人的大脑有 860 亿个神经元，它们互相连接、传递信号，让你能思考、记忆、做决策。科学家模仿这个原理，造出了人工神经网络。

人工神经网络 = 用数学模拟大脑的计算模型。最小单位是「神经元」：接收输入 → 加权求和 → 激活函数 → 输出结果。多个神经元连成一层，多层连成网络。

一个神经元太简单了。把成千上万个神经元分层连接，就组成了神经网络。来看看一个完整网络的结构——

神经网络「训练」的本质是什么？

• 手动编写规则让它学会
• 不断调整每个连接的「权重」，让输出越来越准确
• 增加更多的神经元数量
• 让网络运行更快

训练过程：给网络大量数据 → 网络输出预测 → 和正确答案对比计算误差 → 反向传播调整权重 → 重复直到误差足够小。这就是为什么 AI 需要大量数据和算力。

神经网络是现代 AI 的基石。GPT、图像识别、语音助手，底层都是神经网络在工作。你不需要会造它，但理解原理能帮你更好地使用 AI。