神经网络自我进化模型,神经网络自我进化方向

“AI”能自我进化吗？

AI确实进化了，它能做的事情越来越多，成绩斐然。它的背后是AI实现路径的“三级跳”。但是“AI自开发短期内应该无法替代人的工作，还有很长的路要走。”徐文娟说。

赵志刚从学术角度分析道：“只有当人类把不同应用领域的AI模型设计出来，并进一步分解出一系列通用模块，如同化学中的元素周期表、生物中的DNA、RNA，这种自开发才能有更多的应用。

”“仅需几行代码就能构建一个回归模型。”程序员认可谷歌AutoML的工作表现，认为AutoML设计的模型和机器学习专家设计的不相上下。日前，谷歌工程师分别在中国和硅谷重点推介谷歌AutoML项目。

不明就里的疑惑紧跟着纷至沓来——AI又进化了？！已经会自开发了？能操控自己的进化了？是要摆脱人类吗？

国家超级计算济南中心大数据研发部研究员赵志刚说：“起初我们用数学公式和‘if……then’等语句告诉计算机第一步做什么、第二步做什么，手把手地教，后来给机器n组输入和输出，中间的规则或规律由它自己学会。

”“之前，很多聪明的头脑花一辈子时间研究：如何抽取有效的特征。

”专注于智能导购对话机器人的智能一点公司CTO莫瑜解释道，“神经网络算法的发明、深度学习技术的出现，使得AI进化到2.0，抽取特征的工作由AI自己进行，我们的工作也随之发生了变化。

”用数学函数的模式很容易解释“1.0”到“2.0”的转变：如果把识别图像、语义理解、下棋等任务的达成都看成是不同的Y=f（X），即输入的“猫”的图片、声音或棋招是“X”，输出的“猫”、回答、棋高一招是“Y”。

深度学习之前，人通过自己的分析寻找函数f对应的公式，告诉给AI。而深度学习之后，人输入大量的X与Y的对应，AI自己发现函数f对应的公式。

“AI找到的函数f的具体内容，可能比人找到的更好，但是人类并不知道，就像一个黑匣子。

”莫瑜说，“但是f的形式是AI研究员通过研究设计出来的，如果使用深度神经网络，网络中的模块以及模块之间的组织方式也是提前设计的。”随着深度学习技术的成熟和普遍化，模型构建出现了特定可追寻的经验。

“各种共性神经网络的发布，使得从业门槛越来越低。一些普通的模型构建与优化，刚毕业的学生在网上学学教程就能上手。”赵志刚说。当构建模型成为可习得的技能，AutoML就出现了。

它能做的正是AI研究员的模型设计工作。“将帮助不同公司建立人工智能系统，即使他们没有广泛的专业知识。”谷歌工程师这样推介。AI成功进化到3.0。

事实上，AutoML替代的仍旧是人类能够提炼出经验的工作。“如果说之前人描绘一套寻找函数f的‘路网’，在深度学习的技术辅助下，机器能最快找到优化路径；那么AI现在可以自己设计路网了。”赵志刚言简意赅。

可以看出，不论是深度学习、还是AutoML，都只替代人类的一部分群体已经钻研透了的工作。“机器能做的事情，尽量不要手工劳动”，这是很多程序员的人生信条，这个信条催生了AutoML。

本着同样的信条，微软开发了DeepCoder。“它可以用来生成满足给定输入输出的程序。”莫瑜说，但它的表现目前还不尽如人意，只能编写一些简单的程序。谁是“上帝”答案毫无疑问，人类。

既然AI在进化中走向了更高一阶的模型设计，那么“上帝之手”又发生了哪些变化呢？

“炼丹”，莫瑜用两个字形象地说起自己的工作，“智能一点是专业做智能客服的，研发人员的工作主要集中于问题建模（如何将实际问题转化为人工智能技术解决的问题）和算法优化（如何提升人工智能算法的效果）。

”“炼”意味着不断地调试和完善。“针对特定的人，越投脾气越好，回答越精准越好。”莫瑜说，“我们的X是客户的问话，Y是机器人客服的回复，中间的函数f需要训练。”这是个不容易的任务。

如果把人类社会的经验分为3类：有公式的确定规则、可言传的知识、只可意会不可言传的感觉。最后一类最难琢磨。

“因此，我们想办法构建完善的闭环反馈，了解特定用户的喜好，通过情感、趣味的表达，最终做到投其所好。

”莫瑜说，“目前处于人机协同的工作阶段，但是越来越多样本的获取，将帮助我们的智能客服给出精准的、讨喜的回答。

”可见，并不是所有领域都适合交给AI自开发去做，比如问题建模方面，如何将实际问题抽象转换为机器学习问题， AI还无法自主完成。在AI2.0阶段，研发人员还需要人工设计函数f的形式。

谷歌人工智能写作项目：神经网络伪原创

人工大脑能不能制造出来？

日本京都ATR实验室的科研人员正在研制一个人造大脑，据称，该人造大脑在2001年已经问世写作猫。

据ATR实验室的雨果·德·加里斯称，人造大脑将由100万个人工神经元组成，它将采用神经网络的方式安装在大型并行计算机中。这样建造如此复杂的系统，研究人员将采用一种“网络自动生成技术”。

实际上，这种技术是由许多各自不相同的计算机程序所组成，而每一个程序都能“生成”自己的遗传因子锁健。加里斯把它称之为“进化工程技术”。

在网络中，“机器细胞”可通过神经键发出“生长信号”，使其神经网“生长”。加里斯说：“目前已完成人造大脑逻辑结构的二维工程，不久将进行三维连接。

”由于人造大脑的神经网络具有自我“进化”的结构，加里斯把它称为是一种“达尔文机械”。二、人脑的功能：智力。

人工智能和意识的问题

又是意识问题。如果意识是不能被数学物理来解释的一种现象，那是什么东西呢？我认为意识不过是一个增强的回馈系统。任何系统都可以用计算机来模拟，也就是可以用算法来描述。

一个石头没有意识，因为它的运动一定是外力的作用。越高级的动物，他们的行为越呈现出非外力因素。原因就是神经系统的信号在内部反馈加强。当反馈信号可以达到“无中生有”的时候，意识就产生了。

巧妙的地方就在信号产生不受外部条件影响。只有神经系统达到稳定状态才能有此能力。我认为意识不一定人类才有，有神经系统的动物都有一点意识。现代的神经网络也有意识。只不过它还不够复杂到能告诉你它的感受。

要达到那种水平，起码需要记忆子系统，认知系统，感觉系统，语言系统，等等，不是那么容易的一件事情。

人工智能和神经网络有什么联系与区别？

联系：都是模仿人类行为的数学模型以及算法。神经网络的研究能促进或者加快人工智能的发展。

区别如下：一、指代不同1、人工智能：是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

2、神经网络：是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。

二、方法不同1、人工智能：企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

2、神经网络：依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。三、目的不同1、人工智能：主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。

2、神经网络：具有初步的自适应与自组织能力。在学习或训练过程中改变突触权重值，以适应周围环境的要求。同一网络因学习方式及内容不同可具有不同的功能。

参考资料来源：百度百科-人工智能参考资料来源：百度百科-神经网络。

人工神经网络的发展

现代意义上对神经网络（特指人工神经网络）的研究一般认为从1943年美国芝加哥大学的生理学家W.S. McCulloch和W.A. Pitts提出M-P神经元模型开始，到今年正好六十年。

在这六十年中，神经网络的发展走过了一段曲折的道路。

1965年M. Minsky和S. Papert在《感知机》一书中指出感知机的缺陷并表示出对这方面研究的悲观态度，使得神经网络的研究从兴起期进入了停滞期，这是神经网络发展史上的第一个转折。

到了20世纪80年代初，J.J. Hopfield的工作和D. Rumelhart等人的PDP报告显示出神经网络的巨大潜力，使得该领域的研究从停滞期进入了繁荣期，这是神经网络发展史上的第二个转折。

到了20世纪90年代中后期，随着研究者们对神经网络的局限有了更清楚的认识，以及支持向量机等似乎更有前途的方法的出现，“神经网络”这个词不再象前些年那么“火爆”了。

很多人认为神经网络的研究又开始陷入了低潮，并认为支持向量机将取代神经网络。

有趣的是，著名学者C.-J. Lin于2003年1月在德国马克斯·普朗克研究所所做的报告中说，支持向量机虽然是一个非常热门的话题，但目前最主流的分类工具仍然是决策树和神经网络。

由著名的支持向量机研究者说出这番话，显然有一种特殊的意味。事实上，目前神经网络的境遇与1965年之后真正的低潮期相比有明显的不同。

在1965年之后的很长一段时期里，美国和前苏联没有资助任何一项神经网络的研究课题，而今天世界各国对神经网络的研究仍然有大量的经费支持；1965年之后90%以上的神经网络研究者改变了研究方向，而今天无论是国际还是国内都有一支相对稳定的研究队伍。

实际上，神经网络在1965年之后陷入低潮是因为当时该领域的研究在一定意义上遭到了否定，而今天的相对平静是因为该领域已经走向成熟，很多技术开始走进生产和生活，从而造成了原有研究空间的缩小。

在科学研究中通常有这么一个现象，当某个领域的论文大量涌现的时候，往往正是该领域很不成熟、研究空间很大的时候，而且由于这时候人们对该领域研究的局限缺乏清楚的认识，其热情往往具有很大的盲目性。

从这个意义上说，过去若干年里各领域研究者一拥而上、各种专业刊物满眼“神经网络”的风光，其实是一种畸形繁荣的景象，而对神经网络的研究现在才进入了一个比较理智、正常的发展期。

在这段时期中，通过对以往研究中存在的问题和局限进行反思，并适当借鉴相关领域的研究进展，将可望开拓新的研究空间，为该领域的进一步发展奠定基础。

神经网络的发展趋势如何？

神经网络的云集成模式还不是很成熟，应该有发展潜力，但神经网络有自己的硬伤，不知道能够达到怎样的效果，所以决策支持系统中并不是很热门，但是神经网络无视过程的优点也是无可替代的，云网络如果能够对神经网络提供一个互补的辅助决策以控制误差的话，也许就能使神经网络成熟起来 1 人工神经网络产生的背景自古以来，关于人类智能本源的奥秘，一直吸引着无数哲学家和自然科学家的研究热情。

生物学家、神经学家经过长期不懈的努力，通过对人脑的观察和认识，认为人脑的智能活动离不开脑的物质基础，包括它的实体结构和其中所发生的各种生物、化学、电学作用，并因此建立了神经元网络理论和神经系统结构理论，而神经元理论又是此后神经传导理论和大脑功能学说的基础。

在这些理论基础之上，科学家们认为，可以从仿制人脑神经系统的结构和功能出发，研究人类智能活动和认识现象。

另一方面，19世纪之前，无论是以欧氏几何和微积分为代表的经典数学，还是以牛顿力学为代表的经典物理学，从总体上说，这些经典科学都是线性科学。

然而，客观世界是如此的纷繁复杂，非线性情况随处可见，人脑神经系统更是如此。复杂性和非线性是连接在一起的，因此，对非线性科学的研究也是我们认识复杂系统的关键。

为了更好地认识客观世界，我们必须对非线性科学进行研究。人工神经网络作为一种非线性的、与大脑智能相似的网络模型，就这样应运而生了。

所以，人工神经网络的创立不是偶然的，而是20世纪初科学技术充分发展的产物。2 人工神经网络的发展人工神经网络的研究始于40年代初。半个世纪以来，经历了兴起、高潮与萧条、高潮及稳步发展的远为曲折的道路。

1943年，心理学家W.S.Mcculloch和数理逻辑学家W.Pitts 提出了M—P模型，这是第一个用数理语言描述脑的信息处理过程的模型，虽然神经元的功能比较弱，但它为以后的研究工作提供了依据。

1949年，心理学家提出突触联系可变的假设，根据这一假设提出的学习规律为神经网络的学习算法奠定了基础。

1957 年，计算机科学家Rosenblatt提出了著名的感知机模型，它的模型包含了现代计算机的一些原理，是第一个完整的人工神经网络，第一次把神经网络研究付诸工程实现。

由于可应用于模式识别，联想记忆等方面，当时有上百家实验室投入此项研究，美国军方甚至认为神经网络工程应当比“原子弹工程”更重要而给予巨额资助，并在声纳信号识别等领域取得一定成绩。

1960年，B.Windrow和E.Hoff提出了自适应线性单元，它可用于自适应滤波、预测和模式识别。至此，人工神经网络的研究工作进入了第一个高潮。

1969年，美国著名人工智能学者M.Minsky和S.Papert编写了影响很大的Perceptron一书，从理论上证明单层感知机的能力有限，诸如不能解决异或问题，而且他们推测多层网络的感知机能力也不过如此，他们的分析恰似一瓢冷水，很多学者感到前途渺茫而纷纷改行，原先参与研究的实验室纷纷退出，在这之后近10年，神经网络研究进入了一个缓慢发展的萧条期。

这期间，芬兰学者T.Kohonen 提出了自组织映射理论，反映了大脑神经细胞的自组织特性、记忆方式以及神经细胞兴奋刺激的规律；美国学者S.A.Grossberg的自适应共振理论（ART ）；日本学者K.Fukushima提出了认知机模型；ShunIchimari则致力于神经网络有关数学理论的研究等，这些研究成果对以后的神经网络的发展产生了重要影响。

美国生物物理学家J.J.Hopfield于1982年、1984年在美国科学院院刊发表的两篇文章，有力地推动了神经网络的研究，引起了研究神经网络的又一次热潮。

1982 年，他提出了一个新的神经网络模型——hopfield网络模型。他在这种网络模型的研究中，首次引入了网络能量函数的概念，并给出了网络稳定性的判定依据。

1984年，他又提出了网络模型实现的电子电路，为神经网络的工程实现指明了方向，他的研究成果开拓了神经网络用于联想记忆的优化计算的新途径，并为神经计算机研究奠定了基础。

1984年Hinton等人将模拟退火算法引入到神经网络中，提出了Boltzmann机网络模型，BM 网络算法为神经网络优化计算提供了一个有效的方法。

1986年，D.E.Rumelhart和J.LMcclelland提出了误差反向传播算法，成为至今为止影响很大的一种网络学习方法。

1987年美国神经计算机专家R.Hecht—Nielsen提出了对向传播神经网络，该网络具有分类灵活，算法简练的优点，可用于模式分类、函数逼近、统计分析和数据压缩等领域。

1988年L.Ochua 等人提出了细胞神经网络模型，它在视觉初级加工上得到了广泛应用。为适应人工神经网络的发展，1987年成立了国际神经网络学会，并决定定期召开国际神经网络学术会议。

1988年1月Neural Network 创刊。1990年3月IEEE Transaction on Neural Network问世。

我国于1990年12月在北京召开了首届神经网络学术大会，并决定以后每年召开一次。1991 年在南京成立了中国神经网络学会。 IEEE 与INNS 联合召开的IJCNN92已在北京召开。

这些为神经网络的研究和发展起了推波助澜的作用，人工神经网络步入了稳步发展的时期。90年代初，诺贝尔奖获得者Edelman提出了Darwinism模型，建立了神经网络系统理论。

同年，Aihara等在前人推导和实验的基础上，给出了一个混沌神经元模型，该模型已成为一种经典的混沌神经网络模型，该模型可用于联想记忆。

Wunsch 在90OSA 年会上提出了一种AnnualMeeting，用光电执行ART，学习过程有自适应滤波和推理功能，具有快速和稳定的学习特点。

1991年，Hertz探讨了神经计算理论，对神经网络的计算复杂性分析具有重要意义；Inoue 等提出用耦合的混沌振荡子作为某个神经元，构造混沌神经网络模型，为它的广泛应用前景指明了道路。

1992年，Holland用模拟生物进化的方式提出了遗传算法，用来求解复杂优化问题。1993年方建安等采用遗传算法学习，研究神经网络控制器获得了一些结果。

1994年Angeline等在前人进化策略理论的基础上，提出一种进化算法来建立反馈神经网络，成功地应用到模式识别，自动控制等方面；廖晓昕对细胞神经网络建立了新的数学理论和方法，得到了一系列结果。

HayashlY根据动物大脑中出现的振荡现象，提出了振荡神经网络。

1995年Mitra把人工神经网络与模糊逻辑理论、生物细胞学说以及概率论相结合提出了模糊神经网络，使得神经网络的研究取得了突破性进展。

Jenkins等人研究光学神经网络，建立了光学二维并行互连与电子学混合的光学神经网络，它能避免网络陷入局部最小值，并最后可达到或接近最理想的解；SoleRV等提出流体神经网络，用来研究昆虫社会，机器人集体免疫系统，启发人们用混沌理论分析社会大系统。

1996年，ShuaiJW’等模拟人脑的自发展行为，在讨论混沌神经网络的基础上提出了自发展神经网络。

1997、1998年董聪等创立和完善了广义遗传算法，解决了多层前向网络的最简拓朴构造问题和全局最优逼近问题。

随着理论工作的发展，神经网络的应用研究也取得了突破性进展，涉及面非常广泛，就应用的技术领域而言有计算机视觉，语言的识别、理解与合成，优化计算，智能控制及复杂系统分析，模式识别，神经计算机研制，知识推理专家系统与人工智能。

涉及的学科有神经生理学、认识科学、数理科学、心理学、信息科学、计算机科学、微电子学、光学、动力学、生物电子学等。美国、日本等国在神经网络计算机软硬件实现的开发方面也取得了显著的成绩，并逐步形成产品。

在美国，神经计算机产业已获得军方的强有力支持，国防部高级研究计划局认为“神经网络是解决机器智能的唯一希望”，仅一项8 年神经计算机计划就投资4亿美元。

在欧洲共同体的ESPRIT计划中，就有一项特别项目：“神经网络在欧洲工业中的应用”，单是生产神经网络专用芯片这一项就投资2200万美元。据美国资料声称，日本在神经网络研究上的投资大约是美国的4倍。

我国也不甘落后，自从1990 年批准了南开大学的光学神经计算机等3项课题以来，国家自然科学基金与国防预研基金也都为神经网络的研究提供资助。

另外，许多国际著名公司也纷纷卷入对神经网络的研究，如Intel、IBM、Siemens、HNC。神经计算机产品开始走向商用阶段，被国防、企业和科研部门选用。

在举世瞩目的海湾战争中，美国空军采用了神经网络来进行决策与控制。在这种刺激和需求下，人工神经网络定会取得新的突破，迎来又一个高潮。自1958年第一个神经网络诞生以来，其理论与应用成果不胜枚举。

人工神经网络是一个快速发展着的一门新兴学科，新的模型、新的理论、新的应用成果正在层出不穷地涌现出来。

3 人工神经网络的发展前景针对神经网络存在的问题和社会需求，今后发展的主要方向可分为理论研究和应用研究两个方面。（1）利用神经生理与认识科学研究大脑思维及智能的机理、计算理论，带着问题研究理论。

人工神经网络提供了一种揭示智能和了解人脑工作方式的合理途径，但是由于人类起初对神经系统了解非常有限，对于自身脑结构及其活动机理的认识还十分肤浅，并且带有某种“先验”。

例如， Boltzmann机引入随机扰动来避免局部极小，有其卓越之处，然而缺乏必要的脑生理学基础，毫无疑问，人工神经网络的完善与发展要结合神经科学的研究。

而且，神经科学，心理学和认识科学等方面提出的一些重大问题，是向神经网络理论研究提出的新挑战，这些问题的解决有助于完善和发展神经网络理论。

因此利用神经生理和认识科学研究大脑思维及智能的机理，如有新的突破，将会改变智能和机器关系的认识。

利用神经科学基础理论的研究成果，用数理方法探索智能水平更高的人工神经网络模型，深入研究网络的算法和性能，如神经计算、进化计算、稳定性、收敛性、计算复杂性、容错性、鲁棒性等，开发新的网络数理理论。

由于神经网络的非线性，因此非线性问题的研究是神经网络理论发展的一个最大动力。

特别是人们发现，脑中存在着混沌现象以来，用混沌动力学启发神经网络的研究或用神经网络产生混沌成为摆在人们面前的一个新课题，因为从生理本质角度出发是研究神经网络的根本手段。

（2）神经网络软件模拟，硬件实现的研究以及神经网络在各个科学技术领域应用的研究。

由于人工神经网络可以用传统计算机模拟，也可以用集成电路芯片组成神经计算机，甚至还可以用光学的、生物芯片的方式实现，因此研制纯软件模拟，虚拟模拟和全硬件实现的电子神经网络计算机潜力巨大。

如何使神经网络计算机与传统的计算机和人工智能技术相结合也是前沿课题；如何使神经网络计算机的功能向智能化发展，研制与人脑功能相似的智能计算机，如光学神经计算机，分子神经计算机，将具有十分诱人的前景。

4 哲理（1）人工神经网络打开了认识论的新领域认识与脑的问题，长期以来一直受到人们的关注，因为它不仅是有关人的心理、意识的心理学问题，也是有关人的思维活动机制的脑科学与思维科学问题，而且直接关系到对物质与意识的哲学基本问题的回答。

人工神经网络的发展使我们能够更进一步地既唯物又辩证地理解认识与脑的关系，打开认识论的新领域。

人脑是一个复杂的并行系统，它具有“认知、意识、情感”等高级脑功能，用人工进行模拟，有利于加深对思维及智能的认识，已对认知和智力的本质的研究产生了极大的推动作用。

在研究大脑的整体功能和复杂性方面，人工神经网络给人们带来了新的启迪。

由于人脑中存在混沌现象，混沌可用来理解脑中某些不规则的活动，从而混沌动力学模型能用作人对外部世界建模的工具，可用来描述人脑的信息处理过程。

混沌和智能是有关的，神经网络中引入混沌学思想有助于提示人类形象思维等方面的奥秘。

人工神经网络之所以再度兴起，关键在于它反映了事物的非线性，抓住了客观世界的本质，而且它在一定程度上正面回答了智能系统如何从环境中自主学习这一最关键的问题，从认知的角度讲，所谓学习，就是对未知现象或规律的发现和归纳。

由于神经网络具有高度的并行性，高度的非线性全局作用，良好的容错性与联想记忆功能以及十分强的自适应、自学习功能，而使得它成为揭示智能和了解人脑工作方式的合理途径。

但是，由于认知问题的复杂性，目前，我们对于脑神经网的运行和神经细胞的内部处理机制，如信息在人脑是如何传输、存贮、加工的？记忆、联想、判断是如何形成的？大脑是否存在一个操作系统？

还没有太多的认识，因此要制造人工神经网络来模仿人脑各方面的功能，还有待于人们对大脑信息处理机理认识的深化。

（2）人工神经网络发展的推动力来源于实践、理论和问题的相互作用随着人们社会实践范围的不断扩大，社会实践层次的不断深入，人们所接触到的自然现象也越来越丰富多彩、纷繁复杂，这就促使人们用不同的原因加以解释不同种类的自然现象，当不同种类的自然现象可以用同样的原因加以解释，这样就出现了不同学科的相互交叉、综合，人工神经网络就这样产生了。

在开始阶段，由于这些理论化的网络模型比较简单，还存在许多问题，而且这些模型几乎没有得到实践的检验，因而神经网络的发展比较缓慢。

随着理论研究的深入，问题逐渐地解决特别是工程上得到实现以后，如声纳识别成功，才迎来了神经网络的第一个发展高潮。

可Minisky认为感知器不能解决异或问题，多层感知器也不过如此，神经网络的研究进入了低谷，这主要是因为非线性问题没得到解决。

随着理论的不断丰富，实践的不断深入，现在已证明Minisky的悲观论调是错误的。今天，高度发达的科学技术逐渐揭示了非线性问题是客观世界的本质。

问题、理论、实践的相互作用又迎来了人工神经网络的第二次高潮。目前人工神经网络的问题是智能水平不高，还有其它理论和实现方面的问题，这就迫使人们不断地进行理论研究，不断实践，促使神经网络不断向前发展。

总之，先前的原因遇到了解释不同的新现象，促使人们提出更加普遍和精确的原因来解释。

理论是基础，实践是动力，但单纯的理论和实践的作用还不能推动人工神经网络的发展，还必须有问题提出，才能吸引科学家进入研究的特定范围，引导科学家从事相关研究，从而逼近科学发现，而后实践又提出新问题，新问题又引发新的思考，促使科学家不断思考，不断完善理论。

人工神经网络的发展无不体现着问题、理论和实践的辩证统一关系。

（3 ）人工神经网络发展的另一推动力来源于相关学科的贡献及不同学科专家的竞争与协同人工神经网络本身就是一门边缘学科，它的发展有更广阔的科学背景，亦即是众多科研成果的综合产物，控制论创始人Wiener在其巨著《控制论》中就进行了人脑神经元的研究；计算机科学家Turing就提出过B网络的设想；Prigogine提出非平衡系统的自组织理论，获得诺贝尔奖；Haken研究大量元件联合行动而产生宏观效果，非线性系统“混沌”态的提出及其研究等，都是研究如何通过元件间的相互作用建立复杂系统，类似于生物系统的自组织行为。

脑科学与神经科学的进展迅速反映到人工神经网络的研究中，例如生物神经网络理论，视觉中发现的侧抑制原理，感受野概念等，为神经网络的发展起了重要的推动作用。

从已提出的上百种人工神经网络模型中，涉及学科之多，令人目不暇接，其应用领域之广，令人叹为观止。不同学科专家为了在这一领域取得领先水平，存在着不同程度的竞争，所有这些有力地推动了人工神经网络的发展。

人脑是一个功能十分强大、结构异常复杂的信息系统，随着信息论、控制论、生命科学，计算机科学的发展，人们越来越惊异于大脑的奇妙，至少到目前为止，人类大脑信号处理机制对人类自身来说，仍是一个黑盒子，要揭示人脑的奥秘需要神经学家、心理学家、计算机科学家、微电子学家、数学家等专家的共同努力，对人类智能行为不断深入研究，为人工神经网络发展提供丰富的理论源泉。

另外，还要有哲学家的参与，通过哲学思想和自然科学多种学科的深层结合，逐步孕育出探索人类思维本质和规律的新方法，使思维科学从朦胧走向理性。

而且，不同领域专家的竞争与协调同有利于问题清晰化和寻求最好的解决途径。纵观神经网络的发展历史，没有相关学科的贡献，不同学科专家的竞争与协同，神经网络就不会有今天。

当然，人工神经网络在各个学科领域应用的研究反过来又推动其它学科的发展，推动自身的完善和发展。

心理的神经系统机制是什么样的?

心理的神经生理机制自古以来，人类就希望知道心理是怎样产生的。由于人会做梦，能够梦到早已去世的亲人．因此有人认为，人的灵魂相肉体是互相分离的，人死以后，灵魂会跑到另一个世界中去。

由于人的心脏和人的生命的存亡有直接关系，人在高兴或悲伤时，心脏都有特殊的反应，因此有人认为，心脏是心理的器官。也有一些人由于看到脑的损伤，会引起某些认知功能的丧失，因而认为脑是心理的器官。

随着科学的发展，人类终于认识到心理是神经系统的功能，特别是脑的功能。这个认识是得来不易的。

近30年来，由于神经科学、认知科学、电生理学和生物化学等的飞速发展，各种现代技术的突飞猛进，人们对神经系统的结构与功能有了许多崭新的认识，这对现代心理学的发展产生了深刻的影响。

本章将简要介绍脑和神经系统的最一般的知识。首先介绍神经系统的进化，特别是脑的进化。进化的观点是研究脑的一个重要的观点。了解神经系统的发生和发展，对揭示心理的种系发展有重要的意义。

其次介绍神经元的构造和神经兴奋传递的特点。神经元是神经系统的基本结构单位和功能单位。神经元之间的联系构成了复杂的神经网络或神经回路。

再次介绍神经系统的结构和功能，包括周围神经系统和中枢神经系统的结构和功能。大脑是进化阶梯上最后出现的脑组织，是各种心理活动最重要的物质本体。

本章还介绍了各种不同的脑学说，特别是当代影响最大的机能系统学说和模块学说。最后介绍内分泌系统及其对行为的调节作用。

第一节神经系统脑的进化人脑是世界上最复杂的一种物质，它由100亿以上的神经细胞和1000亿以上的神经胶质细胞组成，每个神经细胞又可能与其他神经细胞存在1万个以上的联系，形成了复杂的神经网络。

这样一块复杂的物质是怎样产生的呢?从19世纪达尔文的“进化论”问世以后，进化的观念已深入到不同学科的研究中。人脑是自然界长期进化过程的产物。

从没有神经系统的单细胞动物，到脊椎动物复杂的神经系统，再到高度复杂的人脑，经过了上亿年的发展。研究脑的进化，不仅对揭示人脑的秘密有重要的意义，也对了解脑与心理的关系有重要的意义。

本节将概述神经系统与脑的进化，包括神经系统的发生、无脊椎动物的神经系统、低等脊椎动物的神经系统和高等脊推动物的神经系统等。一、神经系统的发生根据科学家的推算，地球大约在46亿年前形成。

在地球形成后相当长的时间内．温度很高，一切元素都呈现气体状态。后来温度下降了，才有了岩石、水和大气等无机物。大约又过了十几亿年，地球上开始出现了生物，即生命现象。

生命出现以后，又不断发展和分化，大约在几亿年前、产生了动物和植物的分化。动物出现以后，又不断地进化，开始是无脊椎动物，后来是低等脊椎动物．再到高等脊推动物。

动物发展到一定阶段便产生了神经系统，以后又产生了脑，这就为心理现象的产生准备了物质基础。最低等的动物是原生动物，如变形虫(图2—1)。一个变形虫就是一个细胞，它是一团形态不固定的原生质。

胞体向不同方向伸出长短不同的突起、叫伪足。变形虫虽然很简单，但能对外界多种刺激作出反应，如趋向有利刺激(食物)，避开有害刺激(玻璃丝)；饱食以后不再对食物发生反应等。

变形虫是单细胞动物，它没有专门的神经系统、感受器官和效应器官，而是由一个细胞执行着各种机能。不过，在变形虫身上可以看到其结构的初步分化，即有内浆和外浆之分。

外桨在身体表面，是与外界直接接触的部分；内浆在身体里面，负责体内的功能。外浆与内浆的分化是动物神经系统产生的前奏。从单细胞动物发展到多细胞动物，是动物进化史上的一个飞跃。

从多细胞动物开始，动物身体的各个部分为适应生活环境的变化而逐渐分化。

低等多细胞动物已经有了专门接受某种刺激的特殊细胞，这些细胞逐渐集中，形成了专门的感觉器官和运动器官，同时出现了协调身体各部分的神经系统。这样，动物身体各部分的活动便借助神经系统联结成为一个整体。

原始的多细胞动物是腔肠动物，如水蝗、海蜇、水母等(图2—2)。以水螅为例，它生活在水中，身体呈指状，上端有口，周围长有6至8个触手，全身布满细胞，这种细胞按功能分成三类：①感觉细胞。

分布在身体表面、在口和触手上密度最大，其主要功能是接受各种外界刺激．如化学的、温度的、光线的和机械的刺激。②运动细胞。主要功能是执行运动反应。③神经细胞。

位于感觉细胞和运动细胞之间，每个种经细胞都有丝状突起，联合成网，组成网状神经系统，它们专门执行着传递兴奋的功能。由此可见，水熄已经具有了高等动物的反射弧的雏形，这也是神经系统的最初形态。

在网状神经系统中，神经元之间没有突触连结，它们之间的联系是原浆性的，没有神经节，没有中枢，因而神经细胞的兴奋，可以向任何方向传导，刺激水螅身体的任何一点都能引起全身性的反应。

二、无脊推动物的神经系统无脊椎功物是动物进化史上的个重要阶段，它繁盛于6亿午前的寒武纪。在无脊椎动物的不同发展阶段上、神经系统具有不同的发展水平。

下面以蚯蚓和昆虫为例说明无脊椎动物神经系统的一些特点。蚯蚓是人们熟悉的环节动物。

蚯蚓身体由许多环节构成，每一个体节中央都有一个神经节，每个神经节所发出的神经分布到身体的各个部分，并把全身各个部分联合成一个整体。头部神经节集中，形成咽上神经节和咽下神经节。

头部神经节发达，在神经系统演化上称发头现象。发头现象的出现为脑的产生准备了条件。头部神经节往后是纵贯蚯蚓腹部的腹神经索，因为蚯蚓的神经系统是链索状的，所以又称链状神经系统。

头部神经节的存在使哑剧产生了各种感官的萌芽，如触须、刚毛和眼睛。这样蚯蚓对外界刺激的反应能力就大大提高了，它能够对多种信号刺激发生反应，初步具有了各种感觉能力。

例如，蚯蚓能够对周围物体的振动和光作出反应，这些反应使它们避免成为其他动物的牺牲品。昆虫是节肢动物的代表。昆虫种类繁多，不同昆虫的身体结构虽有很大变异，但基本结构大体相似。

昆虫的身体一般分三个部分：头部、胸部和腹部。头有较敏锐的感觉器，胸有足、翅，腹无附肢。神经系统已达到较高的水平，神经细胞更趋集中，形成了三个大的神经节。

头部的神经节就是脑的雏形；胸部和腹部也各有一个神经节、并形成一条神经索。它们的神经系统称节状神经系统。

节肢动物的行为比环节动物的行为更复杂，它们能感受不同频率的声音，区分颜色和形状，分辨不同的气味。这些复杂的行为反应是和节肢动物神经系统的进化有关的。

但在动物心理的整个发展过程中，它们仍处于较低级的水平。许多节肢动物尚不能利用各种感觉器官的协同活动来反应外界的影响。

例如、蚂蚁是靠触须接受一种化学气味来分辨“敌我”和“认路”的，如果去掉触须就不能辨认。

又如，蜘蛛捕食落入蛛网中的昆虫，是由于昆虫落网振动了蛛丝，才引起蜘蛛的反应，如果将不可食的物体投入网中或用音叉接近蛛网时，蜘蛛同样也来捕食，可见蜘蛛只能对振动的条件作出反应，而不能同时用视觉和触觉来反应外界的影响。

三、低等脊椎动物的神经系统脊椎动物大约出现在5亿年前的奥陶纪以后。由无脊椎动物进化到脊椎动物，在动物进化史上是一个重大的进步。

脊椎动物的身体形态和结构、神经系统、感觉器官和运动器官都比无脊椎动物有很大的变化和发展。

脊椎动物的体形一般是左右对称的，身体分为头部、躯干和尾部三部分，体内背侧有一条脊柱骨，称脊椎，脊椎动物由此得名。

脊柱骨内有一条神经管，这是脊椎动物神经系统所具有的统一形式，称脊椎动物神经系统的通型。

这种神经系统与无脊椎动物的神经组织的主要区别是：①无脊椎动物的链状、节状神经系统位于动物体内的腹侧、而脊椎动物的管状神经系统位于动物体内的背侧，故又称背式神经系统。

背式神经系统的形成是由于脊惟动物的内骨骼代替了无脊椎动物的外骨骼，从而使动物的身体结构复杂化了。身体体积扩大、肌肉发达，也为神经系统的进一步发展提供了条件。

②无脊椎动物的神经组织是实心的，脊椎动物的神经组织是空心的。管状空心的神经组织增加了空间和面积，有利于兴奋的传递和神经组织与外界物质的交换，因而使神经系统有可能向更高级和更完善的方向发展。

管状神经系统的出现为脑的形成准备了条件。在神经管的前端膨大部分首先形成脑泡，随后逐渐发展成为相对独立的五个脑泡：前脑、间脑、中脑、延脑和小脑。两栖动物的前脑已经发展成为两半球。

爬行动物开始出现了大脑皮层。大脑皮层的出现是神经系统演化过程的新阶段，它使脑真正成为有机体的一切活动的最高调节者和指挥者。

随着神经系统的发展，特别是脑的发展，各种感觉器官和运动器官也相应完善起来，它们日趋专门化．并在神经系统的支配和调节下、获得了新的反应能力。与此同时，脊椎动物的行为也更加复杂起来。

四、高等脊椎动物的构经系统高等脊椎动物是指哺乳动物，包括啮齿类、食肉类和灵长类等动物。由于体温调节机能完善，生活地带非常广阔，生活条件复杂多样，哺乳动物在形态和生态方面有很大的差异。

哺乳动物的神经系统更加完善，大脑半球开始出现了沟回，从而扩大了皮层的表面积，这为大脑皮层担负更重要的调节和指挥机能准备了物质其础。脑的各部位的机能也日趋分化。

大脑皮层是整个神经系统的最高部位，是动物全部心理活动的最重要的器官，是动物各种复杂行为的最高指探中心。

由于脑的不同部位机能的分化，特别是大脑皮层结构的机能的复杂化、完善化，使哺乳动物的心理和行为发展到更新的水平。视窗：海豚的集体营救行为海豚是人们熟知的一种高等脊推动物。

它具有发达的脑和神经系统，因而具有许多智慧的行为。下面是描述海豚集体营救行为的一段报道。在小安得列斯群岛附近，一只幼小的海豚远远游到不同伴看不见的地方，突然遭到三条鲨鱼的袭击。

它马上发出一系列尖锐的嘘嘘声，即海豚语言中的SOS信号(国际船舶呼救的信号)。短促的双嘘声好像紧急的警报器发出的声音，第一部分的音高猛升，第二部分突然降低．效果是异乎寻常的。

二十多只海豚用嘘嘘声、吱吱声、哼哼声、咯咯声、隆隆声和唧唧声予以热烈的响应，并立即停止“交谈”。正好像听到海上船只发出呼救信号时，绝对“无线电静寂”一样。

然后这些海豚以每小时约40英里的最快速度，银箭一样射向小海豚被袭击的地点。雄海膳不减速就猛击鲨鱼，一而再地攻击鲨鱼躯体的两侧，直到鲨鱼的身件完全粉碎，沉入加勒比海底。

在战斗中，雌海琢则帮助受重伤的、无力浮出水面的小海豚。几只雌海豚并列在小海豚的两旁，把它们的鳍状肢伸到它下面，举起它，使它的鼻孔再次露出水面，能够呼吸。

这种救死扶伤的灵巧动作是由嘘嘘声的信号交换仔细调节的，这些“担架员”不时换班。在另一种情况下，科学家还观察到这类救护活动不停顿地日日夜夜继续进行整整两周，直到受伤的海豚康复为止。

哺乳动物发展到高级阶段，出现了灵长动物，类人猿是它们的高级代表。类人猿的神经系统达到了相当完善的程度。它的大脑在外形、细微结构和机能上都已接近于人脑。

大脑皮层对外界刺激的分析和综合能力大大提高了，它们不仅用感知来控制行为，而且在某些复杂的活动中加入了表象的成分，有了最简单的概括能力。

因此，在一定程度上，它们能认识事物之间的关系，具有了解决问题的能力。下面是脊椎动物脑进化的示意图(图2—4)。

从低等脊椎动物(如鱼)到高等脊椎动物(如人类)，脑的进化遵循着如下方向：(一)脑的相对大小的变化人脑的平均重量为1300—l400克，女性脑的重量略轻于男性。

从绝对重量看，象脑比人脑重3倍，但从相对重量(脑重与体重的比值)看，人脑比象脑重得多。

下面是用脑指数(EQ)标明的脊椎动物脑的相对大小的变化：在上表中，脑指数是用脑的实际大小与预期的脑的大小的比值来表示的。所谓预期大小是指哺乳动物脑的大小的平均值，它考虑了脑重与体重的关系。

哺乳动物的脑重与体重的平均比值为1.0，如猫。如果某种动物的体重是猫的体重的两倍，脑的重量也是猫脑重量的两倍，那么，它的脑指数(EQ)便是1.0。

从表中看到，随着进化阶梯的上升，脑指数是逐渐上升的，人脑的EQ约为猩猩脑的2.54倍，约为鼠脑的15倍。 (二)皮层相对大小的变化在脊椎动物脑的进化中，新皮层大小的增加具令重要的意义。

这可以用皮层指数(CQ)来表示。这个指标与EQ相似，它不是指新皮层的。