如今所谓的"人工智能"其实是通过神经网络实现的。

神经网络是一种计算机算法，用来模拟人脑的特定功能。当中包含虚拟的"神经元" 这些神经元排列在"层"中，并且互相连接。神经元传递信息从而进行计算。就像人脑中的神经元传递信息，并进行计算一样。

在神经网络中，神经元只是代码中的数字，通常它们的值在0到1之间。神经元之间的连接也有与之相关的数字，它们被称为"权重"。这些权重告诉你，来自其中一层的信息对下一层有多大的影响。神经元的值以及连接的权重本质上是网络中的自由参数。

1、形式和功能

神经网络是运行在计算机上的软件，人工智能的"神经元"没有物理实体。它们以位数和字符串的形式编码在硬盘或硅芯片上，它们的物理结构和真正的神经元一点也不像。相反，在人脑中形式和功能是同时存在的。

2、大小

人类大脑大约有1000亿个神经元，目前的神经网络通常有几百个左右。

3、连接

在神经网络中，每一层通常与上一层和下一层完全连接。但人脑并没有所谓的层，相反，它依赖于许多预定义的结构。并不是人类大脑的所有区域都是同样连接的，区域是专门用于特定目的的。

4、能量消耗

人脑在能量消耗方面，比现存的任何人工智能都更为节能。人脑大约耗费20瓦能量，这与现在标准笔记本电脑耗费的差不多。但有了这些能量，大脑处理的神经元数量多一百万倍。

5、体系

在神经网络中，这些层是整齐有序的一个接一个地处理。而另一方面，人脑会进行很多并行处理，没有任何特定的顺序。

6、激活状态

在人脑中，神经元要么是激活状态，要么非激活状态。在神经网络中，激活是由连续值模拟的。因此人造神经元可以平稳地从上到下运行，这是人脑做不到的。

7、速度

人类的大脑比任何人工智能系统都要慢得多。一台标准计算机每秒执行大约100亿次操作。另一方面，人的神经元激活频率为每秒*多一千次。

8、学习方式

神经网络通过输出来学习。如果根据损失函数，这个输出是低性能的。然后，网络通过改变神经元的权重和它们之间的连接做出反应。没有人知道人类学习的细节，但肯定不是这样的。

9、结构

神经网络每次都是从零开始的。而人脑呢? 很多结构已经连接到它的连接处，而且利用的模型，这在进化过程中被证明是有用的。

10、精度

人脑的干扰因素更多，而且不如计算机上运行的神经网络**。这意味着大脑基本上不能运行与神经网络相同的学习机制，它可能使用完全不同的机制。

这些差异的结果是，如今的人工智能需要大量的训练，需要大量精心准备的数据。这与人脑的运行方式是很不一样的。

了解更多信息请点击：ABB机器人服务商