神经网络 (Neural Networks)是什么？

神经网络（NN，Neural Networks）是由神经元分层连接、靠权重调整逐层学习数据模式的模型，其核心构成包括输入层、隐藏层与输出层、连接权重与激活函数，大模型权重可达数千亿个，解决的是计算机自动提取特征并完成预测的问题，并不解决训练数据稀缺与算力开销巨大的问题。

这就是从“像素 → 形状 → 意义”的升华。 这里有个核心细节：神经元之间的每个连接都有一个权重 (Weight)。 你可以把权重看成是“重要性分数”，它决定了一个神经元对另一个的影响力。所谓训练模型，本质上就是不停地调整这些权重，直到模型能给出准确的结果。现在的模型疯狂到什么程度？ 那些大模型不只有几个权重，它们拥有数千亿个权重，没日没夜地把原始数据转化成人类能听懂的话。