——我院举办“人类学习与神经网络”云讲座

2023年5月17日，由教务处举办的“人类学习与神经网络”讲座在“钉钉”平台举行。我院1500余名师生共同观看了美国斯坦福大学电气工程系博士、人工智能专家王维嘉老师的演讲。

王博士认为，人类学习面对着三个概念：信息、数据和知识。信息是可观察事物的表征；数据是已经描述出的信息；而知识则是数据之间的时空关系。

在人类两千多年的思考过程中，存在着理性主义和经验主义的思辩。前者认为知识是天生的依靠推理证明的因果关系，后者认为知识是创造的通过经验证实的相关联系。理性主义的代表人物之一笛卡尔驳斥经验主义无法通过人眼的观察得出“眼见为实”的判断，经验主义的代表人物之一大卫·休谟驳斥理性主义无法通过一万只天鹅是白色来归纳证明天鹅都是白色的结论；理性主义无法否认知识于经验的可得性，经验主义也无法否定数学知识的可靠性；理性主义的意义在于祛魅上帝，经验主义的意义在于不能用理性主义去解释代替道德。

随着相对论、量子科学等现代科学特别是对人脑工作机能研究的深入，理性主义和经验主义的争论也戛然而止，人类对学习的认知进入一个新的维度。从人的主体出发，大脑对客观事物具有加工和构建的能力。认识人类学习的过程其实也就是对大脑机能解构的过程。人脑中一个神经元向另一个神经元传递了化学分子，以造成第二个神经元电位和电压的变化，电压的高低决定了下一个神经元是否被激活。人脑中一千亿左右的固定的神经元完成了所有的交互工作。简言之，人类学习的奥秘正是神经元之间的连接。就像形与声两种元素的结合造就了中国形声字的文字本体。

王博士认为，正如“神就照着自己的形象造人”一样，人类按照自己的学习原理去创造AI。机器通过芯片模拟人类大脑的学习机能即多元神经网络（深度学习）。每个电子神经元功能超级简单，神经网络应用的数学原理是非线性分类器，海量的神经元和变量进行高阶非线性表达，通过人类的调试逐渐接近完成态。例如让机器识别哪个是猫，哪个是车，通过答对灯亮、答错灯灭的提示不断调节人工智能的判断曲线，上万亿个灯组通过云计算达到超越“人眼”的细节观察和判定。神经网络的工作原理即是萃取相关性，如果将AI比作一头奶牛，它吃进去的是大量的数据，挤出来的是则是数据的相关性——知识。

教务处 王珩供稿