拔刺 | 能否发明以太阳能为动力的汽车？

--- 拔出你心中最困惑的刺！---

在这个用过即弃的时代，不要让你的求知欲过期。

今日拔刺：

1、能否发明以太阳能为动力的汽车？

2、机器学习是什么意思？

3、人工神经网络的本质(物理或数学意义)是什么？

本文 | 2024字 阅读时间 | 5分钟

能否发明以太阳能为动力的汽车？

新能源汽车是未来汽车工业发展的主流，也是目前汽车工业的热门所在。新能源汽车有多种类型，像甲醇汽车、乙醇汽车、天然气汽车、混合动力、纯电动，燃料电池汽车等等。那么，新能源汽车为什么不开发出太阳能充电的呢？

是否可以用太阳能充电汽车？

一个字回答，能。

作为可再生的清洁能源，太阳能当然可以成为新能源汽车的能源之一。众所周知，太阳能取之不尽用之不竭，而且隐含能量极大，如果真的能够克服技术难关，用太阳能充电对新能源汽车来说是个不错的选择。

为什么现在无法实现用太阳能充电？

一句话，技术达不到。

目前全世界的太阳能电池板的转化率都比较低，世界顶级电池板（实验室数据）的发电量，晒一个礼拜的晴天，才能让你开上半天，这样的太阳能发电汽车，你要不要？

如果想要实现太阳能发电汽车的大规模使用，目前的太阳能电池板肯定是不够开的，需要长期的技术发展才能够达到，而这时间，也许是几年，也许是十几年，甚至是几十年。

将来的太阳能充电汽车会是怎样的？

虽然目前实现不了，但是太阳能充电汽车，乃至于其他的很多太阳能充电产品，在将来绝对是一个可以期待的领域。想象一下，在未来的时空中，一块小小的太阳能电池板既可以做饭、供暖，也可以驾驶，这将是多么美的一个画面。

机器学习是什么意思？

机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。学习是人类具有的一种重要智能行为，但究竟什么是机器学习，长期以来却众说纷纭。社会学家、逻辑学家和心理学家都各有其不同的看法。

那么机器学习到底是什么？

直白来说，机器学习就是运用集成运算单元根据人类大脑的学习方式，进行模拟学习的一类学科。举个简单的例子，假设今天周一，机器人‘小明’要去上学，下雨了就没法去学校了，那么我们需要让小明知道如果下雨，那么不去上学；如果天晴，那么就去上学。这时给小明一个训练集（类似于练习题，做一次，错了就给正确答案了，对了更好），经过我们人类事先给好习题和答案，小明能够知道下面这个逻辑：

此时学校规定，除非雨大到水位10cm才可以不来上学。这时小明又要开始判断了。

当雨水不足以阻挡小明去上学，那么问题又来了？小明是该打车去还是坐公交去呢？假如第一标准是八点之前必须到学校，第二标准是尽量不要淋雨，第三标准是花的钱要少。假设三个标准的权重分别是0.5，0.3，0.2 ，此时小明要对已经比较复杂的状况进行选择了。

如果小明考虑小明怎么走路才能更有效率，在中途打车时怎么跟司机交流呢？司机不可能只说一句话吧。如果小明能应对司机所说的每句话，假设司机一般只说3类话（上车，去哪，多少钱）。每一类话的表达方式有很多种吧（‘来，上车’、‘小伙子快上来外面有雨’），假设每类话有30种可能，那光跟司机交流的可能话语就有30的3次方中可能，也就是说需要2.7万个谈话练习题（样本）就能保证小明能跟司机完成最基本的交流。

在不断的扩充练习题（训练样本）进行训练学习，机器人“小明”会越来越聪明，这就是机器学习。

人工神经网络的本质(物理或数学意义)是什么？

从数学的角度讲，人工神经网络的本质从机器学习的过程可理解为通过参数求最佳解得过程。同样也是一个负反馈的过程，以最简单的负反馈神经网络(back propagation)为例，其本质可以形象的理解为这样一个过程：

我们假设这个刚搭建的好的机器人叫“小明”（假设他刚出生），他的硬件软件等我们不需要考虑的部分全部是最先进的，小明的大脑里现在是最纯净的，除了一个学习的算法什么都没有，就像一个刚出生的婴儿一样。

现在，小明饿了，想吃东西。那么如何才能吃到东西呢？在什么都不知道的情况下，小明开始探索如何才能不饿。他可能会伸手，或者笑、哭，于是母亲喂了他吃的，从逻辑上可以这么理解：

然后他每次饿了，都开始伸手-笑-哭，然后就有吃的了。突然，有一天他自己也不知道怎么搞的，直接哭了。然后——有吃的了！！！这时他才明白这一个逻辑：

这时候，机器人“小明”明白，其实达到一个目的很简单，但是需要不断尝试。

再后来，小明又饿了，这回他懒得动，稍微小哭了一下等吃的，结果妈妈没来喂他！这是为啥？然后他就哭的超级大声，妈妈看他这样子以为是病了，急冲冲的送她去诊所，结果啥病也没有，小明迷惑，这是为什么？逻辑可以这么理解：

然后他把哭声再稍微降低以点，变成了很正常的哭，这时妈妈终于恍然大悟，喂他吃的。小明终于明白，想吃东西，首先需要哭，然后若哭声小，不起作用，需要调大哭声，若哭声过大，会起反作用，需要把哭声再降小一点，就有吃的了。

以上就是人工神经网络的本质，通过不断尝试引入各种参量，最终得到允许误差范围内的解，并通过引入参量系数，最终得到最优解——喂食=哭。通过负反馈机制，当参量所占权重过小，以当前参量所得结果为参考依据适当增加参量权重比例，增加的比例的系数随机。通过第二次的结果和第一次的结果选择更合适的权重系数，最后经过不断的“尝试”得到最优解。

以上过程即是bp负反馈神经网络的算法思想。