这是 「AI是怎么回事」 系列的第
4篇。我一直很好奇 AI 到底是怎么工作的，于是花了很长时间去拆这个东西——手机为什么换了发型还能认出你，ChatGPT 回答你的那三秒钟里究竟在算什么，AI 为什么能通过律师考试却会一本正经地撒谎。这个系列就是我的探索笔记，发现了很多有意思的东西，想分享给你。觉得不错的话，欢迎分享+关注。
“神经网络”可能是 AI 领域最吓人的一个词。
听起来像科幻片——机器有了神经？在思考？
别慌。看完这篇你会发现，它就是一堆乘法和加法。真的，就这么简单。
上一篇我们聊了 2012 年 AlexNet 的震撼突破——错误率从 26% 一步跳到 15%，领先第二名超过 10 个百分点。我们提到 AlexNet 有”6000 万个参数”和”神经网络”结构。
但这两个词到底是什么意思？
6000 万个参数——是 6000 万个什么？
神经网络——是什么样的”网络”？
这一篇，我要把这个概念彻底拆开。拆到你能拿计算器跟着算。
从一个最简单的问题开始
假设你是一个气象站的工作人员。
你的任务很简单：根据今天的温度 、湿度 和风速 ，判断明天会不会下雨。
你有多年的经验。你知道：
- 温度高的时候，不太容易下雨
- 湿度大的时候，更容易下雨
- 风速大的时候，稍微更容易下雨
但这些”经验”很模糊。温度”高”是多高？湿度”大”到什么程度才算”容易下雨”？风速的影响有多大？
你心里其实有一套更精确的判断方式。你可能没意识到，但你做的事情本质上是这样的：
把温度、湿度、风速各自乘上一个”重要程度”，加在一起，看总分高不高。
温度对下雨的影响小，你给它一个小的权重。湿度影响大，你给它一个大的权重。风速介于两者之间。
这就是一个”神经元”做的事情。
一个”神经元”就是一道算术题
让我用具体的数字来演示。
假设今天的气象数据是：
- 温度：30（摄氏度）
- 湿度：85（百分比）
- 风速：12（公里/小时）
一个神经元会对这些数据做四步运算。
第一步：乘以权重
每个输入都有一个对应的”权重”（weight）——就是”这个因素有多重要”。
假设经过学习，这个神经元的权重是：
- 温度的权重：-0.02（负数——温度越高，越不容易下雨）
- 湿度的权重：0.08（正数，而且比较大——湿度越高，越容易下雨）
- 风速的权重：0.03（正数，比湿度小——风速有影响，但没那么大）
把每个输入乘以对应的权重：
1
2
3
|
温度的贡献 = 30 × (-0.02) = -0.6
湿度的贡献 = 85 × 0.08 = 6.8
风速的贡献 = 12 × 0.03 = 0.36
—|—
第二步：全部加起来
1
|
总和 = -0.6+6.8+0.36 = 6.56
—|—
第三步：加上偏置
这里还有一个数字叫偏置 （bias）。你可以把它理解为”基准线”——在所有输入都为零的时候，这个神经元的默认输出是多少。
为什么需要偏置？想象一下：如果某个地区本身就多雨（比如热带雨林），即使今天温度、湿度、风速都是”平均水平”，下雨的概率也应该比沙漠地区高。偏置就是用来调整这个”底线”的。
假设偏置是 -3.0：
1
|
加上偏置 = 6.56+ (-3.0) = 3.56
—|—
到这里为止，就是一道普通的乘法加法题。
第四步：通过激活函数
最后一步，3.56 这个数字要通过一个叫”激活函数”的东西。
这是什么？为什么需要它？
别急，这个问题很重要，我要专门用一整节来讲。
为什么需要激活函数？
先说结论：如果没有激活函数，不管你叠多少层神经元，整个网络做的事情本质上都只是一次乘法加法——和一个神经元没有区别。
这句话可能听起来不太直观。让我解释一下。
假设你有两层神经元，每层只做”乘以权重再相加”的操作。
第一层：输入 x，乘以权重 a，得到 a × x
第二层：拿到 a × x，乘以权重 b，得到 b × (a × x) = (a × b) × x
看到了吗？两层下来，结果还是”输入乘以一个数字”。(a × b) 本身就是一个新的常数。你用两层做的事情，一层就能做到——只要把权重设成 a × b 就行了。
三层？同样的道理。十层？一百层？还是一样。
纯粹的乘法和加法，不管叠多少层，都只能表达”线性关系”——也就是”输入变大，输出等比例变大（或变小）”这种简单的、直线型的关系。
但现实世界不是这样的。
温度和下雨的关系不是一条直线。不是”温度每高 1 度，下雨概率就少 2%”这么简单。可能温度在 15-25 度时下雨概率最高，太冷或太热反而不容易下雨。这是一条曲线，不是一条直线。
激活函数的作用，就是在每一层的计算之后，给结果”掰弯”——把直线变成曲线。
有了这个”弯曲”，多层叠加才能表达复杂的、弯弯曲曲的关系。没有它，你叠再多层也没用。
所以激活函数虽然名字听起来学术，但它做的事情很直觉：让神经网络能够处理”非直线”的现实问题。
最常用的激活函数：ReLU
激活函数有很多种。AlexNet 使用的那一种，也是目前最常用的一种，叫 ReLU 。
ReLU 的全称是 Rectified Linear Unit，翻译过来是”修正线性单元”。名字很吓人，但它做的事情极其简单：
如果输入大于 0，就原样输出；如果输入小于等于 0，就输出 0。
就这样。没了。
用数学写出来是：
1
|
ReLU(x) = max(0,x)
—|—
max(0,x) 的意思是：0 和 x 比大小，谁大取谁。
几个例子：
- ReLU(3.56) = max(0,3.56) = 3.56 （3.56 大于 0，原样保留）
- ReLU(-2.1) = max(0, -2.1) = 0 （-2.1 小于 0，变成 0）
- ReLU(0) = max(0,0) = 0
- ReLU(100) = max(0,100) = 100
你可能会觉得：这也太简单了吧？把负数变成 0，正数不变——这能有什么用？
用处大了。
ReLU 做的”掰弯”是这样的：在 0 的位置，它把函数”折”了一下。 左半边（负数区域）被拍平成 0，右半边（正数区域）保持不变。这个”折”的动作，就是从直线到曲线的关键。
你可能还会问：有没有其他的激活函数？有的。在 ReLU 之前，常用的是一个叫 Sigmoid （S 形函数）的激活函数，它把任何数字都压缩到 0 到 1 之间，画出来像一个 S 形的曲线。但 Sigmoid 有一个问题：当输入的数字很大或很小的时候，函数的变化非常缓慢（曲线变得几乎平坦），这会让训练过程中的调整信号变得非常微弱，导致深层网络难以学习——这个问题叫”梯度消失“。AlexNet 在 2012 年改用 ReLU，一个重要原因就是 ReLU 不存在这个问题——正数区域的变化率始终是 1，调整信号不会衰减。这是 AlexNet 能训练 8 层深度网络的关键技术之一。
现在，回到我们的气象神经元。
完整的一个神经元
让我把刚才的四步完整写出来：
输入：
- 温度 = 30- 湿度 = 85- 风速 = 12
权重和偏置（这些数字是”学”出来的）：
- 权重：-0.02,0.08,0.03- 偏置：-3.0
计算过程：
1
2
3
4
5
6
7
8
9
10
11
|
第一步：乘以权重
30 × (-0.02) = -0.685 × 0.08 = 6.812 × 0.03 = 0.36
第二步：全部加起来
-0.6+6.8+0.36 = 6.56
第三步：加上偏置
6.56+ (-3.0) = 3.56
第四步：通过激活函数（ReLU）
ReLU(3.56) = max(0,3.56) = 3.56
—|—
输出：3.56
就这样。一个神经元，做完了。
三次乘法，三次加法（加上偏置），一次取最大值。
拿出你的计算器，跟着算一遍。你刚才亲手完成了一个”人工神经元”的全部计算。
这个 3.56 的输出意味着什么？如果这是一个用来判断”下不下雨”的模型，3.56 是一个比较高的正数——可以理解为”比较可能下雨”的信号。如果输出是 0（比如湿度很低的情况），则表示”不太可能下雨”。
但一个神经元只能给出一个很粗糙的判断。真实的天气预报远比这复杂——光靠一个乘法加法的公式，怎么可能捕捉天气的复杂变化？
这就是为什么我们需要很多个 神经元。
一层神经元：一个班级同时做题
一个神经元只能从输入中提取一种信号。
比如前面那个神经元，它学到的是”湿度高 → 输出大”这个规律。但天气还有很多其他规律：
- “温度和湿度同时高 → 容易有雷阵雨”
- “风速突然变大 → 可能有冷锋过境”
- “温度骤降 + 湿度上升 → 可能有降雨”
每一种规律，都需要一个神经元来捕捉。
解决方法很简单：用多个神经元。
想象一间教室，同一组数据（温度 30、湿度 85、风速 12）写在黑板上，30 个学生同时看着黑板做题——但每个学生的计算方式不一样（权重和偏置不同），所以每个人会得出不同的答案。
这 30 个学生就是 30 个神经元，它们组成”一层”。
让我用 2 个神经元来演示。
神经元 A （可能学到的是”湿度主导”的规律）：
- 权重：-0.02,0.08,0.03- 偏置：-3.0
神经元 B （可能学到的是”温度和风速的综合效应”）：
- 权重：0.05,0.02,0.06- 偏置：-2.0
同样的输入（温度 30, 湿度 85, 风速 12），两个神经元的计算：
1
2
3
4
5
6
7
8
9
10
11
|
神经元 A：
30×(-0.02) +85×0.08+12×0.03+ (-3.0)
= -0.6+6.8+0.36+ (-3.0)
= 3.56
ReLU(3.56) = 3.56
神经元 B：
30×0.05+85×0.02+12×0.06+ (-2.0)
= 1.5+1.7+0.72+ (-2.0)
= 1.92
ReLU(1.92) = 1.92
—|—
这一层的输出是两个数字：[3.56,1.92]。
注意一件很重要的事：两个神经元的输入完全相同，但因为权重和偏置不同，它们提取了不同的信号。 这就好比同一篇文章，一个人关注情节，另一个人关注文笔——看的是同一个东西，但各自注意到了不同的方面。
在实际的神经网络中，一层通常有几十、几百、甚至几千个神经元。AlexNet 的第一个全连接层有 4096 个神经元——相当于 4096 个学生同时做题，每个人从输入中提取一种不同的信号。
多层叠加：流水线
到目前为止，我们有 3 个输入、1 层（2 个神经元）、输出 2 个数字。
但真正的力量来自叠加多层 。
上一层的输出，变成下一层的输入。
就像工厂的流水线：
- 第一站：原材料进来，加工成半成品
- 第二站：半成品进来，进一步加工
- 第三站：再加工
- 最后一站：成品出来
每一站（每一层）都在上一站的基础上做进一步的处理。
让我在前面那个例子上再加一层：一个神经元，接收上一层的 2 个输出（3.56 和 1.92），给出最终判断。
输出层神经元 C：
权重：0.4,0.6- 偏置：-2.5
1
2
3
4
5
6
7
8
|
第二层（输出层）：
输入：[3.56,1.92]（来自上一层）
3.56 × 0.4+1.92 × 0.6+ (-2.5)
= 1.424+1.152+ (-2.5)
= 0.076
ReLU(0.076) = 0.076
—|—
最终输出：0.076
这个数字很小，接近 0——可以解读为”可能性不高”。如果这个模型是用来预测下雨概率的，0.076 表示”不太会下雨”。
等一下——前面神经元 A 给出了 3.56（”湿度很高，可能下雨”），但最终结果却是 0.076（”不太会下雨”）？
这就是多层网络有趣的地方。输出层的神经元 C 学到了一个更精细的判断：虽然湿度信号（3.56）很强，但温度和风速的综合信号（1.92）不够高——它”综合考虑”了多个因素后，给出了一个不同的判断。
这就像专家组讨论：每个专家发表意见，最后由一个负责人综合所有意见做出决策。负责人可能会推翻某个专家的强烈建议，因为他看到了其他专家提供的相反证据。
层数越多，网络能做出的判断就越精细。 第一层提取简单信号，第二层组合这些信号，第三层再组合，层层递进——就像第一篇里讲的”像素 → 边缘 → 形状 → 部件 → 整体”。
一个完整的小型网络：你来算
现在让我把前面的所有计算整理成一个完整的网络。这是一个 2 层网络：3 个输入，第一层 2 个神经元，第二层 1 个神经元。
我把所有数字都列出来，你也可以拿计算器跟着验算。
网络结构：
1
2
3
4
5
6
7
|
输入层（3 个输入）
↓
第一层（2 个神经元：A 和 B）
↓
第二层/输出层（1 个神经元：C）
↓
输出（1 个数字）
—|—
所有的权重和偏置：
| 参数 | 数值 |
|---|---|
| A 的权重 | -0.02,0.08,0.03 |
| A 的偏置 | -3.0 |
| B 的权重 | 0.05,0.02,0.06 |
| B 的偏置 | -2.0 |
| C 的权重 | 0.4,0.6 |
| C 的偏置 | -2.5 |
数一数：权重有 3+3+2 = 8 个，偏置有 3 个，总共 11 个参数 。
这就是这个小网络的全部。11 个数字，决定了它的一切行为。
输入： 温度 = 30，湿度 = 85，风速 = 12
逐步计算：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
|
═══════════════════════════════════════
第一层
═══════════════════════════════════════
神经元 A：
加权求和 = 30×(-0.02) +85×0.08+12×0.03
= -0.6+6.8+0.36
= 6.56
加偏置 = 6.56+ (-3.0) = 3.56
激活 = ReLU(3.56) = 3.56 ✓
神经元 B：
加权求和 = 30×0.05+85×0.02+12×0.06
= 1.5+1.7+0.72
= 3.92
加偏置 = 3.92+ (-2.0) = 1.92
激活 = ReLU(1.92) = 1.92 ✓
第一层输出 → [3.56,1.92]
═══════════════════════════════════════
第二层（输出层）
═══════════════════════════════════════
神经元 C：
加权求和 = 3.56×0.4+1.92×0.6
= 1.424+1.152
= 2.576
加偏置 = 2.576+ (-2.5) = 0.076
激活 = ReLU(0.076) = 0.076 ✓
═══════════════════════════════════════
最终输出 = 0.076
═══════════════════════════════════════
—|—
你刚才看到的，就是一个神经网络的完整工作过程。
从头到尾，只有乘法、加法、和一次”负数变 0”的操作。没有任何神秘的东西。
你可以试着换一组输入来验证：
换一组数据： 温度 = 15，湿度 = 95，风速 = 20
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
神经元 A：
15×(-0.02) +95×0.08+20×0.03+ (-3.0)
= -0.3+7.6+0.6+ (-3.0)
= 4.9
ReLU(4.9) = 4.9
神经元 B：
15×0.05+95×0.02+20×0.06+ (-2.0)
= 0.75+1.9+1.2+ (-2.0)
= 1.85
ReLU(1.85) = 1.85
神经元 C：
4.9×0.4+1.85×0.6+ (-2.5)
= 1.96+1.11+ (-2.5)
= 0.57
ReLU(0.57) = 0.57
—|—
输出从 0.076 变成了 0.57——高了很多。低温、高湿、大风的组合，模型判断更可能下雨。直觉上说得通。
你再试一组：温度 = 35，湿度 = 20，风速 = 5（高温、低湿、小风——典型的晴天）。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
神经元 A：
35×(-0.02) +20×0.08+5×0.03+ (-3.0)
= -0.7+1.6+0.15+ (-3.0)
= -1.95
ReLU(-1.95) = 0 ← 注意！负数被 ReLU 变成了 0
神经元 B：
35×0.05+20×0.02+5×0.06+ (-2.0)
= 1.75+0.4+0.3+ (-2.0)
= 0.45
ReLU(0.45) = 0.45
神经元 C：
0×0.4+0.45×0.6+ (-2.5)
= 0+0.27+ (-2.5)
= -2.23
ReLU(-2.23) = 0 ← 又被 ReLU 变成了 0
—|—
输出是 0——完全不可能下雨。
注意这个例子里 ReLU 发挥的作用：神经元 A 的计算结果是 -1.95，被 ReLU “关掉”了（输出 0），等于说”湿度信号不够强，这个神经元就不发言了”。最终结果也被 ReLU 拍成了 0。ReLU 就像一个门：信号够强就通过，不够强就关掉。 这种”要么激活、要么沉默”的特性，正是它能让网络表达复杂关系的原因。
这些数字从哪里来？
你可能已经注意到了：整个网络的行为完全取决于那 11 个参数的值。
权重 -0.02 如果变成 +0.02，意思就从”温度越高越不容易下雨”变成了”温度越高越容易下雨”——判断完全反过来。
偏置 -3.0 如果变成 -1.0，那神经元会更容易被激活，更倾向于输出正数。
这些数字是怎么确定的？
答案是：不是人选的，是从数据里”学”出来的。
具体怎么学？简单来说：
- 一开始，所有权重和偏置都是随机数 （比如 0.01, -0.03,0.05 这样的小随机数）
- 用这些随机参数算一遍，得出一个结果
- 把结果和正确答案对比，算出”错了多少”
- 根据”错了多少”，微调每个参数——让结果离正确答案更近一点
- 重复几百万次
这个过程叫”训练”，用到的方法叫”反向传播”。下一篇我会完整拆解这个过程。
现在你只需要知道一件事：那些看起来精心设计的数字（-0.02,0.08,0.03…），不是人选的，而是电脑通过反复试错，自己”调”出来的。
为什么叫”神经”网络？
说到这里，你可能一直在疑惑：这就是一堆乘法和加法，为什么叫”神经网络”？跟神经有什么关系？
这个名字来自对生物神经元的类比。
1943 年，神经科学家 Warren McCulloch 和数学家 Walter Pitts 发表了一篇论文《A Logical Calculus of the Ideas Immanent in Nervous Activity》，第一次尝试用数学描述生物神经元的工作方式。
他们观察到，一个生物神经元大致做这么几件事：
- 接收信号 ：从其他神经元通过”突触”接收电信号
- 加权求和 ：不同的连接有不同的强度（有些连接强，有些弱）
- 决定是否激活 ：如果收到的信号总量超过一个阈值，就”发射”一个信号给下一个神经元；如果不够，就保持沉默
这和我们前面算的那个过程确实有点像：
- 接收输入 → 生物神经元接收信号
- 乘以权重 → 连接强度不同
- 加起来看总量 → 信号求和
- 通过激活函数决定输出 → 超过阈值就激活
但我必须说清楚一件事：这个类比非常粗糙，几乎可以说是误导性的。
人脑有大约 860 亿个神经元，每个神经元平均与 7000 个其他神经元相连。生物神经元的工作方式远比”乘法加法”复杂得多——它们涉及化学信号传递、时序编码、可塑性变化、甚至还有我们尚未完全理解的机制。
人工神经元只借用了最表面的那层类比：接收、加权、激活。仅此而已。
说实话，”神经网络”这个名字在今天看来有点”过度营销”了。一个更准确的名字可能是”多层参数化函数”或者”可训练的分层计算器”——但你可以想象，这样的名字不可能火起来。
研究者 Michael Jordan（不是篮球明星，是机器学习领域的大牛）曾经说过，如果这个领域重新命名，他宁愿叫它”统计计算”而不是”人工智能”——因为”人工智能”这个词让人们产生了太多不切实际的幻想。
所以请记住：神经网络不是”人工大脑”。它是一种受大脑启发、但和大脑的实际工作方式几乎完全不同的数学计算结构。
叫它”神经网络”，就像叫飞机”机械鸟”——灵感确实来自鸟，但飞行原理完全不同。
AlexNet：6000 万个旋钮
现在回到上一篇提到的 AlexNet。
我们前面那个小例子有 3 个输入、2 个隐藏神经元、1 个输出，总共 11 个参数。
AlexNet 有多大？
根据 2012 年的原始论文，AlexNet 的结构是：
| 层 | 类型 | 说明 |
|---|---|---|
| 第 1 层 | 卷积层 | 96 个检测器，每个 11×11 |
| 第 2 层 | 卷积层 | 256 个检测器，每个 5×5 |
| 第 3 层 | 卷积层 | 384 个检测器，每个 3×3 |
| 第 4 层 | 卷积层 | 384 个检测器，每个 3×3 |
| 第 5 层 | 卷积层 | 256 个检测器，每个 3×3 |
| 第 6 层 | 全连接层 | 4096 个神经元 |
| 第 7 层 | 全连接层 | 4096 个神经元 |
| 第 8 层 | 全连接层（输出层） | 1000 个神经元（对应 1000 个分类） |
前 5 层是卷积层 ——就是第一篇讲的那种”检测器在图片上滑动”的操作。第 1 层有 96 个不同的检测器，每个检测器是 11×11 = 121 个数字。这些数字不是 Sobel 算子那样人类设计的，而是从数据中学出来的。有的学成了边缘检测器，有的学成了颜色检测器，有的学成了纹理检测器。
后 3 层是全连接层 ——就是我们前面演示的那种”每个神经元接收上一层所有输出”的结构。第 6 层有 4096 个神经元，每个都接收第 5 层的全部输出。
最后一层有 1000 个神经元——对应 ImageNet 数据集的 1000 个分类（如”猫”、”狗”、”汽车”、”钢琴”等）。哪个神经元的输出最大，就代表网络认为图片属于哪个类别。
整个网络总共有大约 6000 万个参数。
6000 万是什么概念？
让我帮你建立一个直觉：
- 如果你每秒钟手动调一个参数（从计算器上抄一个数字），不吃不喝不睡，需要大约 694 天 ——差不多两年
- 如果把这些参数按顺序排列打印在纸上，每个数字占 1 厘米，总长度大约 600 公里 ——从北京到上海的直线距离
- 我们前面那个 11 参数的小网络，相对于 AlexNet 的 6000 万参数，就像一粒沙子相对于一片沙滩
而今天的大型语言模型，参数量更是惊人。 GPT-3 有 1750 亿个参数——是 AlexNet 的将近 3000 倍。但核心原理和我们前面算的那 11 个参数的小网络完全一样：乘法、加法、激活函数。
学到这里，我的一个感受
学到这里，我有一个强烈的感受。
之前看到”人工智能”四个字，我脑海里浮现的是某种神秘的、接近意识的东西。看到”神经网络”，我会不自觉地联想到大脑、思维、甚至灵魂。
但当我亲手算完一个神经元的计算过程——30 × (-0.02) = -0.6,85 × 0.08 = 6.8, 加起来, 和 0 比大小——所有的神秘感都消失了。
所谓”人工智能”，本质就是一大堆精心安排的乘法和加法。没有魔法，没有意识，只有数字。
但这恰恰是最令人惊叹的部分——如此简单的操作，通过大规模的叠加和精巧的调整，竟然能做出”认出人脸””理解语言”这样复杂的事情。
但惊叹归惊叹，清醒也很重要：它不是在”思考”。它是在算数。
一句话回顾
神经网络不是”大脑模仿”，是一堆精心设计的数字运算——乘法、加法，仅此而已。
一个神经元 = 输入 × 权重 + 偏置 → 激活函数 → 输出。
一层 = 很多神经元并行处理。
多层 = 上一层的输出是下一层的输入。
所有的”智能”都藏在那些参数里——而那些参数，是从数据中”学”出来的。
下一篇预告
神经网络的结构我们知道了。
但有一个关键问题我们还没回答：
那 6000 万个参数，一开始都是随机数。它们是怎么被一步步调到”刚好能认出猫”的？
这个”调”的过程，就是所谓的”训练”。
想象你面前有 6000 万个旋钮。每个旋钮可以从 -10 转到 +10。你的任务是调整这些旋钮，让一台机器能认出猫和狗的区别。没有说明书。唯一的反馈是：每次调完，机器告诉你”猜对了”或”猜错了”。
这听起来几乎不可能，但有人找到了方法。
下一篇，我们来拆解”训练”。
参考资料
- ImageNet Classification with Deep Convolutional Neural Networks - Krizhevsky, Sutskever, Hinton (2012) — AlexNet 论文原文，8 层网络，约 6000 万参数，top-5 错误率 15.3%
- AlexNet - Wikipedia — AlexNet 架构细节，包含卷积层和全连接层参数
- A Logical Calculus of the Ideas Immanent in Nervous Activity - McCulloch & Pitts (1943) — 第一个人工神经元的数学模型，”神经网络”名称的起源
- Vanishing gradient problem - Wikipedia — 梯度消失问题的解释，以及为什么 ReLU 有助于缓解该问题
- Equal numbers of neuronal and nonneuronal cells make the human brain - Azevedo et al. (2009) — 人脑约有 860 亿个神经元
- Language Models are Few-Shot Learners - Brown et al. (2020) — GPT-3 论文，1750 亿参数
- Stop Calling Everything AI - IEEE Spectrum — Michael Jordan 关于”人工智能”一词被过度使用的观点
- Deep Learning (Adaptive Computation and Machine Learning) - Goodfellow, Bengio, Courville (2016) — 深度学习经典教材，第 6 章详细讲解了前馈神经网络、激活函数和网络结构
