人工神经网络（神经网络是人工智能未来的方向吗？）

人工神经网络（神经网络是人工智能未来的方向吗？）

1866年 孟德尔 发表了 他的遗传学论文，人们知道了 遗传信息 如何 在一代 一代 之间传播。

但是遗传信息 在生物体内 是如何存储 和传递的，存储遗传信息的是 dna 还是 蛋白质，一直到 1940年代，才研究的比较清楚。确定了 dna 的 化学结构 和 遗传的。中心法则。

相对于遗传信息是 如何传递的，那我们后天学习到的信息 在 神经系统中 是如何存储的，现在 还是 一片 模糊，只知道 大脑的 特定区域 与 记忆有关，至于 靠什么分子机制来 存储学习到的 信息，冗余度如何，几乎一无所知。现在 可以用基因工程 改造动植物的 遗传性状，可以 制造出 基因敲除 小鼠，来研究 人类的 类似病症，比如研究圆头精子症。 如果把 记忆信息的 分子机理 搞清楚了，说不来 未来 可以给 神经 系统 植入记忆 和 学习 成果。

科学家在 研究神经系统的过程中，注意到了 神经元 通过轴突 和 树突 相互连接，猜想 学习过程 和 信息获取就是 这些连接的改变，记忆 就是 通过 这些连接 编码的。 要彻底 搞清楚 记忆的 机理，还有待于 未来 科学的发展。

现在 计算机科学家 的研究思路，是先不关注生物神经系统的 具体运作机制。集中于 思考 人的 心智活动 是如何 处理信息的，比如 人脸识别时，对像素信息 做了什么样的计算，围棋高手，练习围棋时，对棋局 的 判断 是如何随着 练习的增多而改变的。 假设了 一些过程，用计算机 程序 模拟出来，应用于实际场合。alphago 在围棋上的成功，说明这些假设的过程 对处理 实际问题是有效的。alphago 主要采用了 两种过程，一是 人工神经网络， 另一种是 蒙特卡洛树 搜索。在一些宣传资料中，主要以及神经网络，其实蒙特卡洛树 搜索 对alphago 的成功同样 重要。

计算机用于研究人脑以前面对的问题，具有的一个重要优势是 数据存储量 和 计算速度不是 人脑 可比的，比如人要 研究过去5年 股市的 变化规律，一天能过10个股票 累的 头晕眼花，计算机几分钟内 将这些 数据过一遍 毫无压力。古人一直没有发现地球是圆的，就是因为站的不够高，视野小，现在航天员到了太空，一下就可以看出地球是圆的。计算机 超大的数据处理能力，会带来与靠脑力研究不一样的视野，发现以前没有发现的规律。

现在一些人 说理论物理的进展慢了，好长时间没有新的 基本 规律和公式的发现了。以前的成就，牛顿的理论，涉及到 距离，时间，质量，万有引力常数等几个因素，maxwell 的理论，包含电磁强度，磁场强度，距离，时间等。这些理论，包括 爱因斯坦的 理论，公式中都涉及到不会超过6个因素。 如果研究的 系统，影响因素 再增加，则无论是数据处理，还是进行分析，都超过了 人 脑力的能力范围。

学习计算机编程时，一般人对 条件判断，以及循环，学习起来觉得很容易， 学习到递归方法时，觉得理解起来，明显不如 循环容易。这个的 原因，就在于，同样的步数，递归方法 需要的短期存储的 变量数，远大于循环。人脑思考时，短期存储容量有限，所以问题稍一复杂，就需要纸和笔 辅助进行短期存储。而短期存储对计算机来说，毫无压力。所以在计算机出现以前，人类没有发展用递归来解决问题的思维方式，虽然数学归纳法，思想接近于递归，但是 数学归纳法 证明时，分情况讨论，一般不会太复杂，分情况太细，分枝超过6种，嵌套下来就会超出人脑的存储能力，感到繁琐，难以理解。

计算机以及广泛应用于 存储和处理数据，现在又用于下围棋，进行人脸识别，以前有 cad 计算机辅助设计，以后会发展出 计算机辅助 研究的 功能，利用 仿照 科学家 思维 和 处理数据，总结规律的过程，一定会促进科学的 飞速发展，发现 脑力难以发现的规律。

递归 研究 计算机 信息 遗传