这个系列是为所有爱好人工智能的同学写的AI通识，我试图用最简单的语言和大家讲述历史以及AI的基本技术原理，文中一半插图为AI工具所作，所以命名这一系列为：《AI漫画AI进化史》。
按照历史顺序预计的后续篇章有：
《AI漫画AI: 从故事到原理之“缘起“》（已完成）
《AI漫画AI: 从故事到原理之“诞生“》（已完成）
《AI漫画AI: 从故事到原理之“AI技术兵分两路“》（已完成）
《AI漫画AI: 从故事到原理之“全面遭遇寒冬“》（撰写中）
《AI漫画AI: 从故事到原理之“人工神经网络复萌“》（已完成）
《AI漫画AI: 从故事到原理之“专家系统复兴“》（撰写中)
《AI漫画AI: 从故事到原理之“反向传播的星星之火“》（已完成）
《AI漫画AI: 从故事到原理之“贝叶斯网络的活水“》(撰写中）
《AI漫画AI: 从故事到原理之“深度学习崛起“》（已完成）
这是第一篇，总计2000字，读完需要5分钟。
1. 引子
在奥斯卡奖电影《心灵捕手》里讲述了这样一个故事：一个被父母遗弃的数理天才少年Will Hunting，在一所高校里当清洁工，无意中破解了一个科研团队花了两年时间才破解的难题。然而，天才的另一半是他忧郁的童年带来的心理阴影，所幸他遇到了一位和他有相似遭遇的老头，治愈了他内心的纠结，奔向幸福人生。故事是虚构的，但有人却在现实中发现了一位真实存在的主人公“Will Hunting”， 他就是Walter Pitts。
我们在这里简单回顾一下Pitts的人生轨迹
-
1923年，Pitts出生于芝加哥，幼年时期Pitts被父兄认为是“怪胎”，
-
12岁时Pitts发现罗素《数学原理》中的错误，并写信给罗素，并收到剑桥大学的offer，但因为家中经济艰难，没能赴英深造
-
15岁时Pitts离家出走在芝加哥大学打扫卫生，在这里遇到他的人生贵人“Warren McCulloch”，McCulloch邀请当时无家可归的Pitts住在自己家中。也是在这一时期，Pitts 和McCulloch发表了那篇影响后世的开创性论文–建立了神经元的数学模型。
-
24岁时，Pitts被破格授予芝加哥大学的学士学位。
-
1969年，Pitts去世，享年46岁。
现实是残酷的，Pitts并没有像电影中的Will一样治愈他惨淡的童年，这也许是他的终身遗憾，但让Pitts没有想到的是，他和McCulloch教授一起发明的M-P神经元模型(以McCulloch 和Pitts命名)却成了计算机世界里永垂不朽模型。今天我们讲人工神经网络，源起就要从M-P模型说起。
而在整个神经网络的历史中，今天我们只讲神经网络的缘起，也就是下图中红色阴影的那段历史。
2. 一个神经元的数学模型
我们先看看人脑神经元的工作原理。图中这两个试图拉手的小东西就是神经元，两个神经元建立连接后，代表着他们以后可以相互通讯。
在目前已知的神经科学里，这种神经元之间的连接可以用来解释大部分的“人类智能”产生，包括记忆、联想、意识、情感等等。而且简单来说，神经元之间的连接越多，人越聪明，这也是为什么我们要充分训练儿童联想能力的原因。我们先搞清楚一个神经元的结构。
下面是单个神经元的一个生理结构，由树突，突触，轴突构成。
在神经元的通讯过程中，树突，突触，轴突各自有不同作用，
-
当其他神经元发射信号过来时，树突担任接收信号的职能，不过树突对来自不同神经元的信号并不是公平对待的，而是根据关系的密切程度做一些权重处理，
-
然后由轴突将树突接收到的信号进行加和，如果加和结果大于某个阈值，则告诉突触为“是”，如果小于某个阈值，则告诉突触为“否”
-
最后有突触向外发射信号，如果为是，则代表神经元被激活，如果为否，则代表神经元未激活。
在神经科学上，上一级神经元的信号强度用电位来表示，当某个时间点，神经元接收到上游神经元的电位强大到一定程度，这个神经元就会被激活，将信号传给下一级，否则，信号将终止。我们用一个简单的注水实验来类比。
你也可以把一个神经元就好像是接线员的小精灵，它每时每刻都在接听来自不同地方的信号，最后汇总处理后，把结果发给下一个接线员。
当然，以上是一个非常简单的阐述，关于神经元结构的研究至今都是复杂的科研话题，我们在这里做了非常大的简化。我们知道，如果把一个东西要放在学术界研究，第一个要做的就是–建模，神经元也不例外。
3. 神经元数学模型的诞生
1943年，由Walter Pitts和McCulloch一起撰写的论文《神经活动中思想内在性的逻辑演算》（A Logical Calculus of IdeasImmanent in Nervous Activity）发表在《数学生物物理学通报》（The bulletin of mathematical biophysics）。
M-P模型将上述神经元机制做的数学模型就是下面这样的模型。
1. 我们把其他神经元发射过来的信号用X1，X2表示
2.针对不同神经元发射的信号，有的收到的信号强，有的信号比较弱，我们用权重W1，W2来表示这种接收度的强弱。
3. 将所有的信号进行加权求和，加上一个偏差值，就是下面一个值：
4. 根据第三步得到的值决定这个神经元是否被激活，激活就输出1，不激活输出0。
注：决定是否被激活的函数叫激活函数，激活函数有很多种，阶梯函数式是其中最简单的。在阶梯函数里，如果大于某个阈值，就输出1， 如果小于阈值，就输出0。也就是相当于定个及格线，过了及格线输出都是一样的。看似简单的的激活函数正是这一模型的伟大之处：有了激活函数，使得神经网络可以拟合“任意”函数曲线，这个后面会单独开一篇来讲。
4. 计算机之父图灵的灵魂拷问
在M-P模型诞生的7年后，和Pitts 一样的孤独的天才科学家，计算机之父图灵在牛津大学的《Mind》期刊上发表了一篇论文《计算机器与智能》(COMPUTING MACHINERY AND INTELLIGENCE)，论文开门见山提到“can machine think”。
这篇论文为人工智能的诞生打开了人类第一道大门，从此展开了人工智能的历史篇章。之后M-P模型和机器发生了怎样的碰撞，且看下一篇《AI漫画AI: 从故事到原理之“诞生“》
读到这里了，不妨关注一下吧，后续更精彩。
我是关注AI产品的产品二姐，致力于带来丰富的AI学习分享、体会。目前在做两件事：一是撰写AI历史，二是带来人人可用的AI绘画技巧。
原创文章，作者：产品二姐，如若转载，请注明出处：https://www.agent-universe.cn/2023/11/8552.html
