只有2神经元的电脑可以学骑自行车

骑自行车并不需要大量的大脑。事实上，它只需要两个神经元 - 或者，确切地说，它是数字神经网络上的两个节点。

苏黎世神经信息学研究所的研究员马修·库克在2004年的一份自我发表的报告中证明了这一点，他在加州理工学院担任教授时写道。库克研究思考 - 它是如何工作的，它的结构如何以及它如何随着外部世界的变化而发展。构建旨在解决特定问题的简单“神经网络”可以帮助研究人员模拟大脑思维过程或转向更智能的人工智能。

需要明确的是：这些神经网络不涉及将任何实际神经元串联在一起。相反，它们是计算机上的模拟节点或模型神经元的集群，它们可以通过加强和削弱它们的连接来相互交互。事实证明，这些网络在处理，理解和解决复杂问题方面具有非常的天赋，即使事先没有任何信息编入其中。

当库克建立一个精简的双节点网络时，他发现，与人类或复杂的专用算法相比，它在一个小型物理模拟器中驾驶自行车更有天赋 - 尽管事先得不到关于如何直接提供信息把它拉下来。

试图驾驶自行车的 每个人 - 算法，人或神经网络都获得了相同的信息和控制手段。他们可以观察自行车的速度，方向，在太空中的位置，车把的角度以及它倾斜到一侧或另一侧的距离。他们可以推动和拉动车把并对模拟踩踏板的后轮施加扭矩。

首先，算法轮到了。库克通过研究每一个可能的举动的每一个可能的结果，通过研究每一个可能的结果来建立它，以便在“假设”条款中逐步选择“移动”：什么举动将使自行车保持直立?什么举动会使它保持直线运动?快移?

但是这个算法很难尝试同时做多件事。库克写道，当被告知要专注于保持直立时，它会做出奇怪的“诡计”，转动手柄而不是前进。当被告知要沿着一条直线移动时，它会在倾倒之前向前倾斜一会儿。当被告知要专注于速度时，它会从一侧到另一侧“猛扑”自行车以产生很少的速度跳跃。

无论如何，库克写道，这样的算法在现实世界中毫无用处，因为它无法很好地预测未来以做出正确的判断。

接下来，人们转过身来，用键盘控制自行车的运动并在屏幕上观看。

库克写道：“我曾经想过，如果能够很好地了解如何在现实生活中骑自行车，那么模拟就不会有问题。”

但他发现，如果没有在现实世界中骑自行车的身体感觉，这项任务比他预期的更具有违反直觉和复杂性。

“我甚至一开始认为模拟器中肯定存在一个错误，因为要向右转，我发现我必须将把手向左推，”他写道。“当然，如果你停下来思考它，那是完全正确的。要向右转，自行车必须向右倾斜，而实现这一目标的唯一方法是将接触点转移到地面。离开，这需要向左推动。“

尽管如此，库克仍然能够学会驾驶自行车。尝试该计划的其他人也将其弄清楚了。基于他自己的经验和其他玩家给他的策略描述，库克建立了一个简单的双节点网络，他觉得可以成功学习骑自行车。

网络中的第一个神经元感知到自行车的世界以及指示他们骑自行车的地方。它还决定了自行车在多大程度上倾斜以及向何方向倾斜。然后神经元将该信息发送到网络中的第二个神经元，该神经元可以直接控制自行车，并决定如何处理这些控制以使其发生倾斜。

这个简单的系统立刻就完成了任务，并找出了让自行车被告知要去的所需参数。在非常慢的速度下，它变得不稳定，但只要自行车有一个良好的蒸汽头，它可以沿着一些非常复杂的路径飞行。