1.2.1 泡沫：神经网络算法的“三起三落”

神经网络算法是一种更智能的算法。它能够让计算机模拟人脑进行相关的计算与分析，全面提升人工智能的自主学习能力，进行合理的推理，同时还具备超强的记忆能力。神经网络算法无疑是深度学习算法的引擎。

神经网络算法的研究是基于一次偶然、跨学科的产物。罗森·布拉特教授是第一个把神经网络算法应用到人工智能领域的科学家。他虽然是康奈尔大学的一位心理学教授，但是他对计算机也有着深入的研究。

1958年，罗森·布拉特教授成功地制作出第一台电子感知机。因为这台电子感知机能够识别简单的字母和图像，所以在社会上引起了强烈的反响。另外，当时的一些专家还预测到，在未来，计算机会有更强大的智能行为。他们的这些预言，目前基本上已经实现。

整体来看，分布式表征思想是神经网络算法的一个核心思想。因为大脑对事物的理解并不是单一的，而是分布式的、全方位的。而且神经网络算法的结构非常多元，这里以最常见的5种结构为例进行简单说明，如图1-1所示。

单层前向网络结构与多层前向网络结构的差别在于层级数量的差别。多层前向网络结构包含更多的“神经元”隐含层。在人工智能领域，神经网络算法隐含层的层数，能够直接决定它对数据的描摹刻画能力。如果“隐含层”的层级越多，那么它的智能程度也就越高。所以，多层前向网络结构会比单层前向网络结构的分析能力与计算能力强很多。

但是，多层前向神经网络结构的运行效率会更低。因为它的层数越多，运行时间就会越长，对运行时所需要的计算能力的要求也就会越高。为了增加多层前向神经网络结构的运行速度，提升运行效率，许多科研机构都会研发更高效的GPU系统来维护。

图1-1 神经网络算法的5种结构

反馈神经网络结构能够及时对用户的数据进行反馈，或者经智能分析刚刚优化处理后的数据，不断地循环往复，最终向用户输出精准的数据。这类似于一个自净系统，总是能够智能排除系统内的“有害数据”，保持系统的健康运行。

随机神经网络结构类似于大脑的联想能力，能够根据捕捉到的相关信息，进行合理的推理与联想，最终为用户提供全面的数据信息。它的典型案例就是知识图谱技术。例如，当我们在百度中键入自己想要搜索的内容后，百度就会根据关键词展开拓展，为我们提供全面的信息。

竞争神经网络结构遵从“物竞天择，适者生存”这一自然法则。竞争神经网络结构对数据是极其挑剔的，在对复杂的数据进行智能分析时，对于无用的数据会直接过滤掉，只保留对用户最有价值的数据。

如今，神经网络算法又向前迈了一大步，不仅能够使机器具备“自主思维”能力，而且还能够使其拥有“抽象概括”能力。科学的发展是无止境的，相关的人工智能科学家也正在再攀高峰，使机器更加智能，使我们的生活更加美好。