人工神經網絡的英文名稱為Artificial Neural Networks，英文簡稱為Neural Networks。

人工神經網絡為理論基礎在20世紀80年代已發展成熟，但人工神經網絡方法曾經無人問津。近年來，以人工神經網絡為理論基礎的深度學習算法在幾乎所有主流機器學習領域取得了突破性的進展，人工神經網絡方法因而受到關注。

人工神經網絡的基本思想是仿生學，即對人腦的神經元運作機制進行模擬。當計算機的計算資源較低時，計算機只能模擬少數人腦神經元的運作方式，所開發的機器學習系統性能不高；2000年后，隨著計算機的硬件能力發展，計算機可模擬幾十萬至幾千萬神經元的運作方式，所開發的機器學習系統性能較高。

一、人工智能的兩個學派

除了以人工神經網絡為代表的仿生學派分支，人工智能學科還具有數理學派分支，支持向量機是數理學派分支的典型代表。此兩種學派在人工智能學科領域此消彼長。

仿生學派認為：人工智能模擬的是人腦對世界的認識，因此，研究人腦認知機理，總結人腦處理信息的方式，是實現人工智能的先決條件；計算機算法只有深入模擬人腦的認知機制和信息處理方式，才能實現人工智能。

數理學派認為：在現在以及可預見的未來，我們無法完全了解人腦的認知機理；而且，計算機與人腦具有截然不同的物理屬性和體系結構，因此，通過完全模仿人腦的認知機制和信息處理方式既不可能，也不必須，人工智能的研究應立足于現有計算機的物理屬性和體系結構，采用數學和邏輯推理的方法從現有的計算機結構中獲得確定的知識。

數理學派的觀點類似于雖然飛機的飛行機理與鳥的飛行機理不同，但飛機的飛行速度高于鳥的飛行速度。

二、人工神經網絡模型

1943年，心理學家麥卡洛克（W.S.MeCulloch）和數理邏輯學家沃爾特·皮茨（W.Pitts）基于神經元的生理結構建立了單一神經細胞的數學模型，該模型被稱為MP模型。

?

圖片來源：中國慕課大學《機器學習概論》

MP模型將神經細胞的外部刺激模擬為輸入，將神經細胞的樹突對外部刺激的加工過程模擬為以某個權重對輸入加權，將細胞核對外部刺激的處理模擬為帶有偏置的求和，將神經細胞向外傳遞的信號模擬為將求和值輸入至非線性函數的輸出。

?

圖片來源：中國慕課大學《機器學習概論》

盡管MP模型為神經細胞的運作機制提供了數學模型，但MP模型過于簡單，與神經細胞的實際運作機制相差甚遠。單個神經細胞的確會在接受外界刺激后做出反應，但此反應是否可采用對輸入的刺激加權求和再加偏置的形式表示有待探討，至今為止，沒有生物學實驗支持MP模型，動物或人神經細胞的運作機制較MP模型復雜。

除MP模型外，人工神經網絡模型還包括：脈沖神經網絡（Spiking neural networks）、hopfield神經網絡等。目前，應用最廣泛的模型是MP模型。

審核編輯：劉清