深度神经网络会产生人这样的智能吗？

深度神经网络会产生人这样的智能吗？

“人工神经网络”和人脑中的“神经网络”只有非常有限的共同点，而严格模拟人脑的神经网络也未必能解开智能之谜。人工智能和人类智能应该是“神似”而非“形似”。

深度学习在近年的进展又一次点燃了各界对人工神经网络的热情。这一技术在图像识别、语音识别、棋类游戏等领域的成效出人意料，而且更多应用领域也正在被开拓出来。“深度学习是否有效”已经不是问题，现在的问题是在哪些问题上有效果，尤其是这条研究路线是否是达到通用智能的最佳途径。

在实现“像人一样的智能”的诸多可能途径中，人工神经网络似乎具有天然的合理性和说服力。我们都知道人的智能来自人脑，而人脑是个神经网络，不是吗？当然没这么简单。所谓“人工神经网络”和人脑中的“神经网络”只有非常有限的共同点，而不同点则要多得多。我们不能仅仅因为它们名称上的相似性就断定它们会有相同的功能。

这种人工神经网络的确是从人脑得到了灵感，但并不是以严格模拟后者为目标的。首先，人工神经元忽略了人脑神经元的很多重要特征，比如说激活的时间模式等。其次，人脑中的神经元有很多种，互相的连接方式也远比上述模型中的要复杂。最后，人脑的学习过程不是通过反复调整权值而“收敛”于一个特定的输入输出关系的，所以不能被简化为函数拟合。

试图严格模拟人的神经网络的另有人在，只不过他们的目的主要不是为了实现人工智能，而只是想了解人脑的工作过程。有些研究者已经把“全脑仿真”作为目标了。这项工作当然是很有意义的，因为“模拟”是我们认识一个对象或过程的有效手段。但即使我们真能精确地模拟人脑中神经网络的工作过程，这也离完整地实现人类智能有相当远的距离。

人工智能的基本理论预设是把人类智能看作“智能”的一种形式，而试图在计算机中实现其另一种形式。根据这个看法，“人工智能”和“人类智能”不是在细节上完全一样，而是在某个抽象描述中体现着同一个“智能”。如果智能所需的某个机制在计算机里有更好的实现方式，那我们没必要用人脑的办法。

在人工智能历史上，以神经网络为代表的“联结主义”和以推理系统为代表的“符号主义”已经竞争了多年，彼此地位的消长也经历了几次反转了，这有点像光的“粒子说”与“波动说”的斗争史。时至今日，大部分人都会承认这两个传统各有长处和短处。在这种情形下，把二者结合起来就是个自然的想法了。

我不认为深度神经网络会产生通用智能，或是通向这一目标的有效途径，尽管这种技术有巨大实用价值，并可以为通用智能的研究贡献想法。人工智能的确要“以脑为师”，但若是亦步亦趋，恐怕会落个邯郸学步的下场。人工智能和人类智能应该是“神似”（体现在基本原理上）而非“形似”（体现在结构或行为上）。