Neural network 为什么我们在计算机中使用神经网络？

我们为什么使用神经网络？这是生物性的。难道没有更多更“适合”计算机的解决方案吗

换句话说：为什么我们要用人脑作为人工智能灵感的模型

神经网络并不是真正的生物学。它们在非常普遍的层面上类似于神经元的结构，但如果说它们“与大脑一样”工作，那就太夸张了（有些神经网络倡导者鼓励这种夸张，唉）

神经网络主要用于模糊的、难以解决的问题，这些问题不会屈服于传统的算法方法。依我看，有更多“适合”计算机的解决方案，但有时这些解决方案不起作用，在这种情况下，一种方法是神经网络

---

人工智能是计算机科学的一个分支，致力于使计算机更具“生物性”。当你想让计算机做人类（生物）的事情，如下棋，或模拟随意的对话时，这是很有用的

---

在某些方面，人脑比最强大的计算机效率更高、功能更强大，因此尝试模仿生物处理信息的方式是有意义的。

我所知道的大多数神经网络只不过是灵活的插值器。错误的反向传播既简单又快速，以下是一些可能的用途：

• 数据分类
• 一些游戏（现代双陆棋AI击败了世界上最好的玩家，评估函数是神经网络）
• 模式识别（OCR？）

没有什么特别与人类智力有关。神经网络还有其他用途，我见过一种联想记忆的实现，它可以在不丢失（很多）数据的情况下进行退化，就像大脑看到一些神经元随着时间的推移而死亡一样。

神经网络只是受到我们大脑神经结构的“启发”，但它们甚至还没有接近真实神经元行为的复杂性（到目前为止，还没有神经元模型能够捕捉单个神经元的复杂性，更不用说神经元群体了……）

尽管“神经”、“机器”学习和其他“伪生物”（如“遗传算法”）术语非常“酷”，但这并不意味着它们实际上是基于真实的生物过程。 只是它们可能非常近似地提醒我们一种生物状态

---

注：当然，这并不意味着它们毫无用处！它们在许多领域都非常重要

我不明白这个问题。神经网络适用于某些函数，而不适用于其他函数。其他各种类型的算法也是如此，不管它们是从什么样的算法中得到启发的

如果我们有很多输入，我们想要一些输出，我们有一组已知期望输出的示例输入，我们不想自己计算一个函数，神经网络是非常优秀的。我们输入示例输入，将输出与示例输出进行比较，并以自动方式调整NN的内部工作，以使NN输出更接近所需的输出

这种函数推导在各种形式的模式识别和一般分类中非常有用。当然，这不是灵丹妙药。它没有解释力（因为你无法从内部看出它为什么以特定的方式对某些事物进行分类），它不能保证在一定范围内的正确性，验证它的工作情况是困难的，收集足够的示例进行培训和验证可能会很昂贵，甚至是不可能的。诀窍是知道何时使用NN以及使用哪种类型

当然，有些人把这些事情夸大为某种超级解决方案，甚至是对人类思想的解释，你可能会对此作出反应

我们为什么使用神经网络

因为它们构造简单，而且通常是解决某些问题的好方法，例如模式识别

难道没有更多更“适合”计算机的解决方案吗

是的，与计算机体系结构更紧密匹配的实现可能更适合计算机，但可能不太适合有效的解决方案

为什么我们要用人脑作为人工智能灵感的模型

---

因为我们的大脑是智能事物的最佳范例。

神经网络已经存在了一段时间，最初是为了模拟我们当时对神经元在大脑中工作方式的理解。它们代表一个神经元网络，因此称为“神经网络”。由于计算机和大脑在硬件方面有很大的不同，用计算机实现任何类似大脑的东西都将相当笨拙。然而，正如到目前为止其他人所说的，神经网络可以用于一些模糊的事情，例如模式识别、面部识别和其他类似的用途。它们还可以作为神经元如何连接的基本模型，经常用于认知科学和其他人工智能领域，试图了解复杂人脑的一小部分如何做出简单的决定。不幸的是，一旦神经网络“学习”了一些东西，就很难理解它实际上是如何做出决定的

当然，神经网络存在许多误用，在大多数非研究性应用中，已经开发出其他更精确的算法。如果一个商业软件自豪地宣称它使用了一个神经网络，那么很可能它并不需要它，而是在用它来低效地执行一项可以用更简单的方式执行的任务。除非软件实际上是在运行中“学习”，这是非常罕见的，否则神经网络几乎毫无用处。即使软件在“学习”，有时神经网络也不是最好的选择