在学习深度神经网络知识时想到的

现阶段我们的计算机在深度网络的非线性算法的帮助下，有了质的飞跃。以下的最新科技发展都与深度神经网络相关:

计算机视觉，语言识别，语言搜索，连续语音识别，语言与图像的特征编码，语义话句分类，自然语言理解，手写识别，音频处理，信息检索，机器人学，新药研发.

今天在看一本关与深度学习的书，我就在想人的大脑或者和我们现在计算机中的深度学习没有什么区别，不同的是，人的大脑会一直不停的把现在所接收到的来自环境的所有信息与当前大脑网络高层的逻辑神经网络作混合运算，以方便大脑找出当前大脑接收到的来自环境的信息与之前信息的逻辑关系。

大脑所接收的低层信息来自耳朵的声音，眼睛的视频画面，皮肤的触感（温度和物理表面摩擦系数），鼻子和嘴巴的味觉（酸甜苦辣咸）.当然，这些信息的处理不可能是由上层的认知层来处理的，而是先由最基层的条件反射层神经作了初步处理的，以抽象出更高一层的环境特征，这些环境特征信息才是进入大脑上层逻辑网络的最终数据，这些数据和大脑中原有的逻辑层网络数据再进行逻辑关系抽象，然后再反馈回低层环境感知系统，由环境感知系统和条件射系统对大脑的逻辑处理结果进行纠错验证，进而确定环境的真实逻辑关系。

在人脑中其实所有信息都有在大脑中的高层逻辑中有所保存，每当出现新的事物、新的逻辑时，大脑会自动尝试将新事物或新逻辑与大脑原有的高层逻辑神经网络进行仿真逻辑推断训练和运算，得出当前事物或者逻辑与原有高层逻辑上的相关联系，这或许就是为什么大脑可以很自然，很容易的看懂电视据和电影中反应的故事逻辑，人在看电影时，大脑会很容易的把所有看到的和听到的视频剪辑画面整理成一个有相互联系的信息整体，这种从片段数据中推理整体事物逻辑的能力只有人的大脑有，所以也就只有人能看懂电视据和电影中所讲的故事了。最终大脑再把从电视电影中得到的整体故事逻辑与大脑中原有的自身历史数据作混合逻辑仿真，这时候我们就从电影里学会了电影中的情节，并在作新的环境信息分析时将电影中的情节引入新的运算。