41 | 从感知机到神经网络算法

老师，想问一下神经网络实现手写数字例子中，为什么第一层是30个感知机，不能直接一层10个感知机，然后利用梯度下降法来训练模型吗？

机器能否取代人类，首要条件是机器必须拥有人类基本的能力，其次是机器必须要有政治意识。 人类拥有的智慧之一就是劳动能力，包括制造机器人。那么机器人只要能改造机器人就成。但培养政治意识就难了。机器人百毒不侵，不没有感知神经，不会受到人类弱点的任何考验，也就没有“哪里有压迫哪里就有反抗”的怨念源头。唯一让他们感到害怕的是，他们的电会用完，需要充电；他们的身体会腐烂，要更新；他们的脑袋会落伍，需要升级。只有当这些引起机器人的反感，让他们产生自我保护意识时，才有可能产生“取代人类”的念头。而这一切是建筑在他们有“自我保护”的意识之上的。 所以，一旦机器也有学习人类情感意识的技能之后，翻天覆地也就在旦夕之间了。

关于人类是否会被机器人统治，我看到这样一种解释，比较认可。首先，结论是不可能。原因是，机器人从本质上讲，可以看作硅基生命。地球生物在进化的过程中，必然曾进行过各种尝试，但最终的结果是所有生物基本都属于碳基生命。碳在化学稳定性上比硅更突出，所以才成为所有生物的生命基础。机器人归根到底是构建在以硅为基础的芯片上面的，是不可能在能量利用效率上超过真正的生物体。而在更有突破性的智慧领域，我觉得更不可能超越真正的生物。宇宙中几乎每个星球都具有机器人存在所需的物质基础，而且理论上说它们会比生物有更强的环境适应能力，但为什么至今没有发现机器人类型的外星人。我觉得硅基生命不具有自我生存优势可能是一种原因。

人工智能的算法简单来说就是找经验，先利用大量的样本数据分析，然后利用分析形成的经验来判断。人类最初的知识也是通过经验得来的，但是人可以跟进一步，从经验总结出规律来。基本过程是根据经验做出模型假设，然后用数据来验证假设，如果能够通过验证，则规律成立，否则进一步调整模型。所以，在我看来，人类比人工智能高级之处，就在于能够做出假设，等到那天人工智能也可以自己做出假设并完成验证，强人工智能也就不远了。

强人工智能能否出现，需要有标准去验证。对于人工智能否统治人类，个人觉得这是另外一个问题，表达意思就是即便到不到强人工智能也有可能统治人类。就像人类历史上野蛮落后也能战胜先进文明。

通过这一节的阅读学习，了解了从感知机到神经网络的实现原理。感知机通过输入特征训练感知机模型f(x)=sign(wx+b)的w，b参数。当出现误分类时，通过梯度下降降维求解极小值，也就是w，b值。对于误分类的集合，通过调整步长，使yi(w+xi+b)>=0 ,老师，对于大于等于零时我的一个疑问是越接近零是不是效果越好? 理解了感知机，神经网络可以看成多个多层多个感知机的组合。通过训练每层感知机的w,b，来达到神经网络的训练。老师在结尾说每层感知机的数量及多少层感知机是由算法工程师的内容，我的一个疑问是手写数字样本中第一层30个感知机是不是相对合理的数量? 整个专栏接近尾声，大数据专栏也是我在极客时间订的第一个专栏，整个专栏的内容跟着老师学了一遍，对大数据和机器学习(数据挖掘)有了一些理论的认识，我想在之后的时间中最重要的事就是用这些所学的内容在实践中去训练练习，我期望数据技术就是我所要从事的职业。谢谢老师，新年快乐。

之前听过吴军老师的一段讲话，意思是说：人工智能仅仅解决了数学问题中的一部分问题，而数学仅仅是解决了现实人类社会中问题的一部分。所以人工智能仅仅是人类生活的辅助，不能统治人类的。

我认为是可以的，进化了138亿年的人类，本质上也是一个信息进化的生物，从单细胞通过细胞感知光源信息和空气，进化到动物通过器官感知光，声，电等信号，然后进化成人，出现了更高级的感知，总结，整理信息的能力。人的进化过程也就是一个信息感知，识别，存储，知识化的驱动行为产生更多信息的过程， 现在的机器通过传感器，感知，识别，存储，知识化（机器学习AI）过程指导机器行为，产生更多行为信息的过程，周而复始，必然会产生类似于人的所谓智能和意识 （所谓意识，很多动物也有，本质上是一种高级认识系统而已，估计在200年以后，意识是非常低级的认识。），而且这个速度会很快，因为机器学习的速度，机器认识信息的速度要远高于人类，且支持伸缩扩展，人的进化是缓慢的。

作者认为，今天为我们所熟知的大部分机器学习技术，都建基于相关关系，而非因果关系。要实现强人工智能，乃至将智能机器转变为具有道德意识的有机体，我们就必须让机器学会问“为什么”，也就是要让机器学会因果推理，理解因果关系。或许，这正是我们能对准备接管我们未来生活的智能机器所做的最有意义的工作。--《为什么》朱迪亚·珀尔

模型是固定的，需要数据进行训练