用户名:
    密码:
转播到腾讯微博

你的位置:首页 > 交叉学科

李勇建 涂生:关于人工神经网络的哲学思考——兼谈人工神经网络的自组织理论
录入: 哲学网编辑部 发表时间: 2013-12-04 点击: 1505 次 我要收藏

1 引言
近年来,人工神经网络(ANN)以特有的信息处理能力和独到的解算能力引起人们极大的关注,呈现出广阔的应用前景。ANN是一种模仿人类神经系统的数学模型,它采用了大量简单的处理单元即神经元来处理信息。在ANN中,神经元按层次结构的形式组织,每层上的处理单元都以加权的方式与其它层上的处理单元相连接。ANN能够实现非线性映射,具有较强的自组织特点。所谓“自组织”,指的是这样一种行为和过程,即在没有从外部环境输入特殊信息(组织指令)的条件下,系统自发地形成一种新的整体结构。
与传统的人工智能不同,ANN基于并行处理机制从结构上对人类的思维过程进行模拟,从而能实现人类思维的某些功能,如自学习、逻辑推理、联想记忆和自组织性。马克思指出,撇开事物的总体联系去把握事物,就“堵塞了自己从了解部分到了解整体、到洞察普遍联系的道路”。ANN的兴起和飞速发展,对当代系统科学提出了许多尖锐的问题。例如,系统内部的普遍联系问题、整体与部分的关系问题及结构与功能的关系问题等。因此,运用马克思主义的立场、观点和方法,从哲学系统论的角度探讨ANN的哲学意义具有重要的理论价值和实用价值。
2 人工神经网络(ANN)的产生和基本特点
(1)人工神经网络(ANN)的产生和发展
早在1943年,心理学家麦克库洛奇(McCulloch)和数学家庇茨(Pitts)合作提出了形式神经元的数学模型(称之为MP模型),从此开创了计算神经科学理论研究的时代。1944年,希伯(Hebb)从条件反射的研究中提出了Hebb学习规则。到50年代末,以罗森布拉特(Rosenblatt)提出的感知器为代表,形成了ANN研究的第一次高潮。1969年明斯基(Minsky)和帕波特(Papert)的《洞察力》(Perception)一书出版,在大量数学分析的基础上,指出了感知器的局限性,从而导致了神经网络研究的降温。到70年代,仅有少数学者还致力于神经网络的研究。
进入80年代,国际上再次掀起了ANN的研究热潮,并取得了一大批引人瞩目的成果。1982年,物理学家霍普菲尔德(Hopfield)提出了HNN模型,从而有力地推动了ANN的研究;辛顿(Hinton)和赛伊诺斯基(Sejnowski)采用多层网络的学习方法,提出了波尔茨曼(Boltzman)机模型,来保证整个系统趋于全局稳定点;鲁莫拉特(Rumelhart)和麦克雷兰(McCle
and)等人提出了PDP(并行分布处理)理论,并发展了多层网络的BP算法(反向传播学习算法),它是迄今为止最普遍的网络,可用于语言综合、自适应控制等;1988年美国加州大学的蔡少堂(L.O.Chua)等人提出了细胞神经网络模型,它是一个大规模非线性模拟系统,同时具有细胞自动机的动力学特征。
ANN的研究引起了美国、欧洲与日本等国科学家和企业家的巨大热情,脑科学、心理学、认知科学、计算机科学、哲学等不同学科的科学工作者正在为此进行合作研究。新的研究小组、实验室和公司与日俱增。美国星球大战计划、欧洲尤里卡计划都将神经网络计算机作为重大研究项目,有关神经网络的国际会议频繁召开。ANN理论已经在以并行处理机制为基础的第六代计算机,在专家系统、图象识别以及智能控制等领域得到了应用。
(2)人工神经网络(ANN)的模型结构和特点
ANN是在现代脑神经科学研究成果基础上提出来的,它反映了人脑功能的基本特性,但它并不是人脑的真实描写,而只是它的某种抽象、简化和模拟。人工神经网络的基本结构单元为神经元,它一般是多个输入,一个输出的非线性单元。神经元按层次结构的形式组织,每层上的神经元以加权的方式与其它层上的神经元连接从而构成神经网络。根据连接方法的不同,目前已有30多种神经网络的结构形成,其中使用最多,最具有代表性的是误差反向传播的多层前馈式网络,即BP(Back-Propagation)网络。BP网络由一个输入层、一个或多个隐层以及一个输出层组成,不仅含有输入输出节点,而且含有一层或多层隐节点。当有信息输入时,输入信息送到输入节点,经过权值的处理传播到隐节点,在隐节点层经过作用函数运算后,送到输出节点,得到输出值让其与期望的输出进行比较,若有误差,则误差反向传播,逐层修改权系数,直到输出满足要求为止。
ANN的基本特点主要表现如下:
①人工神经网络(ANN)为广泛连接的巨型系统。神经科学研究表明,人类中枢神经的主要部分大脑皮层由10[11]~10[12]个神经元组成,每个神经元共有10[1]~10[5]个突触,突触为神经元之间的结合部,决定神经元之间的连接强度与性质。这表明大脑皮层是一个广泛连接的巨型复杂系统,ANN的连接机制模仿了人脑的这一特性。
②人工神经网络(ANN)有其并行结构和并行处理机制。ANN不但结构上是并行的,它的处理顺序也是并行的和同时的。在同一层内处理单元都是同时操作的,即神经网络的计算功能分布在多个处理单元上。
③人工神经网络(ANN)的分布式结构使其具有和人脑一样的容错性和联想能力。大脑具有很强的容错能力。我们知道,每天都有大脑细胞死去,但并没有影响人们的记忆和思考能力。这正是因为大脑对信息的存储是通过改变突触的功能实现的,信息存储于神经元连接强度的分布上,存储区和操作区合二为一,不同信息之间自然沟通,其处理也为大规模连续时间模式。而存储知识的获得采用“联想”的办法。这类似人类和动物的联想记忆,当一个神经网络输入一个激励时,它要在已存储的知识中寻找与输入匹配最好的存储知识为其解。
④人工神经网络(ANN)具有自学习、自组织、自适应能力。大脑功能受先天因素的制约,但后天因素(如经历、学习和训练等)也起着重要作用。ANN很好地模拟了人脑的这一特性。如果最后的输出不正确,系统可以调整加到每个输入上去的权重以产生一个新的结果,这可以通过一定的训练算法来实现。训练过程是复杂的,通过网络进行重复地输入数据,且每次都调整权重以改善结果,最终达到所希望的输出。在训练过程中网络便得到了经验。理论研究表明,选择合适的ANN能够实现任何连续映射,通过对样本的学习,ANN表现出分类、概括和联想的能力。
3 人工神经网络(ANN)的自组织功能
以耗散结构理论、协同学、超循环理论等学科为主体的自组织理论是现代科学发展的最新成就。所谓自组织,是指宇宙中各层次系统以及它们的结构与功能,都能自己协同动作,自己组织起来,由原先宏观上混沌、无序的状态,进化为一种时间、空间或功能上有序的结构。自组织理论认为:自组织是在一切物质系统中普遍存在的固有属性。对于自组织系统来说,其演化过程的自发性来自于系统内部的交替因果性,这是自我规定性的本质所在。在这种交替因果性中,不仅包含原因产生结果的因果性,而且还包括结果产生原因的因果性,正是由于这种内在的因果相互作用形成了一个因果联系环。在系统自组织过程中,交替因果是通过自反馈方式来实现的。由于这种自反馈,交替因果性不断地循环反复,使系统能够对其自身内部的关系以及它与外部的关系进行不断的自我调整,从而表现出自组织的特点。思维系统的自组织来源于运行系统的自组织。从ANN的结构上看,一方面具有相对固定网络,另一方面,又具有一些随机网络。从ANN的算法编程上看,具有对不同网络结构和对象进行动态、自适应编程得能力。ANN自组织性的产生正是这种固定联系和随机联系的结果。
ANN的自组织功能主要表现在自反馈与自适应两个方面:
(1)自反馈功能
ANN在调节过程中,不断将给定信号与输出信号进行对比,产生偏差信号,然后利用这个偏差信号实施控制,减少差异,保持系统的稳定状态。当输出信号与给定信号基本相符,输出信号基本上能达到要求时,则通过反馈使整个系统内部的信息流基本保持稳定,它的内部结构就处于稳定的状态,如果反馈因素的信息已包含了某些新的内容,与原来的状态产生了差异,那么ANN系统可以通过自反馈,进行一定程度的补充、修正和调整。ANN的这种反馈机制是一种负反馈,它可以使ANN的控制输出满足实际系统的需要。这时整个A
系统是一种“活”的、开放的结构,不断进行自我调节,使整个系统在动态中正常进行。
(2)自适应功能
这是指不依靠外界强制性力量,而只依靠系统间充分的信息交换和反馈来实现整个系统间的平衡。这种自适应是自组织系统所趋向的目标,是一种目的性行为。它表明ANN系统进行自我更新是通过自适应,形成新的有序结构来实现的,也表明了复杂的系统在复杂环境中的生存能力。要更好地适应变化着的外部环境,系统就必须有这样的自动修正自己动作的自适应功能。ANN可根据外界环境的变化,来调整其结构并改变其功能,以适应环境变化。
自反馈与自适应这两种自组织功能,在ANN中各有其特点,但它们并不是孤立的,而是相互联系和相互作用的。自反馈的目的是为了实现自适应功能,而自适应是以自反馈为手段,只有这两种功能综合作用,才能真正显示ANN的自组织功能。
ANN的自组织性使得研究人工智能的科技工作者欢欣鼓舞。如日本RWC筑波研究中心制定了“适应进化计算机”的研究计划,这项研究的目的就是实现更接近人的计算机。即将这种计算机置于模糊的、经常变化的、难以预测的环境中,通过同外界的相互作用,就可以自行重组,使程序与体系结构进化,以适应外界环境,并可进行恰当的判断与动作。这种计算机在机器人控制、更接近人的人机界面及专家系统中将起重要的作用。
4 人工神经网络理论的哲学意义
“19世纪科学思维方式的转变,……实体内部相互关系组成的集合开始成为注意的中心,实体的‘整体性’特点就是由相互作用的各部分组成的所有群体的典型特点。……复杂整体的特点是不可能还原为各部分的特点。在系统组分之间存在的相互依赖关系恰如一面网上的网线纽结。”这是拉兹洛关于系统整体性的一段精辟论述。系统是内部组分间联系存在的方式,网络是系统存在的结构。对人工神经网络、计算机网络、生态网络等具体网络的结构和功能的大规模研究与应用都表明,从网络角度认识系统的整体性和复杂性成为当今科学和社会管理的鲜明特征,因而探讨ANN理论的哲学意义对于ANN理论及系统科学的发展都具有重要的价值。
(1)从人工神经网络(ANN)理论看普遍联系
恩格斯指出:“当我们深思熟虑地考察自然界或人类历史或我们自己的精神活动的时候,首先呈现在我们眼前的是一幅由种种联系和相互作用无穷不尽地交织起来的画面。”普遍联系原则是唯物辩证法的最重要原则之一,系统论强调系统是实体内部相互联系存在的方式,系统通过联系实现了其整体性,而网络则是系统存在的普遍结构形式。ANN反映了神经元相互联系的结构,ANN系统的整体性和复杂性就是通过这种联系来实现的。通过联系才能相互作用,而相互作用则强调说明联系的具体方式和效果。在典型神经网络BP网络中,各神经元之间的连接强度是由两神经元之间的权值来决定的,而神经元连接权值的确定是建立在对大量样本即大量经验知识进行学习的基础上。BP网络在对大量个别样本进行学习的基础上确定内部结构,即确定网络的连接模式。网络输出与输入的耦合程度依赖于权值系数的不断调整和改进。因此,对于一般系统,联系是实现其整体特征和功能的基本方式,而整体性和统一性的水平则依赖于通过联系发生相互作用的方式和水平。
(2)从人工神经网络(ANN)理论看整体与部分的关系
系统的整体性是通过其部分相互联系来实现的,整体和部分是相互对立和相互统一的两个方面。部分是系统整体行为的基础,整体是部分行为和特征的统一。在典型神经网络BP网络中,网络系统由输入层、一个或多个隐层及输出层多层组成,每一层由若干神经元组成来实现其特定功能,各部分神经元之间由复杂的网络结构相连接,组成整个BP网络系统。同时整体与部分的关系还表现在部分在整体中只是名义上的部分,没有相对的独立性,它不能离开整体而转化成真正的独立物。在ANN中,神经元不能脱离网络系统这个整体而存在,只有作为系统的一部分,它才获得自己的地位。由此可以看出,系统是由相互联系的诸部分组成的具有特定功能的有机整体。部分是构成整体的基础,没有部分就没有整体;部分又是在整体制约下的部分,离开了整体就不是该整体的部分。部分的变化总是以整体的联系为前提,整体的变化又在变化着的部分中实现。整体与部分既相互区别,又相互联系、相互制约,这就是整体与部分的辩证统一。
(3)从人工神经网络(ANN)理论看结构和功能的关系
唯物辩证法认为,结构是系统内部要素联系的方式和形式,结构不等于构架。它包含了要素之间的相互作用;功能是系统对外部环境作用的能力,是通过内部联系和与外部联系来表现的;系统的结构和功能是辩证统一的。在ANN理论中权值系数反映了ANN中神经元间的连接强度,它依赖于两神经元之间信息流量的大小。ANN的结构是由ANN网络结构和权值系数共同决定的,对相同网络结构的ANN系统,由于其接受的大量外部样本不同,通过学习系统内神经元间的权值系数也是不相同的,从而权值系数的确定是由外部输入决定的,这反映了ANN结构对其功能的依赖性。而一旦ANN通过学习过程确定了系统的权值矩阵,则对于确定的输入,其输出也是确定的和期望的。这时ANN的功能依赖于已确定的权值系数,即系统的功能依赖于系统的结构。从而可以看出ANN中权值系数是结构和功能相互依赖的结果。同一网络结构的ANN系统,其权值系数的不同反映了它们在结构和功能上相互依赖关系的差别。
ANN功能主要体现在它与外部环境的相互联系和相互作用上,即反映在它在真实世界中的实时学习、逻辑推理和联想记忆上,其性能由它对外部输入的响应与期望输出的耦合程度的大小来衡量,这由系统的结构来决定。首先,系统通过实时学习来调整神经元间的权值来实现系统响应与期望输出的耦合,其次,通过调整ANN的网络结构即神经元间的连接方式来实现耦合的目标。一旦结构确定,ANN网络即能对新的输入进行模式变换和联想记忆。因而结构是ANN系统发挥其功能的基础。ANN理论不仅从总体上把握了结构与功能的相互依赖性,而且揭示出这种依赖性实现的途径,这为唯物辩证法关于结构和功能的辩证说明提供了具体的科学依据。
5 总结
ANN是一门高度综合的学科,代表了90年代人类尖端技术的最新研究方向。ANN热潮的兴起和研究的飞速发展,对当代哲学提出了新的挑战,展示了许多新的研究课题。普遍联系是唯物辩证法的最主要原则之一,但是由于自然科学体系中的还缺乏处理联系的完整理论,关于联系原则的深化将有助于丰富和发展唯物辩证法体系中联系观。因而ANN理论关于联系和相互作用的研究,将为唯物辩证法关于普遍联系的原则提供科学的说明和具体的依据,同时也为将普遍联系原则应用于其它学科提供了典范。因此,探讨ANN理论的哲学内涵和价值,有着理论和现实的双重意义。
【参考文献】
[1]Khanna T.Foundations of Neural Networks.[M].
Mass.Addison-weslay.1990.
[2]Ersoy OK,Hong D.Parallel,Self-Organizing,Hierarchical Neuralnetworks[J].1990,1(2):167-178
[3]田丽,曹安照.人工神经网络—模糊控制(ANNFC)与自组织理论[J].北京:自然辩证法研究,1998(2):31-34.
[4]吴光宗,戴桂康.现代科学技术革命与当代社会[M].北京:北京航空航天大学出版社,1995.
[5]蒲小平,陈克兴,戴桂康.人工神经网络的哲学意义[J].北京:自然辩证法研究,1993(1):18-23.
[6]胡皓,楼慧心.从哲学看自组织理论的进化思想[J].浙江大学学报(社科版),1987(1):33-39.
[7]王雨田.控制论、信息论、系统科学与哲学[M].北京:中国人民大学出版社,1986.
[8]湛恳华.基核与系统的自组织[J].哲学研究,1987(2):33-40.
[9]杨春时,邵光远等.系统论、信息论、控制论浅说[M].北京:中国广播电视出版社,1987.
[10]恩格斯.自然辩证法[M].北京:人民出版社,1984.

(原载《自然辩证法研究》2000年02期。)

文章的脚注信息由WordPress的wp-posturl插件自动生成


分享到:

标签 :
版权声明:版权归 哲学网:哲学学术门户网站,Philosophy,哲学家,哲学名言大全 所有,转载请注明出处!

转载请保留链接: http://www.zhexue.org/f/jiaocha/7648.html

已有 0 条评论 腾讯微博
我的哲学
哲学 未经授权禁止复制或建立镜像,采用Wordpress架构,采用知识共享署名进行许可
邮箱:admin#zhexue.org (#换成@)优畅优化|阿里云强力驱动
ICP证号:重新备案中
网站加载0.918秒
知识共享许可协议