关于如何实现人工智能这件事儿，研究者们提出了很多想法。我们可以将思路大体一致的研究者归为一个“学派”。连接学派正是其中之一，其成员相信模拟人的大脑是实现智能的最佳方法。
那么，人脑是如何工作的呢？生理学家通过研究发现，虽然人脑中的神经元结构和功能都很简单，但当大量简单的神经元互相连接起来之后，却能表现出非常强大的智能。
图1. 神经元的“放电”过程
图2. 数以亿计个神经元组成的人脑神经网络
人脑的这种特性启发了连接学派的先驱者们。他们坚信，简单的计算单元通过互相连接，同样可以实现强大的智能。这一想法最早可以追溯到20世纪40年代，当时两位科学家，沃伦·麦卡洛克和沃尔特·皮茨设计了第一个模仿人脑的数学模型 —— 人工神经元网络。此后，艾伦·图灵、马文·闵斯基、弗兰克·罗森布拉特、杰弗里·辛顿等学者均对神经网络的发展做出了重要贡献，为连接学派奠定了坚实的基础。
图3. 人工神经网络
然而，在很长一段时间里，连接学派在人工智能领域都处于边缘地位。其中，一个很重要的原因在于神经网络非常灵活，需要依赖大量数据对其进行训练才能变得聪明起来。而大数据的积累是在互联网发展之后才成为可能。另一个原因是没有好的训练策略，就算拥有充足的数据，也难以把模型训好。换句话说，理论上很强大，但实际上做不到。2006年，杰弗里·辛顿提出了一种新的训练方法，使得复杂神经网络的学习成为可能，开启了人工智能的深度学习时代。
从此以后，人工神经网络技术一骑绝尘，在众多研究领域取得压倒性优势。被边缘化了几十年的连接学派终于走到了舞台中央，成为人工智能领域最靓的仔。
供稿：清华大学 王东
制作：北京邮电大学 戴维
审核：北京邮电大学 李蓝天