要机器像人类一样思考，恐怕不再是痴心妄想

去年可以说是人工智能大发展的一年，众多科技公司，不管大的小的都在大力发展自己的人工智能项目。

伴随着现在电脑硬件的飞速发展，人类逐渐希望电脑可以成为像人类一样思考的智能化硬件，不单单是接受指令的冰冷机器，但是这就需要硬件和软件的高度配合才可以顺利达到了。

人工智能的核心在于“算法”，好的算法能提升人工智能的效率，我们都在期待以后的机器形态到底能不能做到这一点呢？

其实不管是人是物，形成智能的根本就是要有能承载自我意识的大脑。

就拿人类来说，想要让一个人明白某个道理，必须先保证他的大脑能够理解，然后再去给他讲道理。如果大脑本身有任何偏差，比如某些原因导致智商不够，或因为其它方面的脑部缺陷导致无法完成正常思考，那么任由你怎么讲他也不会明白的。

同样的道理，如果你要在世界上第一台计算机上运行windows操作系统，但由于它的“大脑”不具备读取和运行windows这个程序的能力，因此也是不可能的。

所以说，想要未来的机器像人类一样思考，首先得让人工智能具有一个能产生自我意识，并且功能完善的“大脑”。这个大脑不一定要是生物结构的，但如果连这个都没有，那也就无所谓什么智能了。

要给机器也配上一个“大脑”，我们就要了解人类思考的模式，我们是根据脑中复杂的神经元以及电信号进行思考行动的。

而大家都知道，电脑的电信号和人类的脑中的电信号非常类似。不过，人类的神经网络更加复杂，电信号还有强弱缓急之分，而电脑仅仅能识别“0”“1”这样的信号。但是，如果利用硬件和算法组建一个庞大、复杂的神经网络系统，那么电脑像人类一样思考不是不能实现！也就是大家常看到的通过硬件匹配神经元算法！

神经网络算法，顾名思义，就是模仿人类神经系统设计的一个算法，其终极意义是希望利用这种算法，让机器像人类一样思考工作。

听起来貌似相当酷炫，那么神经网络算法在我们的实际生活中到底有些什么作用呢？

它的作用就是让机器从“人工智障”变为“人工智能”，赋予机器感知、学习、记忆、推理、决策等能力。其中机器感知包括机器视觉、NLP；学习有模式识别、机器学习、增强学习、迁移学习等；记忆如知识表示，决策包括规划、数据挖掘、专家系统等。

还记的大名鼎鼎的围棋高手AlphaGo吗？AlphaGo和人类的对弈，并不是我们以往所理解的电子游戏，电子游戏的水平是永远不会提升的，而AlphaGo则具备了人工智能最关键的“深度学习”功能。

AlphaGo中有两个深度神经网络，Value Networks（价值网络）和Policy Networks（策略网络）。其中Value Networks评估棋盘选点位置，Policy Networks选择落子。这些神经网络模型通过一种新的方法训练，结合人类专家比赛中学到的棋谱，以及在下棋中进行强化学习。

正是因为这种智能学习的存在，能够让AlphaGo的围棋水平在学习和训练中不断上升。

其实，人工智能概念在上世纪80年代就已经炒得火热，但是由于软硬件方面都存在不少技术局限，而沉迷了很长一段时间。不过现在，大规模并行计算、大数据、深度学习算法和人脑芯片这4大催化剂的发展，以及计算成本的降低，使得人工智能技术突飞猛进。

再加上如今的科技巨头们在人工智能上纷纷发力，一方面网罗顶尖人工智能的人才，另一方面加大投资力度频频并购，这一切都预示着人工智能的春天已经到来。

在未来，或许人工智能将不再是尖端技术，而会成为随处可见的基础设施，运用在我们生活的每一个角落。不过这个时间到底要等多久，就不太好说了！