當人工智慧看到一張圖片，它看到的是什麼？它又是如何理解圖片的？

這篇文章會簡單具象地告訴你。

人類的大腦是如何工作的？

在介紹人工智慧之前，先簡單看一下人類的大腦是如何工作的。

谷歌工程總監Ray Kurzweil是這樣描述的。

大腦中有一系列模組，大約有三億個。每個模組有特定的工作方式，可以學習和記住特定的模式，也可以執行特定的工作。

這些模組以層級的方式組織，形成我們的思維。

舉個簡單的例子。我們大腦中有一堆模組， 它們可以認知字母A中的一橫， 這一橫是它們關心的全部。 即使有一首動人的歌在播放，有一個美麗的姑娘經過， 這些模組都不在意。當它們看見字母A的一橫時， 它們就會很興奮地說“橫”！

這些模組會連線到更高層級的模組，告知後者它們所看到的這一橫。這些高層級的模組會有更加全域性、更加抽象的認知，比如，它們有能力認知字母A。

進一步去到更高層級的模組，它們將有能力認知 apple（蘋果）這個單詞。

再往上五個層級， 這些模組就在一個很高的水平，它們可以根據物品、聲音、味道來做出認知判斷，比如根據味道判斷一個人的到來。

繼續往上十個層級，這些模組會有非常抽象的意識，比如“那很諷刺”、 “那很有趣”、“她很美”。

人工智慧是如何工作的？

很有趣的是，人工智慧的工作方式和人類大腦的工作方式是十分相似的。

人工智慧的“大腦”（即神經網路）中，也有很多不同的模組，這些模組也是以層級的方式組織，從具體到抽象，最後得到對世界的認知。

以人臉識別為例，根據圖片，識別出圖片中的物品。

在人工智慧的“大腦”中，第一層的模組會告訴機器，我看到特定的圖案（pattern），如下圖。

這些被識別出的圖案會被傳遞到更高層級，隨著層級數逐漸增加，更高層級的模組有能力分辨出五官。

再繼續增加層級數，這些模組將有能力認知和區分完整的人臉。

目前，人工智慧多停留於影象識別、語音識別這類對事物客觀的認知，就像我們看到單詞“apple”一樣。

然而，聯想人類大腦與人工智慧“大腦”相似的工作方式，也許只要讓人工智慧“大腦”的層級足夠多，足夠複雜，它們也將會具備主觀認知的能力，具備人類的情感。

主要參考：

https://www.ted.com/talks/ray_kurzweil_get_ready_for_hybrid_thinking/transcript#t-259001

https://www.kdnuggets.com/2016/11/intuitive-explanation-convolutional-neural-networks.html/3

https://experiments.withgoogle.com/what-neural-nets-see