騎自行車并不需要大量的大腦。事實上，它只需要兩個神經元 - 或者，確切地說，它是數(shù)字神經網絡上的兩個節(jié)點。

蘇黎世神經信息學研究所的研究員馬修·庫克在2004年的一份自我發(fā)表的報告中證明了這一點，他在加州理工學院擔任教授時寫道。庫克研究思考 - 它是如何工作的，它的結構如何以及它如何隨著外部世界的變化而發(fā)展。構建旨在解決特定問題的簡單“神經網絡”可以幫助研究人員模擬大腦思維過程或轉向更智能的人工智能。

需要明確的是：這些神經網絡不涉及將任何實際神經元串聯(lián)在一起。相反，它們是計算機上的模擬節(jié)點或模型神經元的集群，它們可以通過加強和削弱它們的連接來相互交互。事實證明，這些網絡在處理，理解和解決復雜問題方面具有非常的天賦，即使事先沒有任何信息編入其中。

當庫克建立一個精簡的雙節(jié)點網絡時，他發(fā)現(xiàn)，與人類或復雜的專用算法相比，它在一個小型物理模擬器中駕駛自行車更有天賦 - 盡管事先得不到關于如何直接提供信息把它拉下來。

試圖駕駛自行車的 每個人 - 算法，人或神經網絡都獲得了相同的信息和控制手段。他們可以觀察自行車的速度，方向，在太空中的位置，車把的角度以及它傾斜到一側或另一側的距離。他們可以推動和拉動車把并對模擬踩踏板的后輪施加扭矩。

首先，算法輪到了。庫克通過研究每一個可能的舉動的每一個可能的結果，通過研究每一個可能的結果來建立它，以便在“假設”條款中逐步選擇“移動”：什么舉動將使自行車保持直立?什么舉動會使它保持直線運動?快移?

但是這個算法很難嘗試同時做多件事。庫克寫道，當被告知要專注于保持直立時，它會做出奇怪的“詭計”，轉動手柄而不是前進。當被告知要沿著一條直線移動時，它會在傾倒之前向前傾斜一會兒。當被告知要專注于速度時，它會從一側到另一側“猛撲”自行車以產生很少的速度跳躍。

無論如何，庫克寫道，這樣的算法在現(xiàn)實世界中毫無用處，因為它無法很好地預測未來以做出正確的判斷。

接下來，人們轉過身來，用鍵盤控制自行車的運動并在屏幕上觀看。

庫克寫道：“我曾經想過，如果能夠很好地了解如何在現(xiàn)實生活中騎自行車，那么模擬就不會有問題。”

但他發(fā)現(xiàn)，如果沒有在現(xiàn)實世界中騎自行車的身體感覺，這項任務比他預期的更具有違反直覺和復雜性。

“我甚至一開始認為模擬器中肯定存在一個錯誤，因為要向右轉，我發(fā)現(xiàn)我必須將把手向左推，”他寫道。“當然，如果你停下來思考它，那是完全正確的。要向右轉，自行車必須向右傾斜，而實現(xiàn)這一目標的唯一方法是將接觸點轉移到地面。離開，這需要向左推動。“

盡管如此，庫克仍然能夠學會駕駛自行車。嘗試該計劃的其他人也將其弄清楚了?；谒约旱慕涷灪推渌婕医o他的策略描述，庫克建立了一個簡單的雙節(jié)點網絡，他覺得可以成功學習騎自行車。

網絡中的第一個神經元感知到自行車的世界以及指示他們騎自行車的地方。它還決定了自行車在多大程度上傾斜以及向何方向傾斜。然后神經元將該信息發(fā)送到網絡中的第二個神經元，該神經元可以直接控制自行車，并決定如何處理這些控制以使其發(fā)生傾斜。

這個簡單的系統(tǒng)立刻就完成了任務，并找出了讓自行車被告知要去的所需參數(shù)。在非常慢的速度下，它變得不穩(wěn)定，但只要自行車有一個良好的蒸汽頭，它可以沿著一些非常復雜的路徑飛行。