蘇黎世神經信息學研究所的研究員馬修·庫克(Matthew Cook)在2004年的壹份自行出版的報紙上證明了這壹點，當時他是加州理工學院的教授。庫克研究的是思維——它是如何工作的，它是如何構造的，它是如何隨著外界的變化而演變的。構建壹個簡單的“神經網絡”來解決具體問題，可以幫助研究人員模擬大腦的思維過程，或者向更智能的人工智能發展。
要清楚:這些神經網絡不需要將任何實際的神經元串在壹起。相反，它們是計算機上的壹組模擬節點或模型神經元，它們可以通過加強和削弱連接來進行交互。事實證明，這些網絡在處理、理解和解決復雜問題方面非常有天賦，即使事先沒有任何信息被編程輸入其中。【人工智能歷史:人工智能(信息圖)】
當庫克建立了壹個簡化的兩節點網絡時，他發現在小型物理模擬器中駕駛自行車比人類或復雜的專用算法更好——盡管他沒有事先獲得如何駕駛的直接信息。
每個試圖駕駛自行車的人——算法、人類或神經網絡——都獲得了相同的信息和控制手段。他們可以觀察速度、方向、空間位置、車把的角度以及它向壹側或另壹側傾斜的程度。他們可以推拉車把，然後在後輪上施加扭矩，模擬踏板運動。
首先，算法得到它的旋轉。庫克建造它是為了通過研究每壹個可能動作的每壹個可能結果，並使用“如果”這個詞來選擇壹個動作:什麽動作可以讓自行車保持直立？什麽動作能讓它保持直線運動？動作快點？"
但是算法不擅長同時執行多個操作。庫克寫道，當被告知專註於保持直立時，它會做壹些奇怪的“把戲”，把手柄變成壹個圓圈，不會有任何進展。當被告知直線移動時，它會向前推壹會兒，然後倒下。當被告知專註於速度時，它會將自行車從壹邊“猛撲”到另壹邊，產生壹個小的速度跳躍。
無論如何，庫克寫道，這樣的算法在現實世界中毫無用處，因為它無法很好地預測未來並做出正確的判斷。
接下來，人類得到了轉機，用鍵盤控制自行車的運動，在屏幕上觀看。
“我以為我完全知道如何在現實生活中騎自行車，在模擬中不會有問題，”庫克寫道。
但他發現在現實世界中沒有騎自行車的身體感覺，任務比他想象的更違反直覺和復雜。
“壹開始我甚至認為模擬器裏肯定有bug，因為我必須向右轉，我發現我必須把手柄推到左邊，”他寫道。當然，如果妳停下來想想，那是完全正確的。要右轉，自行車必須向右傾斜。唯壹的辦法就是將與地面的接觸點向左移動，這就需要先向左推。
免轉向自行車800推後的軌跡。(馬修·庫克)盡管如此，庫克還是能很好地學會騎自行車。其他嘗試過這個程序的人也發現了這壹點。庫克根據自己的經驗和其他玩家對其策略的描述，建立了壹個簡單的雙節點網絡。他覺得他可以成功地學會騎自行車。
網絡中的第壹個神經元感知了自行車的世界，我被命令騎自行車。它還決定了它希望自行車傾斜的距離和方向。然後，神經元將信息發送給網絡中的第二個神經元，第二個神經元直接控制自行車，並決定如何使用這些控制來實現精益。[大腦內部:穿越時間的照片之旅]
這個簡單的系統立即開始執行任務，並計算出將自行車送到指定位置所需的參數。在非常慢的速度下，它變得不穩定，但只要自行車有壹個好的蒸汽頭，它就可以沿著壹些非常復雜的路徑飛行。
路徑，從壹個航路點到另壹個，庫克訓練神經網絡跟隨。他指出，任何筆跡問題都是他的錯，而不是“自行車的錯”。(馬修·庫克)庫克寫道，這類項目的下壹步將是建立壹個網絡，不僅要回應* * *，還要發展和提高“信念”——即他們為什麽需要做某事來完成任務的想法，而不僅僅是簡單的反思和讓他們去做。
最初發表在《生活科學》上。