机器学习系列17 · 用Python实现神经网络,以及AGI是否真的可能?

• 用Python实现一个简单神经网络
• 讨论一个更宏大的问题：神经网络是否可能走向AGI（通用人工智能）？

z2 = np.dot(w2, a1) + b2a2 = sigmoid(z2)

a2 = 0.82 

def dense_layer(a_in, W, b):    units = W.shape[1]    a_out = np.zeros(units)    for j in range(units):        w = W[:,j]        z = np.dot(w, a_in) + b[j]        a_out[j] = sigmoid(z)    return a_out

def neural_network(x, W1, b1, W2, b2):    a1 = dense_layer(x, W1, b1)    a2 = dense_layer(a1, W2, b2)    return a2

model.fit()model.predict()

推荐系统 图像识别 语音识别 自动驾驶 

学习新知识 进行复杂推理 适应未知环境 

很多人以为，更多神经元意味着更接近人类大脑。但现实是，神经网络和真实大脑差距巨大。

原因有两个。

1、神经元模型极其简化

• 人工神经元：加权求和 → 激活函数 

• 真实神经元涉及： 化学信号、电信号、时间动态、网络反馈

复杂程度完全不同。 

2、我们并不了解大脑 

直到今天，科学家仍然不清楚，大脑如何形成抽象概念、如何进行推理以及如何产生意识。

换句话说，我们还不知道要复制什么。