#头条创作挑战赛#

深度学习的出现，让AI算法在视觉识别、语音识别上取得了极大的进展。

在围棋、蛋白质解析领域，也获得了很大的进展。

在一定程度上，AI算法代替了人的相当一部分功能，让人不得不去从事更复杂的工作。

那么，AI算法和人脑到底有多大的不同？

从数学上看，深度学习和人脑的信息处理机制，差别不大。

1，深度学习，是以权值矩阵+激活函数来构造神经网络的。

人脑，实际上也是一个神经网络。

人脑，依靠的也是很多神经元之间的复杂连接+非线性激活机制。

leaky_relu激活函数

古话说，“久在鲍肆，而不闻其臭”，为什么？

意思就是，人在一个充满了无害气味的地方久了，关于这种气味的神经反应就不激活了。

为什么？

因为激活这种反应也没用，咸鱼的气味无害，就是难闻罢了，那在这种场合长期工作的人，总不能天天呕吐吧。

怎么办？

时间长了就习惯了，这也是样本对神经网络的训练，也是BP算法[呲牙]

当然人的神经反应比电脑算法要慢得多，估计要连续训练15天以上才可以，但它们的机制是类似的。

人对不熟悉的语言，不熟悉的领域，也是看上去跟天书差不多。但是经过一段时间的训练之后，也就学会了，这也是训练。

人的知识能力，大多数不是天生的，而是后天训练的。

婴儿除了会哭、会吃奶，不会别的。

哭和吃奶来自于遗传，但遗传也是古代训练出来的网络模型[捂脸]这要追溯起来，大概要追溯到寒武纪。

2，你以为AI做不到的东西，只是因为没有样本信息的训练。

我不会法语，为什么？没学过。

这也是因为没有经过样本信息的训练。

我会英语，因为之前学过。

AI算法，是从大量样本里训练出来的统计信息，人又何尝不是呢？

人识别陌生物体的速度，比AI算法要快得多：让婴儿看看苹果，然后告诉Ta这是苹果，Ta下次就认识了。

但这是因为Ta的视觉模型的“前端是训练好的”：视觉系统是从父母那里继承来的，只需要训练后端的物体到语音的对应部分。

卷积神经网络

婴儿学东西的时候，实际只是对上图最后部分的“再训练”，而不是对整个网络的全训练！

动物几亿年遗传下来的视觉基因，比只出现了几年的AI前端，暂时是强的多的，但是AI的运算速度快啊。

在这一点上轻视AI，认为人脑的神经模型与电脑的“神经”模型有本质的差别，是不对的。

搞AI算法时，你也可以把别人前半部分的权值拿过来，只用不同的样本训练最后一层[捂脸]

3，人脑给出来的，也不是全局最优解。

人做事也是一步步地来，而且遇到复杂的事，人也有不同的看法，而且这些看法里有的对、有的不对、甚至都不对。

这些情况并不奇怪。

人类社会的发展，总的来说，是靠着人数来累积正确率。

电脑神经网络，当然也可以不同的算法工程师用不同的初始权值和样本，去训练不同的模型。

这与不同人有不同的阅历、不同的看法，有本质区别吗？

还真不一定有。

当然，人脑的神经系统是可以生长的，可以把不用的连接完全断开，而电脑只能把权值设置成0。

电脑也不是不能用稀疏矩阵，只是内存没那么紧张，懒得再转化而已：并不是做不到。

4，人脑看起来更灵活，还是来自于外界信息的不断输入。

1402年，靖难之变后，朱允炆的儿子朱文圭被囚禁在凤阳大半辈子，好几十岁的人了连牛马都不认识：

从科学的角度来看，他没见过牛马，他的大脑没经过类似的训练，他怎么能凭空认识呢？

方程：2x - 1234 = 0，

移项：2x = 1234，

最后：x = 617.

这不是梯度下降算法，是什么？[大笑]