神经网络有多“神经”？神经网络的神经性如何？

“神经网络”模型根本不是非常神经化的。

所谓的“神经网络”是一种统计机器学习算法。尽管神经网络受到大脑一般信息处理策略的启发，但没有人认为真正的神经元是这样工作的。

20世纪50年代末，“感知机”计算机算法被提出。到 20 世纪 80 年代初，这已发展成为使用反向传播算法的所谓“连接主义模型”。著名著作《并行分布式处理》的编辑麦克莱兰和鲁梅尔哈特非常小心地避免提及神经元。他们将他们的模型描述为具有“连接”的“单元”网络，并表示这是以一种非常松散的方式受到大脑工作方式的启发。他们避免使用“神经元”或“突触”一词。

不久之后，反向传播联结主义模型开始被称为“神经网络”模型。

神经科学家一直对这个名字感到畏缩，因为它会造成混乱。真正的神经元会出现峰值，它们不会产生“分级值”。此外，真实神经元中的“学习”是通过同时尖峰发生的，而不是通过后向误差传播发生的。但“神经网络”这个名字太朗朗上口了，没有什么可以阻止它。

如今，当神经科学家想要提及大脑中的神经元网络时，他们将它们称为“神经元网络”或“电路”，以避免现在永远令人困惑的术语“神经网络”。