作者：中联科创特约嘉宾尹智
整体是局部和个体的更大规模模式重现
人工神经网络，是目前最广泛应用的人工智能系统，通过使用多类型的数据结构，模拟人脑的神经网络工作原理，比如用一类数据结构模拟层层相互连接的神经元，用一类数据结构表示神经元之间的连接。人工神经网络的工作机制，就是不同层之间的神经元每一层通过神经元连接接收上层神经元给出的特定信息，再通过特定计算激活这层的特定部分，再给出输出到下一层神经元，层层处理信息后，最后一层就能执行特定任务，比如识别和检测某类物体，或某段语音，或找到某类模式。神经网络的训练过程，就是反复通过数学运算调整神经元本身和神经元连接的值（权值），以使得网络的预期结果无限逼近正确结果（训练样本给出）。
看看这类结构，其实一个组织就是一个个体神经网络的放大版，组织里每个人都是某个层级上的神经元，都和各自上下层（级）有直接关联，都处理一定的信息，给出一定的输入，而整个组织的磨合，就是各个层级之间各个个体，团队（神经元）自身值和连接权值的不断调整，以达到预期效果。磨合（训练）得好的网络，对信息处理就比较高效准确，最后一层的决策层就能做出正确的分析和决断。而最后一层的判断失误，表面上看是决策层前一层的输入有问题，但前一层的运算和输出，也取决于再前一层的输入，一层推一层，直到第一层。对糟糕的输出，很难说，到底是哪一层哪一个哪一些神经元的值不对，或者连接值不对，更可能的是，整个网络就没有训练到位，就还不是能执行预期任务的那一类模型。—— 仅代表尹智个人观点 Ken's personal view only
