2.1　这是蝙蝠还是鸟？
——大脑的基本单元“神经元”的原理

小明：我看见了ImageNet图集中的那只鸟，这并不难识别啊？

老师： 是的，认出那是一只鸟并不困难。那么，图2-3（a）、图2-3（b）、图2-3（c）所示的动物是不是鸟呢？

小明：这还不容易，图2-3（a）和图2-3（b）都是鸟，图2-3（c）不是鸟。

老师： 没错，那你是怎么判断一张图是不是鸟呢？不妨参考图2-4先思考一下。

小明：这很简单啊，有翅膀的就是鸟，没有翅膀的就不是鸟啊。

老师： 是的。在小时候，爸爸、妈妈会买一些卡片给我们玩，像图2-5所展示的那样，或者让我们看动画，有时周末还会带我们去逛动物园。然后我们就知道了世界上原来除了人以外还有许多其他有趣的生物，如猫、狗、鸟、大象等。

在这个过程中，我们逐渐学会了判别一个图像是不是鸟的一个简单规则：有、无翅膀。基于这个规则，我们的大脑里就形成了一个像图2-6所示的鸟类分类器。

小明：是的，我就是这样判断一个图像是不是鸟的，那人工智能是不是也是这么判断的呢？

老师： 从原理上来说，是可以这么理解的，基于计算机的人工智能也可以通过这种方法构建一个鸟类分类器。还记得在第1章中，我们知道计算机对所有事物的处理都只能通过“0”和“1”来表达吧。因此，我们在构建基于计算机的人工智能鸟类分类器时，就得向计算机输入“0”和“1”，就像图2-7这样。

在图2-7中，我们把这个人工智能鸟类分类器叫作 神经元 。为什么叫这个名字，我们将在下一节揭秘。

小明：看起来实现人工智能也不复杂嘛。不对，稍等一下，我突然想到一种动物，好像只用有没有翅膀来判断是不是鸟类是不行的！

老师： 你想到的这种动物是图2-8中最下面的那只蝙蝠吧。

蝙蝠有翅膀，但不是鸟。我们在生物课上学过鸟的定义，知道满足“有翅膀，有羽毛，没牙齿”这3个条件的动物才是鸟类。因此，我们人类的大脑，不是只依靠一个条件来对一种动物是否是鸟类进行判别的，而是经常基于多个输入条件进行判别的。如果我们要实现人工智能，那么人工智能的神经元也需基于多个输入条件进行判别，就像图2-9这样。

小明：这样的神经元似乎很难设计啊，有什么好办法呢？

老师： 我们还是从人类判断鸟类的方法入手。在现实中进行判别时，不同条件的重要级别是有区别的。一些条件是决定性条件，比如用“有无羽毛”判断蝙蝠是不是鸟；另一些条件是次要条件，比如“有无翅膀”或者“有无牙齿”。因此，我们可以给输入的条件指定 权重（weight） ，代表这些条件的重要程度。这些条件经过权重的处理，再用于判断一种动物是否是鸟类。通常我们将权重设置为小数。例如，我们可以根据鸟类判断的条件，设计一个带有权重的多输入条件鸟类判别神经元，如图2-10所示。

小明：那怎么将权重跟输入条件结合再产生输出呢？

老师： 我们可以用非常简单易算的乘法和加法来将权重跟输入条件结合，就像图2-11这样处理。

我们可以将两个图片对应的输入条件分别用神经元处理，如图2-12所示。需要注意的是，对于“有无牙齿”这个输入条件，因为鸟类的生物学定义是鸟类没有牙齿，所以我们在定义输入条件时将“无牙齿”定义为1，将“有牙齿”定义为0。

从图2-12可以看出，对于鸟的图像，其计算过程和输出是

1×0.4+1×0.4+1×0.2=1

对于蝙蝠的图像，其计算过程和输出是

1×0.4+0×0.4+0×0.2=0.4

小明：这里有两个输出结果，一个是1，一个是0.4，可这并不是之前咱们希望得到的是不是鸟的输出啊！

老师： 没错，所以我们还需要加上一个判别组件，这样才能构成一个完整的鸟类分类器。这个判别组件也很简单，我们用是否大于0.5（称为阈值）来进行判断就可以了，就像图2-13一样。

因此，一个完整的人工智能神经元的结构如图2-14所示。

【2.1习题】

1．下面哪些问题属于人工智能研究的范畴？（　）

A．教计算机下象棋

B．教宝宝走路

C．教机器人翻跟头

D．跟手机Siri对话

E．百度翻译

F．识别垃圾电子邮件

2．下面关于神经元的说法正确的是（　）。

A．神经元可以理解为一个分类器，用于自动分类不同的物体

B．神经元只能用来分类动物图像

C．除了翅膀、羽毛、牙齿这3个特征，我们还可以设计其他的特征来分类鸟类和蝙蝠

D．神经元的特征只能手动设计

E．神经元的输入条件可以多于3个，也可以少于3个

3．神经元输入条件的权重值越大，输入条件的重要性越（　）；权重值越小，输入条件的重要性越（　）。

4．一个完整的人工智能神经元包含哪些重要组件？

5．神经元的输入也称为特征。参照鸟类识别的神经元，尝试设计一组特征，用于人、猴子和机器人的分类。 11s3Xzz8p7P6oSyXyFhFQPECYQq62INa3ny3EP4p8kF7sGKrGkN8p2hD5HiiAFCT