2024年4月5日发(作者：宇文辰阳)
第
8
章
深度学习
【导读案例】谷歌大脑
谷歌大脑（Google Brain，见图8-1）又称谷歌“虚拟大脑”，是“Google X实验室”一个正
在开发新型人工智能技术的主要研究项目。是谷歌在人工智能领域开发出的一款模拟人脑的软
件，这个软件具备自我学习功能。Google X部门的科学家们通过将1.6万片处理器相连接建造
出了全球为数不多的最大中枢网络系统，它能自主学习，所以称之谓“谷歌大脑”。
图8-1 谷歌大脑
谷歌“虚拟大脑”是模拟人类的大脑细胞相互交流、影响设计的，它可以通过观看YouTube
视频（美国的一家在线视频服务提供商，是全球最大的视频分享网站之一）学习识别人脸、猫脸
以及其他事物。这项技术使Google产品变得更加智能化，而首先受益的是语音识别产品。当有
数据被送达这个神经网络的时候，不同神经元之间的关系就会发生改变，而这也使得神经网络
能够得到对某些特定数据的反应机制。
通过应用这个神经网络，谷歌的软件已经能够更准确的识别讲话内容，而语音识别技术对
于谷歌自己的智能手机操作系统Android来说变得非常重要。这一技术也可以用于谷歌为苹果
iPhone开发的应用程序。通过神经网络，能够让更多的用户拥有完美的、没有错误的使用体验。
随着时间的推移，谷歌的其他产品也能随之受益。例如谷歌的图像搜索工具，可以做到更好的理
第8章 深度学习 163
解一幅图片，而不需要依赖文字描述。谷歌无人驾驶汽车、谷歌眼镜也能通过使用这一软件而得
到提升，因为它们可以更好的感知真实世界中的数据。
“神经网络”在机器学习领域已经应用数十年——并已广泛应用于包括国际象棋、人脸识
别等各种智能软件中。而谷歌的工程师们已经在这一领域更进一步，建立不需要人类协助，就能
自学的神经网络。这种自学能力，也使得谷歌的神经网络可以应用于商业，而非仅仅作为研究示
范使用。谷歌的神经网络，可以自己决定关注数据的哪部分特征，注意哪些模式，而并不需要人
类决策——颜色、特殊形状等对于识别对象来说十分重要。
【作 业】
1. 如果你想设计人工智能系统，那就要学习并分析这个星球上最自然的智能系统之一，即（ ）。
A. 人脑和神经系统 B. 人脑和五官系统
C. 肌肉和血管系统 D. 思维和学习系统
2. 所谓神经网络，是指以人脑和神经系统为模型的（ ）算法。
A. 倒档追溯 B. 直接搜索 C. 机器学习 D. 深度优先
3. 如今，ANN从股票市场预测到（ ）和许多其他应用领域都有突出的应用表现。
A. 汽车自主控制 B. 模式识别 C. 经济预测 D. A、B和C
4. 人脑由（ ）个神经元组成，这些神经元彼此高度相连。
A. 100~1000万 B. 100~1000亿 C. 50~500万 D. 50~500亿
5. 人脑是一种适应性系统，必须对变幻莫测的事物做出反应，而学习是通过修改神经元之间连
接的（ ）来进行的。
A. 顺序 B. 平滑度 C. 速度 D. 强度
6. 人类细胞之间的轴突-树突（轴突-神经元胞体或轴突-轴突）接触称为神经元的（ ）。
A. 突触 B. 轴突 C. 树突 D. 髓鞘
7. ANN是一种模仿生物神经网络，其中的（ ）扮演了生物神经模型中突触的角色，用于调
节一个神经元对另一个神经元的影响程度。
A. 细胞体 B. 权重 C. 输入通道 D. 输出通道
8. 现代神经网络是一种非线性统计性数据建模工具。典型的神经网络具有三个部分，除了（ ）。
A. 结构 B. 尺寸 C. 激励函数 D. 学习规则
9. 人工智能在图像识别上已经超越了人类，支持这些图像识别技术的，通常是（ ）。
A. 云计算 B. 因特网 C. 神经计算 D. 深度神经网络
10. 将ANN与模糊逻辑结合起来生成（ ）网络，这个网络既有ANN的学习能力，同时也
具有模糊逻辑的解释能力。
A. 模式识别 B. 人工智能 C. 神经模糊 D. 自动计算
11. 从研究角度看，（ ）是基于多层神经网络的，海量数据为输入的，发现规则自学习的方
164 人工智能导论
法。
A. 深度学习 B. 特征学习 C. 模式识别 D. 自动翻译
12. 深度学习与传统的机器学习最主要的区别在于（ ），即随着数据规模的增加其性能也不
断增长。当数据很少时，深度学习算法的性能并不好。
A. 特征处理 B. 硬件依赖 C. 数据依赖性 D. 问题解决方式
2024年4月5日发(作者：宇文辰阳)
第
8
章
深度学习
【导读案例】谷歌大脑
谷歌大脑（Google Brain，见图8-1）又称谷歌“虚拟大脑”，是“Google X实验室”一个正
在开发新型人工智能技术的主要研究项目。是谷歌在人工智能领域开发出的一款模拟人脑的软
件，这个软件具备自我学习功能。Google X部门的科学家们通过将1.6万片处理器相连接建造
出了全球为数不多的最大中枢网络系统，它能自主学习，所以称之谓“谷歌大脑”。
图8-1 谷歌大脑
谷歌“虚拟大脑”是模拟人类的大脑细胞相互交流、影响设计的，它可以通过观看YouTube
视频（美国的一家在线视频服务提供商，是全球最大的视频分享网站之一）学习识别人脸、猫脸
以及其他事物。这项技术使Google产品变得更加智能化，而首先受益的是语音识别产品。当有
数据被送达这个神经网络的时候，不同神经元之间的关系就会发生改变，而这也使得神经网络
能够得到对某些特定数据的反应机制。
通过应用这个神经网络，谷歌的软件已经能够更准确的识别讲话内容，而语音识别技术对
于谷歌自己的智能手机操作系统Android来说变得非常重要。这一技术也可以用于谷歌为苹果
iPhone开发的应用程序。通过神经网络，能够让更多的用户拥有完美的、没有错误的使用体验。
随着时间的推移，谷歌的其他产品也能随之受益。例如谷歌的图像搜索工具，可以做到更好的理
第8章 深度学习 163
解一幅图片，而不需要依赖文字描述。谷歌无人驾驶汽车、谷歌眼镜也能通过使用这一软件而得
到提升，因为它们可以更好的感知真实世界中的数据。
“神经网络”在机器学习领域已经应用数十年——并已广泛应用于包括国际象棋、人脸识
别等各种智能软件中。而谷歌的工程师们已经在这一领域更进一步，建立不需要人类协助，就能
自学的神经网络。这种自学能力，也使得谷歌的神经网络可以应用于商业，而非仅仅作为研究示
范使用。谷歌的神经网络，可以自己决定关注数据的哪部分特征，注意哪些模式，而并不需要人
类决策——颜色、特殊形状等对于识别对象来说十分重要。
【作 业】
1. 如果你想设计人工智能系统，那就要学习并分析这个星球上最自然的智能系统之一，即（ ）。
A. 人脑和神经系统 B. 人脑和五官系统
C. 肌肉和血管系统 D. 思维和学习系统
2. 所谓神经网络，是指以人脑和神经系统为模型的（ ）算法。
A. 倒档追溯 B. 直接搜索 C. 机器学习 D. 深度优先
3. 如今，ANN从股票市场预测到（ ）和许多其他应用领域都有突出的应用表现。
A. 汽车自主控制 B. 模式识别 C. 经济预测 D. A、B和C
4. 人脑由（ ）个神经元组成，这些神经元彼此高度相连。
A. 100~1000万 B. 100~1000亿 C. 50~500万 D. 50~500亿
5. 人脑是一种适应性系统，必须对变幻莫测的事物做出反应，而学习是通过修改神经元之间连
接的（ ）来进行的。
A. 顺序 B. 平滑度 C. 速度 D. 强度
6. 人类细胞之间的轴突-树突（轴突-神经元胞体或轴突-轴突）接触称为神经元的（ ）。
A. 突触 B. 轴突 C. 树突 D. 髓鞘
7. ANN是一种模仿生物神经网络，其中的（ ）扮演了生物神经模型中突触的角色，用于调
节一个神经元对另一个神经元的影响程度。
A. 细胞体 B. 权重 C. 输入通道 D. 输出通道
8. 现代神经网络是一种非线性统计性数据建模工具。典型的神经网络具有三个部分，除了（ ）。
A. 结构 B. 尺寸 C. 激励函数 D. 学习规则
9. 人工智能在图像识别上已经超越了人类，支持这些图像识别技术的，通常是（ ）。
A. 云计算 B. 因特网 C. 神经计算 D. 深度神经网络
10. 将ANN与模糊逻辑结合起来生成（ ）网络，这个网络既有ANN的学习能力，同时也
具有模糊逻辑的解释能力。
A. 模式识别 B. 人工智能 C. 神经模糊 D. 自动计算
11. 从研究角度看，（ ）是基于多层神经网络的，海量数据为输入的，发现规则自学习的方
164 人工智能导论
法。
A. 深度学习 B. 特征学习 C. 模式识别 D. 自动翻译
12. 深度学习与传统的机器学习最主要的区别在于（ ），即随着数据规模的增加其性能也不
断增长。当数据很少时，深度学习算法的性能并不好。
A. 特征处理 B. 硬件依赖 C. 数据依赖性 D. 问题解决方式