人工智能中神经网络的本质：自我反省；下一次彻底革命计划就是真的智能！

自我反省是刻在人类基因里的一个最基本的能力，也是最不容易的事。如果能够一个人做好自我反省，那这个人就有可能发生质的变化。正是由于自我反省不是一件容易的事，所以很多人并不总会考虑进行自我反省，或者说选择了逃避。

自我反省涉及到一个人的思想、情绪和行为，在西方哲学中可以追溯到一位名叫苏格拉底的那个时代，他有一句名言：“未经审视的生活不值得过。”（The unexamined life is not worth living.）另外在《剑桥词典》中的定义是 “思考自己的感受和行为以及其背后原因的活动。”（Knowing yourself is the beginning of all wisdom.）

在大部分情况下，人都不会承认自己是没智慧的，顶多承认自己学历有限。所以智慧应该是什么呢？如果按照上面引用的名言来看的话，肯定不是知识。

我们中国远在宋朝的著名诗人苏轼在一首诗句也正好能够折射出这样的道理：“不识庐山真面目，只缘身在此山中。”

按照现代的神经科学来讲，它提供了关于自我反思如何运作的见解。当我们反思时，我们大脑的前额叶皮层，它负责着复杂的认知行为和决策，从而变得活跃起来。通过发现，这自我反省的过程不仅仅是随意的思考，而是一段极其复杂的心理过程。

综上所述，适当定期的自我反省是可以提高情商和决策能力的。它有助于更深入地了解一个人的情绪、动机和欲望。这种反思性的过程实践，通过反思行为和选择，我们可以识别出一些模式和可能的决定因素，从而更好地进行自我调节和个人成长。

正是因为人类的自我反省在漫长历史的发展过程中，我们创造了计算机，在借助计算机强大的算力的基础上，机器学习这门科学的诞生也就顺理成章了。

根据目前找到的资料来看，以下可能是比较实用的定义：

1. Nvidia：“最基本的机器学习是使用算法解析数据，从中学习，然后对世界上某事做出决定或预测的做法。”

2. 斯坦福：“机器学习是让计算机在没有明确编程的情况下采取行动的科学。”

3. 麦肯锡公司：“机器学习基于可以从数据中学习而不依赖于基于规则的编程的算法。”

总之机器学习是让计算机像人类一样学习和行动的科学，通过以观察和现实世界互动的形式向他们提供数据和信息，以自主的方式改善他们的学习。

现在的机器学习已经分别经典机器学习和深度学习——经典机器学习，也可以叫“非深度”机器学习，主要是依赖于人工干预进行学习。由人类科学家确定一组特征，用于了解数据输入之间的差异，通常需要使用更为结构化的数据进行学习。而"深度"机器学习可以利用标注数据集（还可以称为监督式学习）为算法提供所需信息，但并不一定要使用标注数据集，所以它避免了一些原本必需的人工干预。