Chapter · 05
第 5 章 · 神经网络篇
Neural Networks · 深度学习的心脏
机器学习是"从数据里找规律"，那"深度学习"就是用一层一层堆起来的"人工神经元"去找规律。ChatGPT、Sora、AlphaGo、人脸识别、语音助手——背后跑的都是神经网络。这一章拆成六个子篇，把深度学习的核心组件全部串起来。
本章要回答什么
一颗"人工神经元"到底做了什么？很多神经元堆起来为什么能学会认脸、写文章、画图？反向传播凭什么能让百亿参数自动调对？CNN、RNN、GAN、Diffusion 这四种主流架构各自擅长什么？把这六个子篇看完，深度学习 90% 的常见工具你就能识别。
Analogy · 譬喻
你识字识物的过程，也是分层的——先看线条、再拼部首、再合成字、再判断意思。神经网络就是照抄大脑这个"分层抽象"的思路，只不过每一层的"神经元"只是一段简单的数学公式，靠数量和层数堆出复杂能力。
本章的六个子篇
§ 5.1
神经元篇
加权求和 + 激活函数——一个"人工神经元"的全部秘密。
§ 5.2
前向 & 反向传播篇
数据怎么流动、错误怎么反传——神经网络学习的引擎。
§ 5.3
CNN · 卷积网络篇
图像专家——从 AlexNet 到 YOLO，看图靠它。
§ 5.4
RNN / LSTM 篇
序列专家——2017 之前的 NLP 主力，被 Transformer 取代。
§ 5.5
GAN · 对抗网络篇
假币贩子 vs 警察——两个网络较量学会造假。
§ 5.6
Diffusion · 扩散模型篇
Midjourney / Sora 背后——从噪声一步步生成图像。
学之前先记住这一点
- 神经元不神秘就是"加权和 + 激活函数"两步——所有花活都是它堆出来的。
- 深度学习 = 深神经网络"深"就是层数多；"学习"就是靠数据把每一层的权重调准。
- 四种主流架构各有专长CNN 看图 · RNN 读文（老派）· GAN 造假 · Diffusion 生成——今天的多模态基本靠这套组合拳。
- Transformer 是超集下一章会讲的 Transformer，几乎"接管"了 RNN 的地盘，还渗透到 CNN 和 Diffusion 里。
Xue Hai Wu Ya · Vol.03 AI · Chapter 05