以下文字资料是由(历史认知网 www.lishirenzhi.com)小编为大家搜集整理后发布的内容，让我们赶快一起来看一下吧！
摘要：事实上，它只需要两个神经元——或者说，精确地说，是数字神经网络上的两个节点。仍然，库克能够很好地学会驾驶自行车。库克根据自己的经验和其他玩家对自己策略的描述，建立了一个简单的两节点网络，他觉得可以成功地学习骑自行车。网络中的第一个神经元感知自行车的世界和我奉命骑自行车。然后，神经元将信息发送给网络中的第二个神经元，后者直接控制自行车，并决定如何使用这些控制来实现精益。
骑自行车不需要太多大脑。事实上，它只需要两个神经元——或者说，精确地说，是数字神经网络上的两个节点。
苏黎世神经信息学研究所研究员马修·库克（Matthew Cook）在2004年发表的一份自报中展示了这一点，当时他还是加州理工学院（California Institute of Technology）的教授。库克研究思考——它是如何工作的，它是如何构造的，它是如何随着外界的变化而进化的。构建简单的“神经网络”来解决特定的问题，可以帮助研究人员模拟大脑的思维过程，或者朝着更智能的人工智能方向发展。
要清楚：这些神经网络不需要把任何实际的神经元串在一起。相反，它们是计算机上的一组模拟节点或模型神经元，可以通过加强和削弱它们之间的连接来相互作用。事实证明，这些网络在处理、理解和解决复杂问题方面非常有天赋，即使事先没有任何信息被编入其中。[人工智能的历史：人工智能（Infographic）]
当库克建立一个精简的两节点网络时，他发现，与人类或一个复杂、专用的算法相比，它更擅长在一个小小的物理模拟器里驾驶一辆自行车——尽管事先没有得到如何驾驶它的直接信息。
每个试图驾驶自行车的人——算法、人类或神经网络——都得到了相同的信息和控制手段。他们可以观察自行车的速度、方向、在空间中的位置、车把的角度以及它向一边或另一边倾斜的程度。他们可以在车把上推拉，然后在模拟踏板运动的后轮上施加一个扭矩。
首先，算法得到了它的转动。库克建造它的目的是通过研究每一个可能的动作的每一个可能的结果，用“如果”这个词来选择一个“动作”：什么动作可以保持自行车直立？什么动作能使它保持直线运动？快速移动？”
，但该算法不善于同时执行多个操作。库克写道，当被告知要集中精力保持直立时，它会做一些奇怪的“把戏”，把手柄转成圈，不会有进步。当被告知要直线移动时，它会向前蹬一会儿，然后倒下。当被告知要专注于速度时，它会将自行车从一边“猛扑”到另一边，以产生速度上的小跳跃。
无论如何，库克写道，这样的算法在现实世界中是无用的，因为它无法很好地预测未来做出正确的判断。
接下来，人类得到了一个转折点，用键盘控制自行车的运动，并在屏幕上观看。
“我原以为，在现实生活中完全知道如何骑自行车，在模拟中不会有问题，”库克写道。
但他发现，在现实世界中没有骑自行车的身体感觉，这项任务比他预期的更违反直觉，也更复杂。
“一开始我甚至认为模拟器中一定有一个bug，因为要右转，我发现必须向左推车把，”他写道当然，如果你停下来想一想，那是完全正确的。要右转，自行车必须向右倾斜，唯一的办法是将与地面的接触点向左移动，这就需要先向左推。
800次推后无方向盘自行车的路径。（马修·库克）仍然，库克能够很好地学会驾驶自行车。其他尝试过这个程序的人也发现了这一点。库克根据自己的经验和其他玩家对自己策略的描述，建立了一个简单的两节点网络，他觉得可以成功地学习骑自行车。
网络中的第一个神经元感知自行车的世界和我奉命骑自行车。它还决定了它希望自行车倾斜多远以及向哪个方向倾斜。然后，神经元将信息发送给网络中的第二个神经元，后者直接控制自行车，并决定如何使用这些控制来实现精益。[在大脑内部：一个穿越时间的照片旅程]
这个简单的系统立即开始执行任务，并计算出将自行车送到指定位置所需的参数。在非常慢的速度下，它变得不稳定，但只要自行车有一个良好的蒸汽头，它可以沿着一些非常复杂的路径飞行。
路径，从一个航路点到另一个航路点，库克训练神经网络跟随。他指出，任何笔迹问题都是他的，而“不是自行车的错。”（Matthew Cook）库克写道，这类项目的下一步将是建立网络，不仅对 ... 作出反应，而且发展和完善“信念”——即他们为什么需要做某些事情来完成任务的想法，不仅仅是简单的反射，让他们这样做。
最初发表在Live Science上。
特别申明：本文内容来源网络，版权归原作者所有，如有侵权请立即与我们联系（devmax@126.com），我们将及时处理。