人脑与人工智能学习的机理差异及研究

人在学习听语音时，没有用数据库。小孩要听懂大人说话，只要听懂一个人的话，就能听懂其他人同样的话；成人学听外语，也没有采用数据库，只要听懂一个人说英语，就能听懂所有说英语的人说的话。这并不说明人脑学习时需要的样本量小，人脑的适应性好，而说明人的学习根本不是依靠统计的。人的学习机理也许与记忆的机理有关。

人工智能学习的核心是统计，而统计方法适用的范围是线性稳定系统，对非线性不稳定系统用统计法是不合适的，这在第12 章中已经讨论过。神经脉冲不符合统计规律，脑本身不符合统计规律，脑也不懂如何采用统计规律（至少到目前还没有看到关于此的文章）。以统计为核心的种种方法，如模式识别、参数估计、随机预测等等，表面上看很像学习，而实际上是信息处理，是从噪声中提取信息的一种方法，它们与生物神经系统的学习实际上是两回事。神经系统不知道如何进行“统计”，神经脉冲序列符合S 空间的规律，但不一定符合统计规律。正如埃德尔曼在《意识的宇宙》中提出的选择标准受到很多人质疑一样，神经系统根本不知道目标函数是什么，也不知如何进行最优化［4］。(www.xing528.com)

人工智能学习的过程实际上是不断调整参数，使系统成为较为“理想的”系统。这与神经系统存在可塑性似乎有些相关，但是神经系统可塑性的变化基本上是单向的。如突触的可塑性仅仅与通过信号的次数有关，也就是说，不断有信号通过，则突触连接强度就会增加，如没有信号通过，随时间推移，突触连接强度就会慢慢减弱，连接强度并不与信号大小有关。也即通过一次又一次学习，突触只能不断地单向加强连接强度，而不会双向地调整（增加或减少）连接强度，使连接强度趋向一个“最佳值”。