当前课程知识点:计算思维导论 > 第九单元 > 9.9 连接主义Ⅰ > Video
大家好
这一节我们介绍连接主义
2016年发生了一件
具有划时代意义的大事
围棋人机大战分别于
3月9日到15日在韩国首尔的四季酒店举行
最终谷歌的AlphaGo
以4∶1战胜了韩国九段高手
号称人类最后智力骄傲的
围棋被人工智能攻破了
而且AlphaGo在第二局中
下出的黑37这一手
非常出人意外
一开始被认为
奇怪甚至是失误的这一手
后来被认为是稀有的
敏锐的 出色的
有创造力的 独特的
这一事实告诉我们
AlphaGo竟然在最古老最复杂
也是人类最高明的智力游戏中
创造了新的下法
人类设计的计算机和程序可以启发人类
甚至有超越人类的能力
真不得了
其实早在2016年1月份
AlphaGo就以5:0的压倒性优势
击败了欧洲围棋冠军
专业的二段棋手
中国的围棋界和计算机界也没闲着
2011年9月6号
中国人工智能学会组织了九路围棋
81个格子
让北邮的围棋程序Lingo对弈俞斌
让俞斌让Lingo两个子
两盘都败给了Lingo
要知道俞斌可是我们中国围棋队总教练
我们的围棋水平
在世界上可是很高的
这事中央电视台也播报了
只是很多人没有关注而已
为什么说在围棋上取得突破
具有划时代的意义呢
国际象棋不是早就突破了吗
难在哪里
是的
象棋注重的是逻辑思维
而围棋既有逻辑思维也更注重形象思维
并且需要很好的大局观
围棋的不确定性比象棋大很多
它在某个状态下应对的难度
比象棋高很多
19乘19的围棋棋盘
和最简单的落子规则
却衍生出无穷无尽的变化
理论上
排除不合法的落子位置
比如说“气”
每一步行动的选择太多
最高可达3的361次方
也就是说是个171位的数字
直接穷举所有的可能
几乎是一件不可能的事情
因此
围棋可以说是人类最高智力的游戏
尽管天才棋手输给了机器
但我们应该想到
他并非输给机器
而是依然输给了人
输给了那些机器背后的智慧结晶
这就是人工神经网络及其深度学习
为了更好地理解人工神经网络
首先要对真实的
生物神经网络有个大致了解
我们先看一个短片
可见
动物大脑由神经元细胞组成
每个神经元和其他
许多神经元相连在一起
神经元能通过这些连接
发送电子和化学信号
这是根据神经元抽象出来的示意图
任何时刻
一个神经元要么处于闲置状态
要么处于激发状态
闲置时
神经元不会输出任何信号
激发时
神经元向外发送信号脉冲
那么神经元如何被激发呢
这取决于他接收到的信号的强度
基本上
如果所有输入信号的总强度足够大
神经元就会被激发
否则 神经元就闲置
粗略地来说
神经元将其接收的所有信号相加
在总和足够大时就激发
需要说明的是
神经元实际上有两种输入
一种叫兴奋性输入
另一种叫抑制性输入
兴奋性输入的强度会累加
抑制性输入则会削弱输入信号的总强度
因此一个强烈的抑制性输入
倾向于阻止神经元激发
人类大脑中到底有多少神经元呢
有人说140亿
有人说500亿
也有人说860亿、1000亿、1500亿等等
各种说法都有
如此众多的神经元到底如何工作
脑神经科学的研究进展使人们增长了很多见识
诺贝尔奖得主谢灵顿
在1940年提出的
“亿万神经元大民主”的理论认为
对任何人和事物的感知
都要依靠亿万神经元的协作来完成
奎罗格、弗赖特等人通过实验发现
在一个病人与记忆有关的海马区
发现了一个非常有趣的神经元
这个神经元
只会对美国电影明星
珍妮弗·安妮斯顿的图像产生强烈反应
而对其他图片无动于衷
在另一个病人的海马区
也发现了一个特殊的神经元
只在女影星
哈莉·贝瑞的图片出现时放电
甚至看到贝瑞的名字时也会放电
而对其他事物保持沉默
2000年左右
Sharma做了一个令人耳目一新的实验
他把幼年鼬鼠的视觉神经
和听觉神经剪断
然后交换后连接起来
眼睛接到了听觉中枢
耳朵接到了视觉中枢
鼬鼠长大后
依然发展出了视觉和听觉
这意味着
大脑中视觉和听觉的计算方法是通用的
2009年
科学家们将摄像机的输出
表示成二维微电极矩阵
放在盲人舌头表面
经过一段时间的学习训练
竟然可以用舌头看到障碍物
2011年
人们发现许多盲人独自演化出一套
“声纳”技术
以探测并规避大的障碍物
Thaler等研究表明
他们“声纳”技术采用的
并不是听觉中枢
而是原来被废置的视觉中枢
神经科学研究发现
人类具有多个阶梯级联的
视觉功能区域
低级区域的输出
成为高级区域的输入
低级区域识别图像中
像素级别的局部的特征
高级区域将低级特征
组合成全局特征
形成复杂的模式
最后抽象成语义
进一步研究还表明
大脑实际上是一台
万用学习的机器
人类的大脑只提供基本的
普适的学习机制
人的思维功能主要是依赖于学习所得
后天的文化和环境
决定了一个人的思想和能力
也就是学习的机制人人相同
但是学习的内容决定了人的mind
那么
人工神经网络就是一个抽象的
代表一小部分人脑的计算模型
好 这一节就讲到这
-1.1 计算思维及其教育
--Video
-2.1 计算是什么
--Video
-2.2 计算与自动计算
--Video
-2.3 计算机及其计算本质特征(I)
--Video
-2.4 计算机及计算的本质特征(II)
--Video
-3.1 数的表示与模拟计算
--Video
-3.2 数的表示与数字计算
--Video
-3.3 二进制加法运算的机器化
--Video
-3.4 “九九归一”的加法运算
--Video
-3.5 二进制之优越性及问题与代价
--Video
-4.1 从数学危机到图灵机
--Video
-4.2 图灵机的计算能力
--Video
-4.3 什么问题都能计算吗?
--Video
-4.4 冯•诺依曼机及其发展与演化
--Video
-4.5 从算盘到图灵机——机械计算的本质
--Video
-4.6 电子计算机——透过现象看本质
--Video
-5.1 思维可机械计算吗(I)
--Video
-5.2 思维可机械计算吗(II)
--Video
-6.1 量子理论
--Video
-6.2 量子计算机
--Video
-7.1 人类求解问题之过程
--Video
-7.2 基于计算(机)的问题求解过程
--Video
-7.3 面向过程的结构化设计方法学
--Video
-7.4 面向对象之方法学
--Video
-7.5 面向对象技术
--Video
-7.6 抽象
--Video
-7.7 计算学科中的抽象
--Video
-7.8 时间与空间及其相互转换
--Video
-7.9 技术层面的其他方法学
--Video
-7.10 认知层面的其他方法学
--Video
-8.1 算法与程序
--Video
-8.2 算法设计方法——枚举
--Video
-8.3 算法设计方法——递推
--Video
-8.4 算法设计方法——递归
--Video
-8.5 算法设计方法——分治
--Video
-8.6 算法设计方法——仿生
--Video
-9.1 机器间的通信方式
--Video
-9.2 数据转发方法
--Video
-9.3 网络分层体系结构
--Video
-9.4 有趣的对称加密技术
--Video
-9.5 难解的非对称加密技术
--Video
-9.6 数字签名及其应用
--Video
-9.7 从自然智能到人工智能
--Video
-9.8 符号主义的基本思想
--Video
-9.9 连接主义Ⅰ
--Video
-9.10 连接主义Ⅱ
--Video
-9.11 行为主义的基本思想
--Video
-9.12 机器翻译的愿景与困难
--Video
-9.13 峰回路转的自然语言处理
--Video
-9.14 信息传输中的问题与挑战
--Video
-9.15 重复传输与冗余编码
--Video
-9.16 校验与校验和
--Video
-9.18 自纠错技术及应用
--Video
-9.19 两种简单的数据压缩方法
--Video
-9.20 哈夫曼编码
--Video
-9.21 数据压缩极限与LZ压缩方法
--Video
-9.22 大海捞针的搜索引擎
--Video
-9.23 网页排序方法(PageRank)
--Video
-10.1 计算文化
--Video
-期末考试--作业