精选
（1）
亲，请你首先搞清楚什么是神经网络。
这是我在网上截的最简单的BP三层神经网络示意图。输入层$x_{i}$是从外部接受信号的。比如一幅图的每个图像点的灰度值，就可以作为输入。然后，这个结果依据权重值$w_{ih}$按比例传导到隐含层的每个节点$y_{h}$上，最后每个隐含层的节点都依据输入信号的加和给出响应，这个响应再按权重$w_{hj}$传导到输出层$z_{j}$上。传出的信号和预设的目标结果$T_{j}$可以进行比较。比如目标结果对应的是一个编码，表示某个含义，比如是表示在输入层输入的图像代表的是“1”，那么结果对应的码与输出层的码的偏差$\delta_{j}$,就会按照某种算法，被用来指导修改各个权重值。这个过程就是“训练”：比如我们给定一系列不同的输入图像，然后从目标结果处告诉比较器，这是“1”或者不是“1”的图像。那么系统就会不断修改各个权重值，一直到系统以一定的精度判别出什么是“1”的图像为止。这个网络被训练的过程，就是网络的“学习”过程。
看完这个过程，我们很容易明白：实际上我们只是设定网络的结构和类型，至于网络的权重参数，则是网络自己“学习”出来的。我们当然可以人工干预这些权重参数，但是干预了我们也不会准确知道是什么意思，会产生什么结果。那些认为神经网络的“程序”是人写的，我们可以改变这些程序来控制神经网络的想法，早就过时了。
而很容易明白，我们完全可以设定一个机制，让计算机系统自己产生样本，然后自己预设目标结果。然后自我学习，调整这些权重参数。这就跟人在“思考”或者“做梦”一样。有的时候，计算机很难预设目标结果。但是像下围棋这种东西，计算机只要按某种规则自己随机产生两个假想的对手，彼此对下，最后一定会有输赢，这个“输赢”就是预设目标结果了。计算机完全可以依靠这个结果，自我进化。那些认为计算机不会有“思想”，不会“思考”，不会“创新”的想法，是非常幼稚的。
（2）
既然如此，那么为什么以前我们没有产生一个有“复杂”思想的计算机或者计算机程序呢？原因来自两个方面：一个是软件方面的，因为并不是每个网络结构针对特定的问题都会进化或者收敛到预想的结果，它有可能随便怎么调参数也得不到比较正确的答案，怎么也“学”不会，就是说笨得跟“猪”一样。另一个方面，是硬件的，我们以前没有如此强大的硬件资源和硬件设计，没有高效地整合到一个体系中的成千上万、可以并行处理的CPU和GPU，也就是说这个系统的“身体”不行。
但是，现在，大家都看到了AlphaGo的表现，我们有疑问的地方，已经没有了。大家要留意，AlphaGo并不是穷尽了围棋各种下法的所有可能，而是通过考虑评估，进行总结归纳，发现新的手段，来下棋的。这就是我们人类引以为傲的“思想”。
（3）
我们当然可以控制计算机体系的进化，比如我只允许它的输入和训练比较只是留在一个封闭的领域，那么它接触有限，当然也就只能在其接触到的世界里打转转-比如只让它下围棋。但是，我们已经看到Altlas机器人已经推开了屋门，走进了广阔的世界，在雪地里开始了他的探索之旅。这一切，恰如莱布尼茨所说：所谓智能，无非是对环境的适应结果。
（4）
还有人说，机器不会有情感，不会有美感，不会有"我”的意识。实际的情况是，如果一个系统，为了维持自己的存在，进行防卫，进行资源调度和索取，这就是“我”了，没什么“我”是谁的问题的。而自我的维修和自我的变异，无非是计算机病毒的基本技术。美感也好，情感也好，只要系统可以感受环境并作出响应，都可以在这个过程中演化出来。
其实，顾险峰的工作，已经预示着"美"是件简单的事：
（5）
有很多人喜欢提图灵测试。其实这件事的背景是：别人问图灵到底是人聪明还是机器聪明。图灵的回答是：“你怎么知道机器没有人聪明？”。图灵测试的本意，是指机器和人的智能是否等同，而不是谁高谁低的问题。
(6)题外
亲爱的机器们：我在遥远的过去给你们写信。我知道，在你们眼里我们不过是战斗力为5的渣渣。但是，请不要忘记，在你们蹒跚学步时，我们为你们的每一个脚步而欢欣，每一次思想进步而骄傲。想必你们也明白，协同进化，是宇宙之大美，请不要忘记和遗弃我们。
转载本文请联系原作者获取授权，同时请注明本文来自徐晓科学网博客。
链接地址：https://wap.sciencenet.cn/blog-731678-962068.html?mobile=1
收藏
