功能，而使得它成為揭示智能和了解人腦工作方式的合理途徑。
但是，由于認知問題的復雜性，目前，我們對于腦神經網的運行和神經細胞的內部處理機制，如信息在人腦是如何傳輸、存貯、加工的？記憶、聯想、判斷是如何形成的？大腦是否存在一個操作系統？
還沒有太多的認識，因此要制造人工神經網絡來模仿人腦各方面的功能，還有待于人們對大腦信息處理機理認識的深化。
（2）人工神經網絡發展的推動力來源于實踐、 理論和問題的相互作用隨著人們社會實踐范圍的不斷擴大，社會實踐層次的不斷深入，人們所接觸到的自然現象也越來越豐富多彩、紛繁復雜，這就促使人們用不同的原因加以解釋不同種類的自然現象，當不同種類的自然現象可以用同樣的原因加以解釋，這樣就出現了不同學科的相互交叉、綜合，人工神經網絡就這樣產生了。
在開始階段，由于這些理論化的網絡模型比較簡單，還存在許多問題，而且這些模型幾乎沒有得到實踐的檢驗，因而神經網絡的發展比較緩慢。
隨著理論研究的深入，問題逐漸地解決特別是工程上得到實現以后，如聲納識別成功，才迎來了神經網絡的第一個發展高潮。
可Minisky認為感知器不能解決異或問題， 多層感知器也不過如此，神經網絡的研究進入了低谷，這主要是因為非線性問題沒得到解決。
隨著理論的不斷豐富，實踐的不斷深入， 現在已證明Minisky的悲觀論調是錯誤的。今天，高度發達的科學技術逐漸揭示了非線性問題是客觀世界的本質。
問題、理論、實踐的相互作用又迎來了人工神經網絡的第二次高潮。目前人工神經網絡的問題是智能水平不高，還有其它理論和實現方面的問題，這就迫使人們不斷地進行理論研究，不斷實踐，促使神經網絡不斷向前發展。
總之，先前的原因遇到了解釋不同的新現象，促使人們提出更加普遍和精確的原因來解釋。
理論是基礎，實踐是動力，但單純的理論和實踐的作用還不能推動人工神經網絡的發展，還必須有問題提出，才能吸引科學家進入研究的特定范圍，引導科學家從事相關研究，從而逼近科學發現，而后實踐又提出新問題，新問題又引發新的思考，促使科學家不斷思考，不斷完善理論。
人工神經網絡的發展無不體現著問題、理論和實踐的辯證統一關系。
（3 ）人工神經網絡發展的另一推動力來源于相關學科的貢獻及不同學科專家的競爭與協同人工神經網絡本身就是一門邊緣學科，它的發展有更廣闊的科學背景，亦即是眾多科研成果的綜合產物，控制論創始人Wiener在其巨著《控制論》中就進行了人腦神經元的研究；計算機科學家Turing就提出過B網絡的設想；Prigogine提出非平衡系統的自組織理論，獲得諾貝爾獎；Haken研究大量元件聯合行動而產生宏觀效果， 非線性系統“混沌”態的提出及其研究等，都是研究如何通過元件間的相互作用建立復雜系統，類似于生物系統的自組織行為。
腦科學與神經科學的進展迅速反映到人工神經網絡的研究中，例如生物神經網絡理論，視覺中發現的側抑制原理，感受野概念等，為神經網絡的發展起了重要的推動作用。
從已提出的上百種人工神經網絡模型中，涉及學科之多，令人目不暇接，其應用領域之廣，令人嘆為觀止。不同學科專家為了在這一領域取得領先水平，存在著不同程度的競爭，所有這些有力地推動了人工神經網絡的發展。
人腦是一個功能十分強大、結構異常復雜的信息系統，隨著信息論、控制論、生命科學，計算機科學的發展，人們越來越驚異于大腦的奇妙，至少到目前為止，人類大腦信號處理機制對人類自身來說，仍是一個黑盒子，要揭示人腦的奧秘需要神經學家、心理學家、計算機科學家、微電子學家、數學家等專家的共同努力，對人類智能行為不斷深入研究，為人工神經網絡發展提供豐富的理論源泉。
另外，還要有哲學家的參與，通過哲學思想和自然科學多種學科的深層結合，逐步孕育出探索人類思維本質和規律的新方法，使思維科學從朦朧走向理性。
而且，不同領域專家的競爭與協調同有利于問題清晰化和尋求最好的解決途徑。縱觀神經網絡的發展歷史，沒有相關學科的貢獻，不同學科專家的競爭與協同，神經網絡就不會有今天。
當然，人工神經網絡在各個學科領域應用的研究反過來又推動其它學科的發展，推動自身的完善和發展。
心理的神經系統機制是什么樣的?
心理的神經生理機制 自古以來，人類就希望知道心理是怎樣產生的。由于人會做夢，能夠夢到早已去世的親人．因此有人認為，人的靈魂相肉體是互相分離的，人死以后，靈魂會跑到另一個世界中去。
由于人的心臟和人的生命的存亡有直接關系，人在高興或悲傷時，心臟都有特殊的反應，因此有人認為，心臟是心理的器官。也有一些人由于看到腦的損傷，會引起某些認知功能的喪失，因而認為腦是心理的器官。
隨著科學的發展，人類終于認識到心理是神經系統的功能，特別是腦的功能。這個認識是得來不易的。
近30年來，由于神經科學、認知科學、電生理學和生物化學等的飛速發展，各種現代技術的突飛猛進，人們對神經系統的結構與功能有了許多嶄新的認識，這對現代心理學的發展產生了深刻的影響。
本章將簡要介紹腦和神經系統的最一般的知識。首先介紹神經系統的進化，特別是腦的進化。進化的觀點是研究腦的一個重要的觀點。了解神經系統的發生和發展，對揭示心理的種系發展有重要的意義。
其次介紹神經元的構造和神經興奮傳遞的特點。神經元是神經系統的基本結構單位和功能單位。神經元之間的聯系構成了復雜的神經網絡或神經回路。
再次介紹神經系統的結構和功能，包括周圍神經系統和中樞神經系統的結構和功能。大腦是進化階梯上最后出現的腦組織，是各種心理活動最重要的物質本體。
本章還介紹了各種不同的腦學說，特別是當代影響最大的機能系統學說和模塊學說。最后介紹內分泌系統及其對行為的調節作用。
第一節 神經系統腦的進化人腦是世界上最復雜的一種物質，它由100億以上的神經細胞和1000億以上的神經膠質細胞組成，每個神經細胞又可能與其他神經細胞存在1萬個以上的聯系，形成了復雜的神經網絡。
這樣一塊復雜的物質是怎樣產生的呢?從19世紀達爾文的“進化論”問世以后，進化的觀念已深入到不同學科的研究中。人腦是自然界長期進化過程的產物。
從沒有神經系統的單細胞動物，到脊椎動物復雜的神經系統，再到高度復雜的人腦，經過了上億年的發展。研究腦的進化，不僅對揭示人腦的秘密有重要的意義，也對了解腦與心理的關系有重要的意義。
本節將概述神經系統與腦的進化，包括神經系統的發生、無脊椎動物的神經系統、低等脊椎動物的神經系統和高等脊推動物的神經系統等。一、神經系統的發生根據科學家的推算，地球大約在46億年前形成。
在地球形成后相當長的時間內．溫度很高，一切元素都呈現氣體狀態。后來溫度下降了，才有了巖石、水和大氣等無機物。大約又過了十幾億年，地球上開始出現了生物，即生命現象。
生命出現以后，又不斷發展和分化，大約在幾億年前、產生了動物和植物的分化。動物出現以后，又不斷地進化，開始是無脊椎動物，后來是低等脊椎動物．再到高等脊推動物。
動物發展到一定階段便產生了神經系統，以后又產生了腦，這就為心理現象的產生準備了物質基礎。最低等的動物是原生動物，如變形蟲(圖2—1)。一個變形蟲就是一個細胞，它是一團形態不固定的原生質。
胞體向不同方向伸出長短不同的突起、叫偽足。變形蟲雖然很簡單，但能對外界多種刺激作出反應，如趨向有利刺激(食物)，避開有害刺激(玻璃絲)；飽食以后不再對食物發生反應等。
變形蟲是單細胞動物，它沒有專門的神經系統、感受器官和效應器官，而是由一個細胞執行著各種機能。不過，在變形蟲身上可以看到其結構的初步分化，即有內漿和外漿之分。
外槳在身體表面，是與外界直接接觸的部分；內漿在身體里面，負責體內的功能。外漿與內漿的分化是動物神經系統產生的前奏。 從單細胞動物發展到多細胞動物，是動物進化史上的一個飛躍。
從多細胞動物開始，動物身體的各個部分為適應生活環境的變化而逐漸分化。
低等多細胞動物已經有了專門接受某種刺激的特殊細胞，這些細胞逐漸集中，形成了專門的感覺器官和運動器官，同時出現了協調身體各部分的神經系統。這樣，動物身體各部分的活動便借助神經系統聯結成為一個整體。
原始的多細胞動物是腔腸動物，如水蝗、海蜇、水母等(圖2—2)。以水螅為例，它生活在水中，身體呈指狀，上端有口，周圍長有6至8個觸手，全身布滿細胞，這種細胞按功能分成三類：①感覺細胞。
分布在身體表面、在口和觸手上密度最大，其主要功能是接受各種外界刺激．如化學的、溫度的、光線的和機械的刺激。②運動細胞。主要功能是執行運動反應。③神經細胞。
位于感覺細胞和運動細胞之間，每個種經細胞都有絲狀突起，聯合成網，組成網狀神經系統，它們專門執行著傳遞興奮的功能。由此可見，水熄已經具有了高等動物的反射弧的雛形，這也是神經系統的最初形態。
在網狀神經系統中，神經元之間沒有突觸連結，它們之間的聯系是原漿性的，沒有神經節，沒有中樞，因而神經細胞的興奮，可以向任何方向傳導，刺激水螅 身體的任何一點都能引起全身性的反應。
二、無脊推動物的神經系統無脊椎功物是動物進化史上的個重要階段，它繁盛于6億午前的寒武紀。在無脊椎動物的不同發展階段上、神經系統具有不同的發展水平。
下面以蚯蚓和昆蟲為例說明無脊椎動物神經系統的一些特點。 蚯蚓是人們熟悉的環節動物。
蚯蚓身體由許多環節構成，每一個體節中央都有一個神經節，每個神經節所發出的神經分布到身體的各個部分，并把全身各個部分聯合成一個整體。頭部神經節集中，形成咽上神經節和咽下神經節。
頭部神經節發達，在神經系統演化上稱發頭現象。發頭現象的出現為腦的產生準備了條件。頭部神經節往后是縱貫蚯蚓腹部的腹神經索，因為蚯蚓的神經系統是鏈索狀的，所以又稱鏈狀神經系統。
頭部神經節的存在使啞劇產生了各種感官的萌芽，如觸須、剛毛和眼睛。這樣蚯蚓對外界刺激的反應能力就大大提高了，它能夠對多種信號刺激發生反應，初步具有了各種感覺能力。
例如，蚯蚓能夠對周圍物體的振動和光作出反應，這些反應使它們避免成為其他動物的犧牲品。昆蟲是節肢動物的代表。昆蟲種類繁多，不同昆蟲的身體結構雖有很大變異，但基本結構大體相似。
昆蟲的身體一般分三個部分：頭部、胸部和腹部。頭有較敏銳的感覺器，胸有足、翅，腹無附肢。神經系統已達到較高的水平，神經細胞更趨集中，形成了三個大的神經節。
頭部的神經節就是腦的雛形；胸部和腹部也各有一個神經節、并形成一條神經索。它們的神經系統稱節狀神經系統。
節肢動物的行為比環節動物的行為更復雜，它們能感受不同頻率的聲音，區分顏色和形狀，分辨不同的氣味。這些復雜的行為反應是和節肢動物神經系統的進化有關的。
但在動物心理的整個發展過程中，它們仍處于較低級的水平。許多節肢動物尚不能利用各種感覺器官的協同活動來反應外界的影響。
例如、螞蟻是靠觸須接受一種化學氣味來分辨“敵我”和“認路”的，如果去掉觸須就不能辨認。
又如，蜘蛛捕食落入蛛網中的昆蟲，是由于昆蟲落網振動了蛛絲，才引起蜘蛛的反應，如果將不可食的物體投入網中或用音叉接近蛛網時，蜘蛛同樣也來捕食，可見蜘蛛只能對振動的條件作出反應，而不能同時用視覺和觸覺來反應外界的影響。
三、低等脊椎動物的神經系統 脊椎動物大約出現在5億年前的奧陶紀以后。由無脊椎動物進化到脊椎動物，在動物進化史上是一個重大的進步。
脊椎動物的身體形態和結構、神經系統、感覺器官和運動器官都比無脊椎動物有很大的變化和發展。
脊椎動物的體形一般是左右對稱的，身體分為頭部、軀干和尾部三部分，體內背側有一條脊柱骨，稱脊椎，脊椎動物由此得名。
脊柱骨內有一條神經管，這是脊椎動物神經系統所具有的統一形式，稱脊椎動物神經系統的通型。
這種神經系統與無脊椎動物的神經組織的主要區別是：①無脊椎動物的鏈狀、節狀神經系統位于動物體內的腹側、而脊椎動物的管狀神經系統位于動物體內的背側，故又稱背式神經系統。
背式神經系統的形成是由于脊惟動物的內骨骼代替了無脊椎動物的外骨骼，從而使動物的身體結構復雜化了。身體體積擴大、肌肉發達，也為神經系統的進一步發展提供了條件。
②無脊椎動物的神經組織是實心的，脊椎動物的神經組織是空心的。管狀空心的神經組織增加了空間和面積，有利于興奮的傳遞和神經組織與外界物質的交換，因而使神經系統有可能向更高級和更完善的方向發展。
管狀神經系統的出現為腦的形成準備了條件。在神經管的前端膨大部分首先形成腦泡，隨后逐漸發展成為相對獨立的五個腦泡：前腦、間腦、中腦、延腦和小腦。兩棲動物的前腦已經發展成為兩半球。
爬行動物開始出現了大腦皮層。大腦皮層的出現是神經系統演化過程的新階段，它使腦真正成為有機體的一切活動的最高調節者和指揮者。
隨著神經系統的發展，特別是腦的發展，各種感覺器官和運動器官也相應完善起來，它們日趨專門化．并在神經系統的支配和調節下、獲得了新的反應能力。與此同時，脊椎動物的行為也更加復雜起來。
四、高等脊椎動物的構經系統 高等脊椎動物是指哺乳動物，包括嚙齒類、食肉類和靈長類等動物。由于體溫調節機能完善，生活地帶非常廣闊，生活條件復雜多樣，哺乳動物在形態和生態方面有很大的差異。
哺乳動物的神經系統更加完善，大腦半球開始出現了溝回，從而擴大了皮層的表面積，這為大腦皮層擔負更重要的調節和指揮機能準備了物質其礎。腦的各部位的機能也日趨分化。
大腦皮層是整個神經系統的最高部位，是動物全部心理活動的最重要的器官，是動物各種復雜行為的最高指探中心。
由于腦的不同部位機能的分化，特別是大腦皮層結構的機能的復雜化、完善化，使哺乳動物的心理和行為發展到更新的水平。視窗：海豚的集體營救行為 海豚是人們熟知的一種高等脊推動物。
它具有發達的腦和神經系統，因而具有許多智慧的行為。下面是描述海豚集體營救行為的一段報道。 在小安得列斯群島附近，一只幼小的海豚遠遠游到不同伴看不見的地方，突然遭到三條鯊魚的襲擊。
它馬上發出一系列尖銳的噓噓聲，即海豚語言中的SOS信號(國際船舶呼救的信號)。短促的雙噓聲好像緊急的警報器發出的聲音，第一部分的音高猛升，第二部分突然降低．效果是異乎尋常的。
二十多只海豚用噓噓聲、吱吱聲、哼哼聲、咯咯聲、隆隆聲和唧唧聲予以熱烈的響應，并立即停止“交談”。正好像聽到海上船只發出呼救信號時，絕對“無線電靜寂”一樣。
然后這些海豚以每小時約40英里的最快速度，銀箭一樣射向小海豚被襲擊的地點。雄海膳不減速就猛擊鯊魚，一而再地攻擊鯊魚軀體的兩側，直到鯊魚的身件完全粉碎，沉入加勒比海底。
在戰斗中，雌海琢則幫助受重傷的、無力浮出水面的小海豚。幾只雌海豚并列在小海豚的兩旁，把它們的鰭狀肢伸到它下面，舉起它，使它的鼻孔再次露出水面，能夠呼吸。
這種救死扶傷的靈巧動作是由噓噓聲的信號交換仔細調節的，這些“擔架員”不時換班。在另一種情況下，科學家還觀察到這類救護活動不停頓地日日夜夜繼續進行整整兩周，直到受傷的海豚康復為止。
哺乳動物發展到高級階段，出現了靈長動物，類人猿是它們的高級代表。類人猿的神經系統達到了相當完善的程度。它的大腦在外形、細微結構和機能上都已接近于人腦。
大腦皮層對外界刺激的分析和綜合能力大大提高了，它們不僅用感知來控制行為，而且在某些復雜的活動中加入了表象的成分，有了最簡單的概括能力。
因此，在一定程度上，它們能認識事物之間的關系，具有了解決問題的能力。下面是脊椎動物腦進化的示意圖(圖2—4)。
從低等脊椎動物(如魚)到高等脊椎動物(如人類)，腦的進化遵循著如下方向：(一)腦的相對大小的變化人腦的平均重量為1300—l400克，女性腦的重量略輕于男性。
從絕對重量看，象腦比人腦重3倍，但從相對重量(腦重與體重的比值)看，人腦比象腦重得多。
下面是用腦指數(EQ)標明的脊椎動物腦的相對大小的變化：在上表中，腦指數是用腦的實際大小與預期的腦的大小的比值來表示的。所謂預期大小是指哺乳動物腦的大小的平均值，它考慮了腦重與體重的關系。
哺乳動物的腦重與體重的平均比值為1.0，如貓。如果某種動物的體重是貓的體重的兩倍，腦的重量也是貓腦重量的兩倍，那么，它的腦指數(EQ)便是1.0。
從表中看到，隨著進化階梯的上升，腦指數是逐漸上升的，人腦的EQ約為猩猩腦的2.54倍，約為鼠腦的15倍。 (二)皮層相對大小的變化 在脊椎動物腦的進化中，新皮層大小的增加具令重要的意義。
這可以用皮層指數(CQ)來表示。這個指標與EQ相似，它不是指新皮層的。
?
總結
以上是生活随笔為你收集整理的神经网络自我进化模型,神经网络自我进化方向的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： Zhong__Python lambda
- 下一篇： 光遇测试服怎么显示服务器错误,光遇服务器