训练完这个大脑之后，Google的研究人员在这个大脑中寻找这样一个神经元：它每次看到人脸就兴奋，看到其他图像就发呆。如果这样的神经元存在，我们能不能说抽象产生了，概念产生了，知识产生了

比如Google那个发现猫的工作，具体含义是这样 [ 看树的老鼠 ] 于:2013-01-16 09:38:38 复:3835461

Google从Youtube上找了许多视频截图，然后把这些视频截图送入一个多层的autoencoder。
什么叫autoencoder? 视频截图有200*200个点，每个点上的颜色又可以是255个灰度值。也就是说，所有可能的截图数量是255的400次方，大概是10的323次方。Wow，好复杂的世界！但是人会抽象啊，人在这些图上看到的不过是：克林顿、希拉里、汤姆汉克斯之类的东西。更抽象一点，看到的不过是人、汽车、猫之类的东西。
那么好，机器能不能抽象出这些概念？autoencoder就能干这个事情。它是一个三层神经网络，第一层是200*200个神经元，第二层吝啬一点，只给1000个神经元，第三层又是200*200个神经元。相邻层之间有连接，第一层和第三层之间没有。然后逼着机器学，给你一堆截图，你必须用1000个神经元尽量记住这堆截图，我不管你怎么记，反正在第三层你得尽量给我把截图给还原出来。
机器会很苦闷，但是还是被逼着学。基本上学出来的是一些线条。人可能会大失所望，我要你学概念呢，你怎么学出线条来了？机器会想，要是你脑子只有1000个神经元，你也会和我一样傻！你不觉得线条很有美感吗？这是艺术家的头脑啊！
不管怎么说，人是不满意的。于是仿造人脑，多给机器几层神经元、多给机器一些神经元。毕竟人脑的每个脑区有6层，这些脑区还有上下级关系，至少也是几十层。现在第一层不变，第二层20000神经元，第三层10000，第四层5000，第五层4000，第六层2000，后面层依次是2000、4000、5000、10000、20000神经元。(每层的数量是随手写的，但思路没错）
好了，现在有一个这么复杂的大脑，机器该聪明一些了吧？
事实果然如此。在训练完这个大脑之后，Google的研究人员在这个大脑中寻找这样一个神经元：它每次看到人脸就兴奋，看到其他图像就发呆。如果这样的神经元存在，我们能不能说抽象产生了，概念产生了，知识产生了？我觉得可以。
这个神经元……很遗憾……哈哈……我在开玩笑！这个神经元真的存在，它能够达到大概~80%的正确率！！
写到这里，我真的是非常非常的兴奋，我们可没有告诉机器，说你要给我抽象出个人脸，我们只是让机器不断的看，机器也没什么方向，它只是觉得，我得找到一种最好的抽象的关于图像的模型，让最后一层我还原出来的图像和输入图像一模一样，免得你又骂我！结果，“人脸”出现了！
为什么会如此神奇？也许是因为，我们的算法和上帝的算法一样，我们的大脑和人脑结构一样。同样的输入，自然会产生同样的结果。如果上帝的算法变了，也许人都无法形成“人脸”这个概念。
另外，还有两个副产品是猫脸和人上半身的图片，反正机器形成了这个概念，我们也不知道它怎么想的。