人工神经网络训练的目的就是使得损失函数最小化(人工神经网络训练的目的就是使得损失函数最小化对不对)

人工神经网络(神经网络是人工智能的未来方向吗？)

孟德尔在1866年发表了他的遗传学论文，人们知道遗传信息是如何代代相传的。

但是遗传信息在生物体内是如何储存和传递的，储存遗传信息的是dna还是蛋白质，直到20世纪40年代才研究清楚。确定了dna的化学结构和遗传性。中心法则。

相对于遗传信息是如何传递的，我们后天学到的信息是如何储存在神经系统中的，还是一片模糊。我们只知道大脑的特定区域与记忆有关。至于用什么分子机制来存储学习到的信息，冗余度有多大，我们几乎一无所知。现在可以用基因工程来修改动植物的遗传性状，可以生产基因敲除小鼠来研究人类类似的疾病，比如圆头精子症。如果我们了解记忆信息的分子机制，我们可以在未来将记忆和学习结果植入神经系统。

在研究神经系统的过程中，科学家注意到神经元通过轴突和树突相互连接，并猜测学习过程和信息获取就是这些连接的变化，通过这些变化对记忆进行编码。要彻底了解记忆的机制，还需要未来科学的发展。

现在计算机科学家的研究思路不是关注生物神经系统的具体运行机制。重点思考人的心智活动是如何处理信息的，比如人脸识别中如何计算像素信息，一个围棋高手练习围棋时，如何随着练习的增加判断棋局。有些过程是假设的，由计算机程序模拟，并应用于实际情况。Alphago在围棋上的成功表明，这些假设过程在处理实际问题时是有效的。Alphago主要采用两个过程，一个是人工神经网络，一个是蒙特卡罗树搜索。在一些宣传资料中，主要是神经网络，其实蒙特卡罗树搜索对alphago的成功同样重要。

以前用计算机研究人脑面临的问题时，有一个重要的优势就是数据存储量和计算速度都不是人脑能比的。举个例子，一个人要研究过去五年股市的变化规律，一天10只股票下来就会头晕，电脑几分钟就把这些数据过一遍毫无压力。古人从来没有发现地球是圆的，只是因为他们站得不够高，视野小。现在，当宇航员到达Tai 空时，他们可以立刻看到地球是圆的。计算机超强的数据处理能力将带来不同于心智研究的视野，发现以前没有发现的规律。

现在有人说理论物理进展缓慢，很长时间没有发现新的基本规律和公式。前人的成果，牛顿的理论，涉及到距离、时间、质量、引力常数等几个因素。麦克斯韦的理论包括电磁强度、磁场强度、距离、时间等。这些理论，包括爱因斯坦的理论，在公式中涉及的因素不超过6个。如果研究体系和影响因素再增加，无论是数据处理还是分析都将超出人类脑力的范围。

在学习计算机编程的时候，大多数人都觉得学习条件判断和循环很容易。在学习递归方法时，他们发现比循环更容易理解。原因是，在相同步数的情况下，递归方法所需的短期存储变量数量远大于循环。人的大脑在思考的时候，短时存储容量是有限的，所以在问题稍微复杂的时候，就需要纸笔进行短时存储。但是短期存储对电脑没有压力。所以在计算机出现之前，人类并没有发展出一种用递归来解决问题的思维方式。虽然数学归纳法接近递归，但是在证明数学归纳法的时候，讨论案例一般不会太复杂。案件太细，分支不止六个。如果嵌套的话，会超过人脑的存储能力，显得繁琐，难以理解。

而且计算机被广泛用于存储和处理数据，现在被用于下围棋和人脸识别。之前有cad计算机辅助设计，以后会开发计算机辅助研究的功能。利用模仿科学家思维处理数据、总结规律的过程，必将推动科学的快速发展，发现脑力难以发现的规律。