神经网络

"神经网络"这四个字唬住了不少人，一听就以为电脑里真装了个大脑。其实它就是一种计算结构：把一个大问题拆成一层一层的简单判断，每层只做一点点事，把结果往上传，最后汇成一个答案。电脑里没有大脑，只有成千上万条小公式在接力。

拿一个用图像卷积网络做相册"自动分类"的简化例子来说：你拍了一张猫的照片，相册不用你动手，就把它归进了"猫"这一组。它是怎么认出来的？假设照片先被缩小成一张适合模型输入的小图，每个点变成几个数字（颜色的深浅）；第一层的"神经元"各自只盯着几个相邻的点看，专挑明暗突变的地方——也就是边缘；第二层把边缘拼成弧线、尖角这些简单形状；第三层拼出"尖耳朵""胡须""圆眼睛"这类部件；最后一层给候选答案挨个打分：猫 92、狗 5、兔子 3——得，归到"猫"。整个过程不到一秒。而且从头到尾，没人告诉过它"猫有尖耳朵"——这些判断标准是它自己从成千上万张标好答案的图里摸出来的。

认出一只猫，要分好几层

把上面这个过程拆开，关键是四条：

1. 进到网络里的全是数字。 照片是像素点的颜色值，声音是声波切成的采样值，连文字也得先转成数字编号。网络根本不知道"猫"是什么，它眼里只有一堆数。

2. 每层把收到的数进一步加工，再传给后面的层。 单个"神经元"干的事小得可怜：把收到的几个数各自乘个系数、加起来、过一道坎，输出一个数。但几千个这样的小单元排成一层，就能找出"哪里有边缘"；几层接力，大事就成了。

3. 越靠后的层，认的东西越抽象。 可以粗略理解成：靠前的层认明暗边缘，中间的层认弧线和尖角，靠后的层认"尖耳朵""胡须"这类部件——一层一层把像素"翻译"成概念，最后一层才有东西可投票。

4. 判断标准不是人写的，是拿例子喂出来的。 工程师只负责搭好结构、备好比学资料：成千上万张标好"这是猫""这是狗"的图。网络每猜错一次，那些系数就被往对的方向拧一点，拧上成千上万次，标准就"长"出来了。这一步叫"训练"，也是"机器学习"（详见该词条）最主流的做法。

"神经"两个字，是从大脑借来的

这名字不是瞎起的。上世纪四十年代，科学家受大脑神经元的启发：一个神经元接收很多路信号，攒够了"兴奋"就放一次电，把信号传给下一个。他们照这个意思设计出一条小公式——收一堆数、加权相加、过坎输出——这就是人造"神经元"，成千上万个首尾相接，就叫"神经网络"。1958年已有感知机的经典论文，之后发展经历了几轮起伏，直到 2012 年前后靠更强的算力和海量数据爆发，才有了今天新闻里天天见的"深度学习"。

但别被名字带偏：它只是借了神经元一个大概意思，并没有真的模仿大脑。真实的神经元有复杂的电化学反应和放电节律，比那条小公式复杂几个数量级；人脑怎么思考、意识从哪来，科学界自己都还没搞清。说"神经网络模拟人脑"，就像说"飞机模拟鸟"——灵感都来自生物，可一个靠机翼和发动机，一个靠扇翅膀，工作方式完全不是一回事。

两个常见误会

误会一：神经网络就是在电脑里造了个大脑，所以它会思考、有想法。 不会。它只有计算，没有"想法"：你给它一张图，它输出一串分数，中间没有任何"觉得""认为"。新闻里说"AI 认出了猫""AI 看懂了画"，那是省事的比喻说法，真拆开看，就是一层接一层地算数。

误会二：它认出了猫，就说明它"懂"什么是猫。 它不懂。它掌握的是统计规律：训练过的图里"猫"长什么样。所以图片一旦超出它熟悉的范围——卡通猫、抽象画、奇怪的拍摄角度——就可能投票投错，还错得理直气壮，照样打出九十多分。聊天用的大语言模型（详见该词条）也是超大号的神经网络：它能"接上话"，同样不等于"懂意思"，一本正经编错话就是这么来的。