AI 入门系列（2）机器学习与神经网络

1/上一期讲AI是什么的时候，提到这几年生成式AI大爆发，推动了AI热潮。

而生成式AI爆发是因为这些年积累了很多数据、有了更好的计算算力、可以搭建更复杂的神经网络。三件事凑在一起，实现了AI效果的突破。

2/这里涉及到机器学习/machine learning的概念，机器学习是实现AI的一个很核心的路径，核心理念是赋予计算机在没有被显式编程的情况下自主学习的能力。

显式编程指的是必须预先写好详细的、明确的步骤或规则

3/如果没有显式编程，如何实现机器学习？这里有个很重要的方式是监督学习/supervised learning。

监督学习就是让机器努力学会从收到什么输入就给到什么样的输出，相当于给到它特定的输入A，然后它自己慢慢学习输出B

这就好比我们不再手写详细的规则来让计算机认出一只猫，而是直接给它看大量猫的图片，让它自己去寻找规律。

4/监督学习是目前机器学习最主要的学习方式，也是创造最大经济价值的其中一种类型。

5/在这个过程中，这里面用到很核心的技术是神经网络。神经网络是指受生物神经系统启发的计算模型，由相互连接的神经元组成。

而经过这些年的发展，后面我们变成用多层神经网络的技术去做这个事情，这就是深度学习/deep learning的概念。

6/最初的灵感确实来源于生物大脑，但在今天的AI领域，单个人工神经元其实只是一个执行简单数学计算（如计算输入与权重的线性组合后再通过激活函数）的“方程式”。当把成千上万个这样的数学节点像乐高积木一样堆叠在一起时，就形成了深度学习模型

7/其实神经网络的概念出来得很早，但当时训练效果并不好，随着数据的增长，AI的表现并没有变得更好

8/而现在神经网络/深度学习打破了原来那条曲线，随着这些年数据的积累、计算技能增强，我们可以搭建更复杂的神经网络，整体效果也随着数据的增长实现了更好的效果

最初发表于公众号「阿Ken睡个好觉」，2026-05-25。