第 1 节 · 约 5 分钟 · 开场
AI 一直在你口袋里
先问在座各位三个问题：
① 手机相册为什么能自动把你家猫的照片归成一类？
② 语音转文字为什么连你带口音的普通话都能听懂个八九成？
③ 网站验证码为什么总让你"选出所有包含红绿灯的图片"？
这三件事背后，站着同一个技术家族——人工神经网络。它不是科幻电影里的机器大脑，而是一种结构其实相当朴素的数学装置。今天这堂课的目标只有三个：看清它的结构、看懂它怎么认字、明白"训练"两个字的真实含义。
第 2 节 · 约 10 分钟 · 提出问题
一个小任务：认出手写数字
整堂课我们只做一件事：教电脑认 0 到 9 的手写数字。这是这门学科的"标准入门题"——有一个著名的公开数据集（叫 MNIST），里面有几万张带着正确答案的手写数字图片，全世界的初学者都拿它练手。
这个任务人做起来毫不费力：哪怕字写得东倒西歪，你扫一眼就知道是 3。可是请你试试，给电脑写一条判断"什么是 3"的规则——上面一个弯？下面一个弯？可有人写的 3 上面是平的，有人的 3 瘦得像根麻花。规则写十条，例外冒出一百条。
于是思路要换：传统编程是人把规则告诉机器；机器学习是人把大量例子给机器，让它自己从例子里总结规则。神经网络就是承载这种"自己总结"的一种装置。
第 3 节 · 约 10 分钟 · 换一双眼睛
电脑眼中的图片：一张数字表
要教电脑认字，先得知道电脑"看"到的是什么。答案可能让你意外：电脑根本看不见"字"，它看见的是一张数字表。
任何图片放大到底，都是一格一格的像素。对黑白图来说，每个像素就是一个 0 到 1 之间的数：0 是全暗，1 是最亮，0.5 就是灰蒙蒙的中间态。一张 28×28 的小图，在电脑那里就是 784 个数排成的队伍——仅此而已。
下面的画板特意做成黑底白字：这正是真实数据集里数字的样子。这样一来，格子的明暗就直接是它的数值大小，越亮的格子数越大——记住这个对应关系，第 4 节还要用。
互动演示 ①：亲手画一个数字
在格子里按住拖动就能写字（手机上用手指划），笔画会亮起来。写完点"显示数值"，看看电脑眼里的它。
这块 14×14 的画板，对电脑来说就是 196 个数字，目前有 0 个格子被点亮。
真实的入门数据集用的是 28×28，也就是 784 个数——道理完全一样，只是格子更细。
第 4 节 · 约 10 分钟 · 最小零件
"神经元"：一个会亮的数字
"神经网络""神经元"这些词听着吓人，其实是从大脑借来的比喻。在我们的课里，请你只记住一句话：
这个数值有个术语，叫激活值——越接近 1，就说这个神经元越"兴奋"。回头看第 3 节的画板：每一个格子其实就是一个神经元，它亮，就是它的激活值大。这不是比喻，画板上你看到的那片亮光，就是一层神经元被点亮的样子。784 个像素，对应网络最前排的 784 个神经元，这一排叫输入层。
所以别被生物学的外衣唬住：接下来的一切，都只是"一堆 0 到 1 的数字互相影响"的故事。
第 5 节 · 约 10 分钟 · 搭出结构
把灯泡排成几排：层
上一节说了，画板上每个格子就是一个神经元。现在把这些格子从图上"揭"下来，一格一格排成竖直的一列——网络的第一层就搭好了。
一个经典的入门网络长这样：最左边是 784 个输入神经元；最右边是 10 个输出神经元，分别对应数字 0 到 9；中间再夹上两排"隐藏层"，比如每排 16 个。
工作方式是：把一张图的 784 个像素值填进输入层，这些亮度会一层一层向右传递、互相影响（怎么影响，下一节讲），最后看输出层哪盏灯最亮——如果代表"3"的那盏最亮，网络就回答：这是 3。
为什么要分层？这里有个很美的直觉：认字这件事可以拆成小步骤。也许第二层学会认"短横、竖线、小弧"这类笔画，第三层把笔画拼成"圈、钩、拐角"这类部件，最后一层再把部件拼成数字——就像我们学写字，也是先学笔画再学字。
说句诚实话：真训练出来的网络，中间层认的东西往往没有这么规整、这么符合人类直觉。但"大问题拆成一层层小问题"这个思路，正是深度学习的精髓，也是"深度"二字的来历——层数深。
第 6 节 · 约 15 分钟 · 核心机关
权重与偏置：一万三千多个旋钮
现在回答刚才留下的问题：亮度是怎么从一层传到下一层的？
相邻两层的神经元之间，两两都有一根"连线"，每根连线上有一个可调的数，叫权重。下一层的某个神经元这样决定自己亮不亮：把上一层每盏灯的亮度，各自乘上连线的权重，再全部加起来。
你可以把它想成评委打分：每个输入都是一位评委，权重就是这位评委的话语权——权重大，它的意见就重要；权重是负数，它就是个"反对票"，越亮反而越拉低总分。
加总之后还有两步：加上一个叫偏置的数，相当于这个神经元的"门槛"——门槛高（偏置是很负的数），总分要很高它才肯亮；最后用一个压缩函数把结果压回 0 到 1 之间，好让它还是一盏合格的"灯"。
互动演示 ②：亲手调一个神经元
蓝色滑块是三个输入（上一层的亮度），红色滑块是三个权重和门槛。右边的灯泡就是这个神经元。
小挑战：能不能调出一个"只听 x₁ 的话"的神经元——x₁ 亮它就亮，x₂、x₃ 怎么动它都不理？（提示：把不想听的评委话语权归零。）
扩展数学细节：那一步"压缩"到底是什么？→ sigmoid 的公式、0.57 的逐步算法、可拖动的函数图，以及为什么今天的网络大多改用了 ReLU。想深入的朋友，课后点开慢慢看。现场有人追问时，直接投出来讲一分钟就够。 扩展完整的计算是怎么实现的，英伟达的股票为什么涨这么多 → 一整层的计算怎么收进一行矩阵公式（含一段 44 秒动画），为什么这些乘法适合显卡来做，以及这件事如何把一家游戏显卡公司推上全球市值第一。第 6 节讲完若还有时间，这一页是很好的彩蛋；也能接住"AI 为什么这么费电"这类提问。关键来了：我们这个小小的入门网络（784 → 16 → 16 → 10），把所有连线的权重和每个神经元的偏置加起来，一共有一万三千多个可调的数。网络会不会认字、认得准不准，完全取决于这一万三千多个旋钮各自拧在什么位置。
第 7 节 · 约 15 分钟 · 点题
"学习"，就是自动调旋钮
一万三千个旋钮人手调不动，那机器怎么自己调？分两步。
第一步：先学会打分。拿一张带正确答案的图给网络，比如一张写着 3 的图。看它输出层的十盏灯：理想情况应该是"3"那盏全亮、其他九盏全灭。把实际亮度和理想亮度的差距算出来，得到一个"错误分"——差得越离谱，分越高。对几万张训练图都这么算一遍取平均，就得到当前这套旋钮的总错误分。错误分越低，网络越好。
第二步：往低处走。想象你蒙着眼站在一片山坡上，任务是走到谷底。你看不见全局，但每一步都能用脚感觉出哪个方向是下坡——那就朝下坡挪一小步，再感觉，再挪。重复成千上万次，你会停在某个洼地里。
训练神经网络就是这么回事："山坡的高度"就是错误分，"你站的位置"就是那一万三千个旋钮当前的读数。数学上有一套办法（沿用山的比喻，它就叫梯度下降），能同时算出每一个旋钮该往哪边拧、拧多少，才能让错误分降得最快。计算机不知疲倦地重复这个"打分—微调"的循环几万次，错误分越降越低——网络就"学会"了。
顺便说一句：这个入门网络训练好之后，在没见过的新图上也能认对九成以上；而今天新闻里那些聊天 AI、绘画 AI，原理骨架仍然是"海量例子 + 自动调参数"，只是旋钮从一万个变成了上千亿个，例子从几万张图变成了半个互联网。
第 8 节 · 约 10 分钟 · 泼一点冷水
它真的"懂"数字吗？
训练好的网络认数字又快又准，看起来很聪明。但做两个思想实验，你会看到它的另一面。
其一：给它看一张纯粹的随机噪点图——雪花屏那种。一个真懂数字的人会说"这不是数字"。而这个网络没有"我不知道"这个选项，它会照常让某盏输出灯亮起来，一本正经地给雪花屏一个答案，而且往往还挺自信。
其二：它认 3 认得再好，你让它写一个 3，它毫无办法。它从训练里得到的，是"什么样的像素组合常常伴随着答案 3"这条统计规律，而不是我们脑子里那个关于 3 的概念。
这不是要贬低它——在见过足够多例子的领域里，这种"找规律的本事"强大得惊人。这是要提醒我们：规律不等于理解。AI 给出的答案再流利、再自信，也值得保留一份核实的习惯。这一点，对今天所有的 AI 产品都适用。
第 9 节 · 约 5 分钟 + 自由问答 · 收尾
三句话带回家，以及去哪儿继续学
如果今天只记住三句话，请记这三句：
① 图片在电脑眼里只是一张数字表；
② 神经网络是一层层互相影响的"数字灯泡"，本事全在一万多个旋钮里；
③ 学习 = 用带答案的例子打分，再顺着坡把错误分一步步降下来。
想读纸质书的朋友，可以在本馆检索"机器学习入门""深度学习图解"类目——欢迎课后来服务台，我们帮你找。
① "会取代人吗"→ 回到第 8 节：取代的是有海量先例的重复环节，稀缺的是提出新问题的人。
② "学这个要多好的数学"→ 入门只要今天这些直觉；想深入，高中的函数和一点导数概念就够起步。
③ "孩子从哪开始"→ 先玩（画板、拼图式编程），再看科普动画，最后才是代码。
附录 · 仅讲师模式可见
课前准备清单与时间表
设备：投影仪或大屏（本页在浏览器全屏即可，Ctrl/Cmd 加号放大字体）；翻页用键盘方向键滚动或点顶部导航；两个互动演示无需联网，离线可用；备一支白板笔给第 2 节的观众互动。
提前 15 分钟：打开本页试跑两个演示；把"讲师模式"关掉；浏览器开无痕窗口避免弹通知。
| 时间 | 环节 | 要点 |
|---|---|---|
| 0–5 分 | 第 1 节 开场 | 三问 + 举手调查，抛出全场目标 |
| 5–15 分 | 第 2 节 小任务 | 观众上台写"3"，引出"给例子"思路 |
| 15–25 分 | 第 3 节 像素 | 互动演示 ①，务必请观众操作 |
| 25–35 分 | 第 4 节 神经元 | 放慢，全场地基 |
| 35–45 分 | 第 5 节 分层 | 示意图 + 汉字类比，可插视频片段 |
| 45–60 分 | 第 6 节 旋钮 | 互动演示 ②，小挑战交给观众 |
| 60–75 分 | 第 7 节 学习 | 蒙眼下山，全场高潮 |
| 75–85 分 | 第 8 节 局限 | 落到"保持核实的习惯" |
| 85–90 分 | 第 9 节 收尾 | 三句话 + 资源，转入自由问答 |