在科技领域，很多的发现、发明，都是在向大自然学习，人工智能也是如此。神经元是生物大脑的基本单元，可以认为是生物智能的来源。通过模仿神经元，人们设计了感知器。感知器是一种简单数学模型，了解感知器，通常是学习人工智能知识的第一步。
1、生物神经元介绍
神经元是一种特殊的细胞，有很多的树突结构，通常还有一根很长的轴突，轴突边缘有突触。神经元的突触会和其它神经元的树突连接在一起，从而形成庞大的生物神经网络。
神经元一般有两种状态，即激活状态和非激活状态，当神经元细胞处于激活状态时，会发出电脉冲。电脉冲会沿着轴突和突触传递到其它的神经元。
一般来说，神经元的数量越多，这个生物越聪明。比如章鱼大约有5亿个左右的神经元，它具有“抽象思维”的能力，特别擅长从封闭的空间中逃脱，可以拧开瓶子的盖取出里面的食物。在一些食物比较匮乏的海域，某些种类的章鱼甚至会协同捕猎。人类大脑的神经元数量大约在860亿左右，这个数量可以比肩银河系恒星的数量（1000亿～4000亿），因此人脑有着巨大的潜力。
2、感知器
感知器是一种数学的模型，它可以看作是在模仿生物的神经元，有多个输入，一个激活函数和一个输出。一个感知器的输出可以连接到其它感知器的输入上，这样就实现了最基础的人工神经网络。感知器激活函数设计的初衷，也是在模仿神经元的激活状态。
感知器可以有多个输入，即1,x1,…xn ，可以用一个向量X表示。每个输入上都有一个权重 wi，其中w0通常为偏置项（偏置项有时候也用b表示）。感知器的权重也就是参数，在机器学习中权重和参数是一个意思。
感知器的每一个输入都和权重相乘，然后再把所有乘完后的结果加在一起，也就是相乘后再求和。求和的结果会作为激活函数的输入。而这个激活函数的输出会作为整个感知器的输出。
激活函数可以有很多种类型，在这里选择一个阶跃函数（step function）作为激活函数。当这个阶跃函数的输入小于等于零的时候，输出结果为零此时模仿生物神经元的非激活状态。当阶跃函数的输入大于零的时候，阶越函数的输出为1.
3、感知器同生物神经元的差异
感知器在结构上，简单的模仿了生物神经元，比如都有多个输入，一个输出。输出的结果会作为其它单位的输入。
但是感知器同生物神经元的差异还是非常巨大。生物的神经元结构非常复杂，里面有很复杂的电化学反应，工作过程是动态模拟的过程。而感知器是一个简单的数学模型，是在做数字运算。
另外在生物的神经网络中存在很多反馈回路，而在以感知器为基础的人工神经网络，在使用时候，通常只是一个前向计算的过程。
4、感知器功能
感知器具有一定的拟合能力，可以进行二分类，也就是把输入数据分成两种类别。
关于二分类问题，如下图所示，在一个二维的空间中存在两种数据，一种用三角标示，一种用圆点标示，可以用一条直线或者曲线将这两种数据分开。
布尔运算是逻辑运算，又可以看作是二分类问题，即给定输入，输出0（属于分类0）或1（属于分类1）。感知器可以模拟and or这样简单的布尔运算。
布尔运算是一个二元函数，有两个输入x1 和 x2。对于有三个权重参数，即w1, w2及偏置项b。我们可以调节这三个参数的值，使得感知器可以模拟and布尔运算。
比如令 w1=0.5, w2=0.5, b=-0.8，此时感知器可以模拟and布尔运算。可以检验当两个输入都为0的情况，如下所示：
5、单个感知器无法实现“异或”
这里需要注意的是，一个感知器是没有办法模仿复杂的逻辑运算的，比如“异或”。但是多个感知器可以连接在一起，从而具有了模仿复杂逻辑运算的能力。比如可以用两组感知器连接在一起去模拟“异或”。
这些在我们今天看来显而易见的知识，曾经在人工智能的发展历史上，引起了很大的争论，甚至使得人工智能的研究进入了多年的低谷。
6、感知体系
感知器可以相互连接在一起构成多层感知器体系。感知体系可以看作是最基本的计算机神经网络，具备更强大的模拟能力，因而可以处理更为复杂的问题。
本文转自：知云学堂 - 宽涛老师，转载此文目的在于传递更多信息，版权归原作者所有。
