近日，國外一位開發(fā)小哥在推特上發(fā)布了一段小視頻，視頻中顯示他試圖通過神經網絡使路上的行駛的汽車和路邊停著的車輛消失（當然并不是真的消失），只是他本人看不見了而已。

人工神經網絡（ANN）或連接系統(tǒng)是受構成動物大腦的生物神經網絡模糊啟發(fā)的計算系統(tǒng)。神經網絡本身并不是一種算法，而是許多不同機器學習算法共同工作和處理復雜數據輸入的框架。這類系統(tǒng)“學習”通過考慮例子來執(zhí)行任務，通常不需要編寫任何特定于任務的規(guī)則。例如，在圖像識別中，他們可能通過分析手動標記為“車”或“沒有車”的示例圖像，并使用結果來識別其他圖像中的車，從而學會識別包含車的圖像。他們這樣做沒有任何事先了解車，例如，他們有輪胎，車燈和車門。相反，它們會自動從所處理的學習材料中產生識別特征。

人工神經網絡中，神經元處理單元可表示不同的對象，例如特征、字母、概念，或者一些有意義的抽象模式。網絡中處理單元的類型分為三類：輸入單元、輸出單元和隱單元。輸入單元接受外部世界的信號與數據；輸出單元實現系統(tǒng)處理結果的輸出；隱單元是處在輸入和輸出單元之間，不能由系統(tǒng)外部觀察的單元。神經元間的連接權值反映了單元間的連接強度，信息的表示和處理體現在網絡處理單元的連接關系中。人工神經網絡是一種非程序化、適應性、大腦風格的信息處理 ，其本質是通過網絡的變換和動力學行為得到一種并行分布式的信息處理功能，并在不同程度和層次上模仿人腦神經系統(tǒng)的信息處理功能。它是涉及神經科學、思維科學、人工智能、計算機科學等多個領域的交叉學科。

人工神經網絡是并行分布式系統(tǒng)，采用了與傳統(tǒng)人工智能和信息處理技術完全不同的機理，克服了傳統(tǒng)的基于邏輯符號的人工智能在處理直覺、非結構化信息方面的缺陷，具有自適應、自組織和實時學習的特點。

來源：新浪VR