淺談自然辯證法視角下人工神經(jīng)網(wǎng)絡(luò)發(fā)展歷程

竇嘉銘

摘 要：闡述了人工神經(jīng)網(wǎng)絡(luò)理論發(fā)展的歷史脈絡(luò)，利用馬克思主義哲學(xué)的基本原理和自然辯證法的觀點(diǎn)分析了人工神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程，為人工神經(jīng)網(wǎng)絡(luò)理論發(fā)展提供思路。

關(guān)鍵詞： 神經(jīng)網(wǎng)絡(luò); 自然辯證法; 人工智能; 發(fā)展歷程; 系統(tǒng)論

中圖分類號(hào)： TP183? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2021）01-0202-03

Abstract：Expounds the related theoretical technology and development course of artificial neural network. Analyzes the artificial neural network theory by using the basic principles of Marxist philosophy and the dialectics of nature to provide ideas for the future development of artificial neural network theory.

Key words：artificial neural network; dialectics of nature; artificial intelligence; development course; system theory

人工神經(jīng)網(wǎng)絡(luò)（ANN，Artificial Neural Network）是在現(xiàn)代生物學(xué)的基礎(chǔ)上，受生物的大腦啟發(fā)，基于對(duì)生物大腦的結(jié)構(gòu)和功能的模仿，采用數(shù)學(xué)方法對(duì)其進(jìn)行研究而構(gòu)成的一種信息處理系統(tǒng)[1]。人工神經(jīng)網(wǎng)絡(luò)的發(fā)展與演化是所有從事智能控制領(lǐng)域研究的學(xué)者們關(guān)心的一個(gè)重要問題。因此，本文闡述了人工神經(jīng)網(wǎng)絡(luò)理論的發(fā)展歷程，探討了其與自然辯證法的相互關(guān)聯(lián)，為學(xué)科的未來發(fā)展提供參考。

1 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程

人工神經(jīng)網(wǎng)絡(luò)理論的發(fā)展歷程是十分艱辛的，也經(jīng)歷過各種各樣的機(jī)會(huì)與困難，出現(xiàn)過各種各樣的錯(cuò)誤與局限，可以分解為三次高潮時(shí)期和兩次低谷時(shí)期。

1.1人工神經(jīng)網(wǎng)絡(luò)啟蒙階段、第一次高潮期（1890年～1969年）

1890年，美國心理學(xué)家和哲學(xué)家William.James發(fā)表了專著《心理學(xué)原理》，這本書中探討了有關(guān)人腦的結(jié)構(gòu)和功能的話題。1943年，數(shù)學(xué)家Walter.Pitts和心理學(xué)家Warren. McCulloch一同提出了描述人腦神經(jīng)細(xì)胞動(dòng)作的數(shù)學(xué)模型，即M-P模型（是歷史上第一個(gè)人工神經(jīng)網(wǎng)絡(luò)模型）。該數(shù)學(xué)模型，建立了人工神經(jīng)網(wǎng)絡(luò)“大廈”的“地基”，開創(chuàng)了神經(jīng)科學(xué)理論研究的時(shí)代，標(biāo)志著神經(jīng)網(wǎng)絡(luò)研究誕生。1949年，加拿大心理學(xué)家Donald Olding Hebb實(shí)現(xiàn)了對(duì)生物大腦神經(jīng)細(xì)胞之間相互影響的數(shù)學(xué)描述，從心理學(xué)的角度提出了赫布律（一種學(xué)習(xí)法則）。20世紀(jì)50年代，人們開始把人工神經(jīng)網(wǎng)絡(luò)作為人工智能的網(wǎng)絡(luò)系統(tǒng)來研究。1957年，F(xiàn)rank Rosenblatt提出了一種“感知器”（perceptron）模型，是世界上首個(gè)具有自組織自學(xué)習(xí)能力的數(shù)學(xué)模型，掀起了人工神經(jīng)網(wǎng)絡(luò)的第一次熱潮。

1.2 1969年～1982年：第一次低潮期

1969年，人工智能領(lǐng)域頂級(jí)專家Marvin Minsky和 Seymour Papert[2]在《感知器》一書中強(qiáng)烈地批判了感知器模型，認(rèn)為神經(jīng)網(wǎng)絡(luò)沒有科學(xué)價(jià)值。主要表現(xiàn)為：首先，神經(jīng)網(wǎng)絡(luò)只能用于線性問題的求解，不能解決非線性的問題;其次，當(dāng)時(shí)的計(jì)算機(jī)計(jì)算能力低下而無法支持神經(jīng)網(wǎng)絡(luò)模型所需的計(jì)算量。

因此受當(dāng)時(shí)神經(jīng)網(wǎng)絡(luò)理論研究水平的限制以及馮·諾伊曼式計(jì)算機(jī)發(fā)展的沖擊等因素的影響。在從20世紀(jì)60年代后期的若干年里，對(duì)人工神經(jīng)網(wǎng)絡(luò)的研究一直處于低潮時(shí)期，神經(jīng)網(wǎng)絡(luò)的研究陷入低谷。在如此艱難的情況下，仍然有少量研究人員在繼續(xù)從事人工神經(jīng)網(wǎng)絡(luò)的研究，提出新的模型和理論。這為人工神經(jīng)網(wǎng)絡(luò)研究的新發(fā)展奠定了理論基礎(chǔ)。比如Teuvo Kohonen在1972年提出了著名的自組織映射神經(jīng)網(wǎng)絡(luò)（SOM）模型。

1.3 1982年～1986年：第二次高潮期

1982年，美國物理學(xué)家Hopfield他將物理中的動(dòng)力學(xué)內(nèi)容引入神經(jīng)網(wǎng)絡(luò)，提出了Hopfield神經(jīng)網(wǎng)絡(luò)模型，該模型通過引入能量函數(shù)，實(shí)現(xiàn)了問題優(yōu)化求解。1986年7月，Hinton和 David Rumelhart[3]合作在《自然》發(fā)表論文，系統(tǒng)地提出了應(yīng)用反向傳播算法，大幅減少了運(yùn)算量。同時(shí)，通過在神經(jīng)網(wǎng)絡(luò)里增加一個(gè)隱含層（hidden layer），解決了感知器無法解決的異或門難題，這就是著名的BP神經(jīng)網(wǎng)絡(luò)模型。BP神經(jīng)網(wǎng)絡(luò)模型是現(xiàn)代神經(jīng)網(wǎng)絡(luò)中作為預(yù)測應(yīng)用最為廣泛的人工神經(jīng)網(wǎng)絡(luò)模型。認(rèn)知科學(xué)的“聯(lián)結(jié)主義” 在20世紀(jì)80年代誕生，認(rèn)為正是大腦神經(jīng)元的變化形成了人類的一切認(rèn)知活動(dòng)。這一認(rèn)知提升了人工神經(jīng)網(wǎng)絡(luò)的廣度和深度。在計(jì)算能力方面，馮·諾伊曼式計(jì)算機(jī)的發(fā)展也遇到瓶頸（未能使神經(jīng)網(wǎng)絡(luò)模擬視覺聽覺），迫使研究人員尋求新的途徑，這也帶動(dòng)了研究人員對(duì)人工神經(jīng)網(wǎng)絡(luò)理論新的研究熱潮。

1.4 1986年～20世紀(jì)初：第二次低潮期

然而好景不長，20世紀(jì)90年代中期，Vapnik等人發(fā)明了SVM（Support Vector Machines，支持向量機(jī)）。SVM一經(jīng)發(fā)明，就在若干個(gè)方面都體現(xiàn)出了比人工神經(jīng)網(wǎng)絡(luò)的優(yōu)勢。比如，SVM不需要調(diào)整運(yùn)算的參數(shù)，并且獲得的是全局最優(yōu)解，效率也比神經(jīng)網(wǎng)絡(luò)要高不少，因此，逐漸取代神經(jīng)網(wǎng)絡(luò)成為主流的運(yùn)算模型。此外，人工神經(jīng)網(wǎng)絡(luò)的衰落，還有一個(gè)重要原因就是，隨著神經(jīng)網(wǎng)絡(luò)的層數(shù)增加，最終的輸出結(jié)果對(duì)于初始幾層的參數(shù)影響微乎其微，整個(gè)網(wǎng)絡(luò)的訓(xùn)練過程無法保證收斂[4]。 即通過人工神經(jīng)網(wǎng)絡(luò)求得的方程的解不一定是最優(yōu)的解，有可能陷入了某個(gè)范圍內(nèi)的最優(yōu)解，而不是整個(gè)空間的最優(yōu)解。在此之后，人工智能界只有少數(shù)學(xué)者在堅(jiān)持研究神經(jīng)網(wǎng)絡(luò)。

1.5 2006年—至今：第三次高潮期

然而，2000年以后，伴隨著其他學(xué)科的發(fā)展，尤其是計(jì)算機(jī)學(xué)科、腦神經(jīng)學(xué)科、大數(shù)據(jù)學(xué)科的發(fā)展，使得人工神經(jīng)網(wǎng)絡(luò)的技術(shù)瓶頸最終被打破：

1） 計(jì)算機(jī)硬件的發(fā)展：計(jì)算機(jī)GPU硬件的快速更新，使得人工神經(jīng)網(wǎng)絡(luò)的運(yùn)算速度逐漸加快，計(jì)算時(shí)間逐漸減少，為神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)提供了硬件上的支撐。

2） 生物醫(yī)學(xué)領(lǐng)域腦神經(jīng)科學(xué)的發(fā)展：腦神經(jīng)科學(xué)表明，人類的DNA并不提供各種用途的算法，而只提供基本的普適的學(xué)習(xí)機(jī)制[5]。人的思維功能主要是依賴于后天的學(xué)習(xí)，因此一個(gè)人后天努力的程度才決定了他的思想和能力。

3） 互聯(lián)網(wǎng)技術(shù)和大數(shù)據(jù)技術(shù)飛躍式發(fā)展：通過互聯(lián)網(wǎng)，使得充足的數(shù)據(jù)被收集起來，并通過人工神經(jīng)網(wǎng)絡(luò)進(jìn)行處理。此外數(shù)據(jù)挖掘、數(shù)據(jù)清洗等數(shù)據(jù)科學(xué)也為人工神經(jīng)網(wǎng)絡(luò)提供了數(shù)據(jù)保障。

因此，在各個(gè)學(xué)科的共同推動(dòng)下，2006年，Hinton等人[5]在《科學(xué)（Science）》及其相關(guān)的期刊上發(fā)表論文，第一次提出了“深度信念網(wǎng)絡(luò)”這一概念。這種神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)使用不同的訓(xùn)練方式，區(qū)別在pre-training（預(yù)訓(xùn)練）的過程。通過增加預(yù)訓(xùn)練，可以使神經(jīng)網(wǎng)絡(luò)中的權(quán)值找到一個(gè)接近最優(yōu)解的值，之后再使用“微調(diào)”的方法來優(yōu)化整個(gè)網(wǎng)絡(luò)的訓(xùn)練過程。通過“預(yù)訓(xùn)練和微調(diào)”兩種技術(shù)的運(yùn)用，使得神經(jīng)網(wǎng)絡(luò)的訓(xùn)練時(shí)間大幅度減少。Hinton等人給這種神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的方法起了一個(gè)新名——“深度學(xué)習(xí)”。

多學(xué)科的交叉發(fā)展，又一次掀起了使得神經(jīng)網(wǎng)絡(luò)研究的高潮，迄今為止，研究者已經(jīng)提出了五十多種有效的人工神經(jīng)網(wǎng)絡(luò)模型，廣泛應(yīng)用于模式識(shí)別與圖像處理、控制與優(yōu)化、金融預(yù)測與管理等領(lǐng)域[6]。自此，以深度學(xué)習(xí)為代表的人工神經(jīng)網(wǎng)展進(jìn)入新一輪的發(fā)展浪潮。

2 辯證法與人工神經(jīng)網(wǎng)絡(luò)的發(fā)展

辯證法是隨著科學(xué)技術(shù)的進(jìn)步將不斷豐富和發(fā)展的，而科學(xué)技術(shù)的發(fā)展也遵循著辯證法的規(guī)律。人工神經(jīng)網(wǎng)絡(luò)理論的發(fā)展歷程也必然閃耀著辯證法的光輝。

2.1 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展過程遵循了馬克思主義認(rèn)識(shí)論

馬克思主義認(rèn)為，人類認(rèn)識(shí)問題的方法不外乎感性認(rèn)識(shí)和理性認(rèn)識(shí)，即從實(shí)踐到認(rèn)識(shí)，又從認(rèn)識(shí)到實(shí)踐，遵循著“實(shí)踐—認(rèn)識(shí)—再實(shí)踐—再認(rèn)識(shí)”的認(rèn)識(shí)規(guī)律。人類對(duì)人工神經(jīng)網(wǎng)絡(luò)和生物神經(jīng)網(wǎng)絡(luò)的認(rèn)識(shí)過程也是對(duì)辯證唯物主義認(rèn)識(shí)論的充分說明。

人工神經(jīng)網(wǎng)絡(luò)技術(shù)的產(chǎn)生，正是源于各學(xué)科科學(xué)家長期的實(shí)踐和探索，而人們對(duì)神經(jīng)網(wǎng)絡(luò)技術(shù)的認(rèn)識(shí)，又隨著人類實(shí)踐的深入而發(fā)展。各個(gè)領(lǐng)域科學(xué)家通過大量的實(shí)踐活動(dòng)（比如對(duì)人腦的研究），產(chǎn)生了初級(jí)的人工神經(jīng)網(wǎng)絡(luò)。但發(fā)展的過程中，難免會(huì)出現(xiàn)錯(cuò)誤。就如在神經(jīng)網(wǎng)絡(luò)發(fā)展第一階段的高潮時(shí)期，人們對(duì)于Frank Rosenblatt發(fā)明的感知器網(wǎng)絡(luò)存在過高的估計(jì)，導(dǎo)致該網(wǎng)絡(luò)在當(dāng)時(shí)存在一定的局限性。不過隨著人們對(duì)初級(jí)的人工神經(jīng)網(wǎng)絡(luò)技術(shù)不足之處的認(rèn)識(shí)深入，產(chǎn)生出了新的、速度更快、范圍更廣的神經(jīng)網(wǎng)絡(luò)（Frank Rosenblatt后來提出了新的BP神經(jīng)網(wǎng)絡(luò)）。這一過程體現(xiàn)了辯證的思維方式，從實(shí)體的認(rèn)知發(fā)展到系統(tǒng)的認(rèn)知。

人類認(rèn)識(shí)神經(jīng)網(wǎng)絡(luò)這一過程，是人們對(duì)生物神經(jīng)網(wǎng)絡(luò)到人工神經(jīng)網(wǎng)絡(luò)的過程，是對(duì)生物神經(jīng)網(wǎng)絡(luò)的認(rèn)識(shí)不斷深化的過程，反映了人類對(duì)于生物大腦的認(rèn)識(shí)加深。在人類發(fā)展的歷史上，像神經(jīng)網(wǎng)絡(luò)這種借鑒生物系統(tǒng)特別是人類生理系統(tǒng)的控制方法，正是使用系統(tǒng)的、數(shù)學(xué)的方法，從人類外部模擬人類本身的智能行為，為描述人的心理活動(dòng)、思維活動(dòng)和身體結(jié)構(gòu)提供了新的途徑，并將有助于人類對(duì)自身的認(rèn)識(shí)提高到一個(gè)新階段，這一過程也體現(xiàn)了認(rèn)識(shí)與實(shí)踐、感性認(rèn)識(shí)與理性認(rèn)識(shí)、相對(duì)真理與絕對(duì)真理等多方面的對(duì)立統(tǒng)一關(guān)系，說明了主體對(duì)客體的反映是一個(gè)在實(shí)踐的基礎(chǔ)上不斷深化、充滿矛盾的辯證發(fā)展過程[7]。

人工神經(jīng)網(wǎng)絡(luò)理論的研究與其他大多數(shù)科學(xué)研究一樣，都是以問題為導(dǎo)向的，只有理論和現(xiàn)實(shí)存在各種各樣的新問題，才能迫使研究人員不斷進(jìn)行實(shí)踐，不斷研究，推動(dòng)該學(xué)科的不斷進(jìn)步，這也體現(xiàn)著馬克思主義理論與實(shí)踐的辯證統(tǒng)一的認(rèn)識(shí)論。

2.2 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展過程離不開多學(xué)科融合的研究方法

科學(xué)技術(shù)內(nèi)部的交叉融合是科學(xué)技術(shù)發(fā)展的重要推力。如果說19世紀(jì)的科學(xué)是以學(xué)科不斷分化為主要特征，那么20世紀(jì)以來各學(xué)科體系在繼續(xù)分化的同時(shí)也在向高度綜合化[8]、整體化、社會(huì)化以及相互滲透、融合的方向發(fā)展。人工神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展當(dāng)然也不是孤立的，它始終與其他學(xué)科的發(fā)展和密切相關(guān)。正如本文的第一部分所寫，神經(jīng)網(wǎng)絡(luò)第三次高潮時(shí)期，正是因?yàn)槠渌麑W(xué)科，如計(jì)算機(jī)科學(xué)、腦神經(jīng)科學(xué)、認(rèn)知科學(xué)的不斷發(fā)展，才使得人工神經(jīng)網(wǎng)絡(luò)理論走出第二次低谷，才有了現(xiàn)在的人工智能的高潮時(shí)期，這也正反映了辯證法聯(lián)系與發(fā)展的思想。

神經(jīng)網(wǎng)絡(luò)技術(shù)涉及的學(xué)科范圍之廣，十分罕見，它涉及：數(shù)學(xué)、腦神經(jīng)科學(xué)、控制科學(xué)、計(jì)算機(jī)科學(xué)、心理學(xué)、哲學(xué)、信息科學(xué)、數(shù)據(jù)科學(xué)、認(rèn)知科學(xué)、生物學(xué)、物理學(xué)、邏輯學(xué)、語言學(xué)、微電子學(xué)等等。人工神經(jīng)網(wǎng)絡(luò)技術(shù)正是在多個(gè)學(xué)科的基礎(chǔ)上發(fā)展起來，相反，隨著神經(jīng)網(wǎng)絡(luò)自身研究的深入也必然會(huì)帶動(dòng)其他學(xué)科實(shí)現(xiàn)跨越。因此，本文認(rèn)為，人工神經(jīng)網(wǎng)絡(luò)理論在與其他學(xué)科相互滲透、交叉、綜合中實(shí)現(xiàn)發(fā)展，正是反映了當(dāng)今時(shí)代新工科技術(shù)的一大特點(diǎn)。

以人工神經(jīng)網(wǎng)絡(luò)與哲學(xué)的關(guān)系為例：當(dāng)人工神經(jīng)網(wǎng)絡(luò)的研究者構(gòu)建人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)需要知識(shí)來源時(shí)，自然會(huì)傾向于從科學(xué)哲學(xué)這樣已經(jīng)相對(duì)成熟的學(xué)科中尋求有用的概念、理論和方法[9];反過來，人工神經(jīng)網(wǎng)絡(luò)形成和發(fā)展的規(guī)律及方法論，進(jìn)而形成的新概念、新方法，反過來又為科學(xué)哲學(xué)工作者所利用和借鑒，并給科學(xué)哲學(xué)研究帶來新的機(jī)遇。

2.3 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展過程體現(xiàn)了辯證法否定之否定規(guī)律

否定之否定規(guī)律是辯證法三大規(guī)律之一，最早是由德國古典哲學(xué)家黑格爾在《邏輯學(xué)》一書中提出來的，恩格斯將它總結(jié)和提煉出來，它揭示了事物發(fā)展的方向和道路。

回顧人工神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展歷程，是符合否定之否定規(guī)律的。即使，在現(xiàn)階段人工神經(jīng)網(wǎng)絡(luò)的研究正如火如荼地開展，但在人工神經(jīng)網(wǎng)絡(luò)歷史上，或存在低潮期，或存在高潮期，也會(huì)出現(xiàn)這樣的或那樣的問題（比如經(jīng)歷過計(jì)算機(jī)計(jì)算能力不足、腦神經(jīng)理論發(fā)展不足等），甚至?xí)霈F(xiàn)停滯不前甚至謬誤。然而人工神經(jīng)網(wǎng)絡(luò)的發(fā)展經(jīng)歷過低潮期之后，并不一成不變，并不是回到原點(diǎn)，而是螺旋式上升、曲折式前進(jìn)，也是一種由內(nèi)部矛盾所引起的自我否定，再通過自我否定實(shí)現(xiàn)內(nèi)部矛盾的轉(zhuǎn)化，最終解決矛盾的過程。

對(duì)于人工神經(jīng)網(wǎng)絡(luò)理論，本文認(rèn)為，應(yīng)該回顧人工神經(jīng)網(wǎng)絡(luò)研究的歷史，并對(duì)其進(jìn)行科學(xué)的解讀。要用正確的科學(xué)的、系統(tǒng)的研究方法，應(yīng)對(duì)不斷出現(xiàn)的新問題，不斷發(fā)現(xiàn)錯(cuò)誤，改正錯(cuò)誤，不斷完善人工神經(jīng)網(wǎng)絡(luò)理論。

2.4 人工神經(jīng)網(wǎng)絡(luò)理論體現(xiàn)了數(shù)學(xué)方法及其精準(zhǔn)認(rèn)識(shí)事物的作用

恩格斯指出，“數(shù)學(xué)是辯證的輔助手段和表達(dá)方式”[10]。數(shù)學(xué)模型就是對(duì)于一個(gè)對(duì)象為了特定目的，根據(jù)事物特有的內(nèi)在規(guī)律，做出一些必要的簡化條件，得到的數(shù)學(xué)結(jié)構(gòu)，而這種數(shù)學(xué)結(jié)構(gòu)可以是數(shù)學(xué)公式、計(jì)算機(jī)算法、表格等等多種表現(xiàn)形式。

人工神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展離不開數(shù)學(xué)。人工神經(jīng)網(wǎng)絡(luò)的計(jì)算是一種低精度的并行計(jì)算，是一種非線性計(jì)算方式，這種計(jì)算方式正是傳統(tǒng)的計(jì)算機(jī)無法實(shí)現(xiàn)的。人工神經(jīng)網(wǎng)絡(luò)正是以工程技術(shù)的手段，利用數(shù)學(xué)模型來模擬生物大腦神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能，比如學(xué)習(xí)、分類等功能。神經(jīng)網(wǎng)絡(luò)系統(tǒng)一個(gè)高度復(fù)雜的非線性動(dòng)力學(xué)系統(tǒng)，其不但具有一般非線性系統(tǒng)的共性，更重要的是它還具有自己的特點(diǎn)[11]，比如高維性、神經(jīng)元之間的廣泛互連性以及自適應(yīng)性或自組織性等。

2.5 人工神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展體現(xiàn)了系統(tǒng)論和系統(tǒng)科學(xué)方法

系統(tǒng)思維是把事物當(dāng)作系統(tǒng)來進(jìn)行處理的一種思維方法。一些概念如系統(tǒng)、反饋、控制、輸入輸出等等從自然界中概括出來。人工神經(jīng)網(wǎng)絡(luò)理論作為控制理論的重要組成部分，其本身涉及的系統(tǒng)越來越復(fù)雜，出現(xiàn)了進(jìn)化、自組織、自學(xué)習(xí)等等新概念，這些概念對(duì)人工神經(jīng)網(wǎng)絡(luò)這一復(fù)雜系統(tǒng)更深刻的描述。當(dāng)代新工程技術(shù)的發(fā)展離不開系統(tǒng)論的指導(dǎo)，而人工神經(jīng)網(wǎng)絡(luò)技術(shù)，作為當(dāng)代新工程技術(shù)的典型代表，必然也與系統(tǒng)論和系統(tǒng)科學(xué)方法聯(lián)系緊密。

人工神經(jīng)網(wǎng)絡(luò)等工程技術(shù)系統(tǒng)是人工與自然結(jié)合的復(fù)合系統(tǒng)，是一種復(fù)雜的系統(tǒng)，也是一種非線性系統(tǒng)，是人工智能這一復(fù)雜巨系統(tǒng)的子系統(tǒng)。神經(jīng)網(wǎng)絡(luò)與多學(xué)科的互聯(lián)互通，正反映了辯證法聯(lián)系的思想，也是神經(jīng)網(wǎng)絡(luò)這一復(fù)雜的系統(tǒng)工程的體現(xiàn)。

系統(tǒng)化的研究，是對(duì)人工神經(jīng)網(wǎng)絡(luò)理論研究的一個(gè)重要的方法，甚至在整個(gè)人工智能學(xué)術(shù)體系中都舉足輕重，一般包括系統(tǒng)分析和系統(tǒng)融合。這種研究方法要求我們要從全局和整體考慮問題，不可只見樹木、不見森林;注意事物之間的復(fù)雜關(guān)系，不可孤立地看待問題[7]。正如在對(duì)人工神經(jīng)網(wǎng)絡(luò)理論的研究中，不僅要對(duì)神經(jīng)網(wǎng)絡(luò)中每一個(gè)神經(jīng)元、突觸、信號(hào)等局部細(xì)節(jié)進(jìn)行研究，還要對(duì)神經(jīng)元整體的連接方式、結(jié)構(gòu)、功能等等宏觀理論進(jìn)行研究，不可滿足于就事論事。還要對(duì)神經(jīng)網(wǎng)絡(luò)產(chǎn)生、演化、發(fā)展過程進(jìn)行研究，對(duì)其未來發(fā)展進(jìn)行預(yù)測。當(dāng)然，從系統(tǒng)論的角度看，人工神經(jīng)網(wǎng)絡(luò)理論也有一定缺陷，比如，在模擬人腦的過程中忽視了人是一個(gè)整體，而大腦只是人這個(gè)整體中的一個(gè)部分[12]。近年來的腦科學(xué)研究也表明，大腦皮層的神經(jīng)系統(tǒng)與身體其他部分也進(jìn)行著交互的作用。因此，在文獻(xiàn)[12]提出了人類智能的首個(gè)層次應(yīng)該是個(gè)人單一系統(tǒng)，即智能是由人整個(gè)身體所呈現(xiàn)的結(jié)果。從這個(gè)方面來說，人工神經(jīng)網(wǎng)絡(luò)作為人工智能的子系統(tǒng)，也確實(shí)有很多不完善的地方，也需要優(yōu)化和改進(jìn)。

3 結(jié)論

本文首先介紹了當(dāng)下火熱的人工神經(jīng)網(wǎng)絡(luò)理論及其發(fā)展歷程，其次利用馬克思主義的基本原理和自然辯證法的內(nèi)容分析了該理論蘊(yùn)含的哲學(xué)思想，為人工智能在哲學(xué)領(lǐng)域的發(fā)展提供參考。人工神經(jīng)網(wǎng)絡(luò)理論具有高度的復(fù)雜性，這就要求廣大科研人員在未來的人工神經(jīng)網(wǎng)絡(luò)探索過程中，要充分理解自然辯證法的理論并加以實(shí)踐。要樹立系統(tǒng)思維，充分理解聯(lián)系的觀點(diǎn)，把握人工神經(jīng)網(wǎng)絡(luò)學(xué)科及其相關(guān)學(xué)科的發(fā)展動(dòng)向，準(zhǔn)確分析神經(jīng)網(wǎng)絡(luò)發(fā)展的內(nèi)在邏輯，抓住其主要矛盾與矛盾的主要方面，以系統(tǒng)思維認(rèn)識(shí)和實(shí)踐人工神經(jīng)網(wǎng)絡(luò)的相關(guān)理論，更好的實(shí)現(xiàn)社會(huì)主義科學(xué)技術(shù)的大發(fā)展、大繁榮。

參考文獻(xiàn)：

[1] 馬銳.人工神經(jīng)網(wǎng)絡(luò)原理[M].北京：機(jī)械工業(yè)出版社，2010.

[2] MINSKY M， PAPERT S. Perceptrons： an introduction to computational geometry[M].Cambridge： The MIT Press， 1969.

[3] Rumelhart D E，Hinton G E，Williams R J.Learning representations by back-propagating errors[J].Nature，1986，323（6088）：533-536.

[4] 顧險(xiǎn)峰.人工智能的歷史回顧和發(fā)展現(xiàn)狀[J].自然雜志，2016，38（3）：157-166.

[5] Hinton G E，Osindero S，Teh Y W.A fast learning algorithm for deep belief nets[J].Neural Computation，2006，18（7）：1527-1554.

[6] 陳慶霞.人工智能研究綱領(lǐng)的基本問題和發(fā)展趨勢[D].南京：南京航空航天大學(xué)，2009.

[7] 王逢鑫.人民日?qǐng)?bào)大家手筆：當(dāng)代學(xué)術(shù)研究三法[EB/OL]. http：//opinion.people.com.cn/n1/2016/0111/c1003-28037329.html

[8] 陳慧萍，何坤金.人工神經(jīng)網(wǎng)絡(luò)發(fā)展的若干哲學(xué)思考[J].河海大學(xué)常州分校學(xué)報(bào)，2003（1）：38-42.

[9] 李雨欣.人工神經(jīng)網(wǎng)絡(luò)技術(shù)研究的哲學(xué)思考[D].武漢：武漢科技大學(xué)，2007.

[10]? 韋建樺.馬克思恩格斯文集第九卷（反杜林論 自然辯證法） [M]. 北京：人民出版社，2009.

[11] 巫影，陳定方，唐小兵，等.神經(jīng)網(wǎng)絡(luò)綜述[J].科技進(jìn)步與對(duì)策，2002，19（6）：133-134.

[12] 陳俊波，高楊帆.系統(tǒng)論視角下的人工智能與人類智能[J].自然辯證法研究，2019，35（9）：99-104.

【通聯(lián)編輯：唐一東】