AI导航

神经网络是什么?让机器从数据里学会规律的模型

AI百科
3 min read
0 次阅读

神经网络是一种受大脑启发的计算模型:由大量简单单元分层连接而成,每个连接带有一个权重,数据从输入层逐层传递、加权求和,再经激活函数变换,最终从输出层得到结果。它不靠人事先写规则,而是从数据里把规律压进参数;今天的大语言模型、图像生成模型,底层都是规模极大的神经网络。

神经网络怎么从数据里学会东西

一个神经元只做三件事:收输入、按权重加权求和、过激活函数决定输出强弱。成千上万个神经元排成输入层、隐藏层、输出层,数据从前往后算一遍得到预测;预测和正确答案的差距叫损失,训练用反向传播把误差一层层传回去,梯度下降再一点点调整每个权重。重复几十万次,网络就把数据的规律记进了参数里。层数越多,能捕捉的规律越复杂,"深度学习"这个名字里的"深",指的就是层数多。

这套想法的历史比多数人以为的久:1943年,麦卡洛克和皮茨提出了第一个数学神经元模型;1958年,罗森布拉特做出能从数据学习的感知机;1986年,反向传播让多层网络真正可训练;2012年,AlexNet在ImageNet图像识别比赛上大幅领先,神经网络才从实验室走向主流。

神经网络和传统方法有什么不同

传统程序 传统机器学习 神经网络(深度学习)
规则从哪来 人一条条写死 人设计特征,模型学规律 数据里自动学出特征和规律
擅长处理 逻辑明确的任务 中小规模表格数据 图像、文本、语音等非结构化数据
代价 规则难维护 特征工程靠经验 需要大量数据和算力

三者的关系可以这样记:神经网络是机器学习的一个分支,深度学习是层数多的神经网络的别称,它们不是并列的三个东西。

常见误解:它不是在思考

最常见的误解,是以为神经网络在"思考"或"理解"。它只是在拟合数据里的统计规律:给它足够多的猫的照片,它能认出猫,却不知道猫是什么,也会在没见过的情况下一本正经地编造答案,也就是常说的幻觉。

第二个误解是层数越多越好。数据不足时,更深的网络反而更容易过拟合——训练集上很准,一换新数据就错;而且训练成本随规模飙升,小任务用它纯属浪费。

用不用它,看三条:数据是不是够多、规律是不是难用人写规则表达、出错的代价能不能接受。图像识别、语音转写、翻译对话这类任务,它是首选;数据只有几十条、规则明确能写死、结果要求可解释可复现的场合,先试更简单的办法。

推荐工具

NVIDIA Chat with RTX AI聊天 Chat with RTX 是 NVIDIA 面向 RTX 电脑的本地 AI 聊天工具,可围绕本地文档和视频资料做问答,适合重视隐私、离线检索并具备硬件条件的用户更适合资料不便上传云 弱鸡AI AI视频 低价AI视频生成聚合平台,seedance2.0,seedance2.5,minimax h3,wan,muse等视频生成模型,支持在线创作与 API 接入。 HuggingChat AI聊天 HuggingChat 是 Hugging Face 的开源模型聊天应用,支持 Omni 自动选模型,也可手动选社区开放模型对话。它适合体验开源模型、技术探索和问答,结果可能不稳定,重要内容需复核。 纳米AI搜索 AI搜索 纳米AI 是 360 旗下 AI 搜索和智能体入口,支持文字、语音、拍照提问、多模型协作与内容创作,适合中文用户做日常搜索、学习问答、移动查询、热点追踪、生活决策、知识整理和轻量创作。 Qwen Chat(通义千问) AI聊天 Qwen Chat 是Qwen 大模型聊天助手,支持Qwen 模型聊天、写作和编程问答,适合中文用户和开发者完成 AI 对话、资料问答和任务协作,适合上线前核对权限、成本和资料质量。 DuckDuckGo AI Chat AI聊天 DuckDuckGo AI Chat 适合重视隐私的普通用户使用,围绕隐私 AI 聊天、免账户使用和多模型问答提供对话式 AI 支持和任务协作能力,适合上线前核对权限、成本和资料质量。