人工智能的核心技术之一是神经网络，例如无人驾驶汽车会配备多个摄像头，通过神经网络来识别其他车辆、交通标志和行人，并做出相应地转弯或调整车速的举动，神经网络也是当人们用智能手机打字时，那些选字功能计算背后的幕后使者，甚至在翻译工具中也会广泛地被应用。

而使用大数据来训练神经网络是我们目前最主要的作法，它们之所以有效，是因为大数据得接受海量的数据训练才能识别、分类及预测各种事物及突发状况，在无人驾驶汽车的例子当中，大数据被训练需查看数以百万的街道图像和影片来扩充自己的资料库，且当人们在浏览网络时点击人行道图片来证明自己不是机器人时，也会用来帮助大数据训练神经网络。

人们害怕被人工智能超越

这就是为何人们会害怕被人工智能超越甚至取代自己的原因，复杂的神经网络能够自我学习，现在甚至有某一些神经网络已经可以协助人们在工作领域上创造新的东西。

那最基本的神经网络是如何工作的呢？神经网络是由类似人工神经元组成的网络，它试图去模拟人类大脑，因此它有许多层的「神经元」，就像我们大脑中的神经元一样，首先第一层神经元会接收图像、影片、声音、文字等等的输入资料，当第一层的资料被输出到下一层时，输入的数据最后通通会经过神经网络的所有层面。

神经网络很久以前就被发明出来

事实上，神经网络在很久以前就被发明出来，它并不是近几十年才被发现的，在1943年时，Warren McCulloch和Walter Pitts创建了一个基于演算法的神经网络计算模型，后来，这个想法被尘封起来，被人类忽略而经历了一段漫长的时间，也是因为当时要建构神经网络所需要的巨大资料库资源还不存在，所以还不是神经网络出现的时机。

直到近几十年，由于图形处理器等先进的计算资源的出现，才让神经网络这想法又卷土重来，而图形处理器是一种专门在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上执行绘图运算工作的微处理器，事实也证实了，它们在处理运行神经网络所需的数据方面也非常出色，这就是为什么我们现在看到神经网络以及人工智能如此广大的被应用在生活当中，甚至渐渐的与人类成为一体。

图片来源：Andriy Onufriyenko/Moment/Getty Images