计算机能实现人工神经网络吗？
看一道数学题：“49÷7=?”。答案当然是7，太简单了！可是想一下，要答对这道简单的题目，你起码需要在幼儿园和小学学习几年数学课程才可以解答。从最简单的1+1=2开始，学会加减法之后，才可以学习乘除法，经过一步一步地学习，解这道算术题才会变得轻而易举。这道题对于计算机来说，也是小菜一碟，但计算机需要工程师为它设计算法和程序才可以完成解答。
也许会有非常聪明的人，他没有上过一天学校，连1+1也没有学过，只要给他反复看一大堆写满了除法算式的纸，看过很多例子之后他就逐渐“看会了”加减乘除法，遇到一道新题目，立刻可以给出八九不离十的答案。在现实中，这样的人可不多见。而在计算机世界，这属于“人工智能算法”，我们不需要从最简单的1+1=2开始一步一步地教计算机如何做算术，只需要给计算机看一大堆除法算式的例子，计算机自然而然地就学会了怎样算除法。
与加减乘除不同，对于人脸识别这类费脑筋的复杂问题，我们常常没办法像计算49÷7=7一样清清楚楚地教会计算机如何做每一步，计算机人工智能算法成了一种不错的选择。其中一种很流行的计算机智能算法叫“人工神经网络”，不过它并不是真的像人大脑里的神经系统那样，只是在计算机程序里虚拟地构建出一个类似于人脑中相互连接的神经元模型。这个模型像一台机器一样，每个神经元是一个零件，这些零件互相连接在一起，有的会很紧密，有的会很松散。
对于一个会算除法的神经网络来说，每次在网络的一端输入两个数字，“信号”就会在神经元之间传递，最后在另一端它给出一个答案，不过结果不一定是对的。如果要算56除以7的结果，输入56和7，得到的结果有可能是10。这时计算机程序会自动调整神经网络内部各个神经元之间的连接，使得最后输出的答案变得接近正确答案8。如果要计算新的题目，计算机会再一次自动调整自己的结构。在给神经网络“展示”了很多个除法式子以后，神经网络的结构逐渐变成了可以计算的除法的结构，也就是说它“学会”了算除法。
同样地，我们把一张张人脸照片的数据输入给神经网络程序，然后告诉神经网络程序这张人脸是不是正确的人脸，经过“训练”，神经网络就可以辨别人脸了。当然，辨别人脸的神经网络比算除法的神经网络一定复杂很多。
