什么是神经网络?

我们把这个问题交给了剑桥大学的人工智能专家Beth Singler……

贝丝:神经网络基本上是一层又一层的算法，这些算法都是相互联系的，所以一个算法的输出会成为另一层的输入。这是一种联系主义的方法。神经网络的目的是复制人类大脑的结构。我们熟悉的神经元和突触。所以我们的想法是，如果一切都是可计算的，这是一个很大的假设，但有些人认为是艾伦·图灵在阿朗佐·丘奇之后证明了这一点，那么底层，大脑实际上是由什么构成的，无论是肉质的东西，还是硅可能都不重要了。但可能重要的是人类大脑的结构，突触和神经元之间的联系，以及它们如何相互作用和相互流动。这就是神经网络试图复制的东西。现在，神经网络有很多用途，包括评估复杂的数据关系和进行模式识别。就像我们在计算机视觉中看到的，在自动驾驶汽车等系统的控制中，在人工助理中，它们可以学习如何回应我们，学习我们的偏好。目前对神经网络的兴趣是用它来识别和诊断患者肺部的核磁共振成像中的COVID-19。 However, neural networks can sometimes learn to look for the wrong things in data, or they can express biases that all were already present in the dataset. And this can lead to very negative or unexpected outcomes.