神经网络计算机系统

在人脑与电脑一节，我们比较了人脑对于传统计算机的优势，归纳起来现有的计算机有三个根本的弱点：一是传统计算机的运行必须按事先设计好的一整套精确的串行算法来进行，但对很多实际问题很难找到（甚至不存在） 类似的串行算法，例如对于连续语音的辨识等；二是传统计算机的串行结构在根本上限制了其运算速度，从而对许多数据量很大的实际问题做不到实时处理；三是传统计算机容错性较差，往往很小的局部损坏或考虑不周便会影响整个系统的工作性能。尽管近几年来并行处理系统有很大发展，但是并不能从根本上解决问题。

正是为了克服上述弱点，在模拟人脑神经组织结构的基础上，发展起来一种全新的计算系统——神经网络计算系统。

什么是神网络计算系统呢？

简单说就是模仿人脑信息处理方法制成的计算系统。它不需要事先设计出解决问题的算法，而是根据所给定一连串例子和一些的信息进行训练，并且通过不断的学习和不断的纠错在网络内部建立起解决这类问题的一般方法，进而解决这类问题。由于它的结构特征，使所有（或在同一层的）处理单位都能够同时进行信息传输和处理；同时，局部单元的损坏对网络的总体性能影响很小。

现在让我们看看，这种奇妙的人工神经网络电脑是怎样构成的。

由于人脑神经网络极为复杂，因此，科学家对其模型作了简化处理，取其结构和功能的一部分，用具有非线性特征的小型集成芯片来模拟人脑神经元的功能。同时，采用由非线性材料制成的调制元件作为连接件，来模拟各神经元的连接，然后，再将它们大规模集成，制成人工神经网络芯片。将若干块这样的芯片组合起来，就具有了部分神经网络的功能，进而就可构成神经网络计算机。

目前，神经元网络计算机的开发与研究还仅仅是一个开始。要研制出真正意义上的神经网络计算机还有许多理论和技术问题亟需解决，其中最主要

的是神经网络芯片的集成度问题。虽然可以用离子束，激光或软 X 射线来进行芯片的刻蚀，但其密度和线宽总有一个限度。而且，当线宽进入纳米（10

—9 米）量级时，芯片中的线路会产生严重的电子串扰。同时，芯片的电耗及随之而来的元件发热问题也是近期内难以解决的一大障碍。

现在，人们主要是将人工神经网络芯片与现有的通用计算机相结合，再让它们经过一定数量的样本学习，使其具有处理特定问题的能力。现在已有这样的范例，只要给它们“学习”一小段巴赫的曲谱，它就能很快“创作” 出与巴赫风格类似的作品，且有自己独特的“即兴发挥”。

英国研制出的神经网络芯片已成功的用于对摄像机取模糊景象的识别。它对单个脸面的识别仅需 40 秒钟。

美国试制的一种可以朗读英语课文的神经网络芯片，装在普通计算机上，只要对它训练 12 小时，其发音准确率就达 95％以上，即使不加训练， 其准确率也可达 80％左右。而以往的计算机则需要编制一个很长的计算机程序来描述拼写与发音的关系。因为英语的发音不规则，所以编写这样一个程序就成为一件很费劲的工作。

除此而外，人工神经网络的研究成果还在许多部门获得了应用，如快速手写邮政编码的识别、股市涨落趋势预测和市场评估、系统控制及检测和监测的智能化等等。