人工神经购物诞生是由猫咪启发的？

2012年，神经网络的发展迎来了重大突破。亚历克斯网，这一划时代的模型，在网络图像识别竞赛中以卓越的表现引起了人工智能领域的极大关注。其成功的关键在于运用了“多层卷积人工神经网络”。然而，你是否好奇其中“卷积”这一概念是什么意思，究竟从何而来？

回溯到20世纪60年代初，美国哈佛大学的两位神经生物学家休伯尔和威泽尔进行了一项有趣的猫咪实验。他们利用幻灯机向猫咪展示特定的模式，并记录猫咪大脑中各个神经元的电活动。这项研究揭示，特定的视觉模式能够激发猫咪大脑特定部位的活动。正是基于这一重大发现，他们荣获了1981年诺贝尔生理学或医学奖。

哈佛学者的研究证明，视觉特征在大脑皮层的反应是通过不同类型的细胞实现的。其中，简单细胞感知光照信息，而复杂细胞则感知运动信息。受到这一生物实验的启发，日本科学家福岛邦彦在1980年前后提出了一种层级化的多层人工神经网络，即“神经认知”系统。这一系统被视为现今卷积神经网络的前身。

福岛邦彦的成长经历也颇为传奇。尽管他小时候家境贫寒，但对电子技术的强烈好奇心驱使他获得了日本京都大学的电气工程博士学位。之后，他加入了一个视觉和听觉信息处理研究小组，深入研究生物大脑。福岛与神经生理学家和心理学家紧密合作，共同组装人工神经网络。

1979年，福岛邦彦推出了名为“新认知机”的神经认知系统。这一系统的灵感来源于生物初级视觉皮层的两种神经细胞：简单的“S”细胞和复杂的“C”细胞。这两种细胞分别演化成了现在神经网络中的卷积层和池化层。尽管福岛邦彦40年前的认知系统已经具备了卷积神经网络的基本构型，但由于当时网络的神经元是人工设计的，无法根据结果进行自动调整，因此其学习能力有限，仅适用于识别少量简单数字。

卷积方法的实用化得益于法国计算机科学家杨立昆的贡献。在1998年，他将反向传播应用于卷积神经网络的训练，从而显著提升了网络的性能。杨立昆在攻读博士学位期间就开始专注研究反向传播，并受到休伯尔、威泽尔和福岛邦彦工作的启发。他设想了一个多层网络架构，将简单细胞和复杂细胞的交替以及反向传播训练结合在一起，认为这种网络非常适合用于图像识别。

人眼识别物体的过程是一个复杂的生物视觉机制，计算机要模仿这一功能并非易事。卷积神经网络的出现为人工智能领域带来了新的突破。通过模拟人眼识别物体的过程，卷积神经网络能够抽取事物的轮廓并识别出各种模式。卷积层的作用是“抽取”特征，而池化层则用于降低信息的冗余性，从而减小网络的模型参数量和计算成本。

随着技术的不断发展，卷积神经网络已经广泛应用于人脸识别等领域。尽管神经网络最初是源于对大脑的模拟，但其后续的发展更多地受到了数学理论和统计方法的指导。正如飞机的发展过程一样，虽然起初是模仿鸟类的飞翔，但现代飞机的结构与鸟类身体构造已经大相径庭。同样地，卷积神经网络也在不断演进和创新中逐渐脱离了其生物学的起源，成为人工智能领域的重要工具之一。（综合整理报道）（策划／黄李玲）