让人工神经网络反哺人类神经网络

　　自1943年科学家提出ANN(人工神经网络)以来，ANN经历了一次从短暂发展到雪藏，在2006年再次进入大家的视野，并且以燎原之势迅速占领了研究界和工业界。在2015年，国际顶级会议CVPR上，以深度学习为研究对象或方法的论文大概有70%，学术界把2015年称之为深度学习之年，为之癫狂程度可见一斑。在2016年伊始，工业界也上演了重头大戏，谷歌开发出的人工智能围棋程序AlphaGo以4:1击败世界排名第二的围棋高手李世石，从而极大加速了人工智能进入人类真实生活。人工神经网络已经在少许场景中有了试探性的应用。比如无人驾驶汽车、无人机、人脸识别系统、服务机器人以及近来很火的虚拟现实（VR）和增强现实（AR）等。
　　ANN的是科学家受到人类大脑神经系统的启示而提出的。人类大脑有几百亿个神经元细胞，这些细胞之间通过突触等有着广泛的连接。当人类通过视觉、听觉、触觉和嗅觉等感受器官接收到外界信号后，这些信号就会传递至大脑皮层，然后在神经元之间一层一层的传递下去，每一层的传递都是对信号做的一次处理，传递至最后一层细胞后做出决策。这样的一个主要过程被科学家移植到了ANN。ANN经过这些年的发展主要存在这几种网络模型：卷积神经网络（CNN）,循环神经网络（RNN）,深度置信网络（DBN）,栈式自动编码（SAE）。
　　而我们今天要探讨的主题是以上所述的反方向——用人工神经网络反哺人类神经网络，这是一个还没有人提出的非常大胆的，但是极具挑战和研究价值的课题方向。
　　人类的神经网络能够启示人工神经网络，那么人工神经网络就不能服务于人类神经网络吗？我想答案是肯定的。我的设想是从下面的应用场景为切入点的：由于先天原因或者后天意外事故，全球有很多患有精神疾病的患者，比如痴呆、失忆等，他们的认知系统在一定程度上存在缺陷。再和人工神经对比：研究员具有人工神经网络的研究方法，但是使用的很简单的网络模型，他们缺少真实的结构严谨的神经系统；而这些患者具有的是真实的高度智能化的神经系统，这些系统比CNN、RNN等强大太多。基于以上考虑，我们能否把训练ANN的方法加以改进后运用到这些患者的神经系统上，从而帮助这些患者重新认识世界。这是一个很大胆、前卫且意义重大的想法。试想一下将来某一天，医生和科学家一起为患者戴上传感器，将患者的神经系统接入超级计算中心，然后运用人工智能的方法和的海量的数据对这个天然的超级深度网络进行训练，使其再度具有认知，从而修复患者的神经系统。从这个场景又引申出了另外一个话题，当然我们先不讨论它的人类伦理问题，单纯的说下此场景：能否将机器人的大脑换成人类的大脑，如果实现了，这种类人机器人的能力应该远超传统机器人；或者换种说法对于一个身体头部以下存在严重障碍的患者，能否在他的大脑以下安装仿生器官，从而帮助他开启新生活？
　　以上都是一些较长远的设想，并没有从现有的人工智能技术水平以及人类生理系统作深入探讨，正所谓道阻且长，这其中必然有许多巨大阻碍因素需要研究人员克服。