← 返回概念解读

Concept Fable精修版

神经网络

Neural Network · Deep Learning

先读故事。这里不急着给定义,先让问题自己长出来。

寓言故事

许多小开关连成了一座判断机

城里的旧秤只能按一两个条件判断货物:重量超过多少,颜色是否合格。简单货物够用,复杂货物就不行。

客户开始要求同时看纹理、产地、运输温度、历史投诉和合同等级。旧秤的每条规则都要手工写,越写越像一团线。

工程师先加更多旋钮。每个旋钮对应一个条件。旋钮多了以后,没人知道该怎样组合,规则维护比判断本身还难。

一位机械师造了一座由许多小开关连接成的机器。每个小开关接收一些信号,经过权重和非线性变化,再把结果传给下一层。

机器一开始什么都不会。训练时,它根据错误一点点调整连接强弱。看过许多样本后,某些开关开始响应纹理,某些响应风险组合,后面层再形成更高层判断。

第一次用于合同风险初筛时,机器综合了条款、金额、地区、客户历史和审批记录,输出需要法务复核的概率。

法务主管提醒,概率不是判决。神经网络能从复杂信号中学习模式,但高风险结果必须能回到证据、阈值和人审流程。

团队开始记录训练数据、特征来源、阈值选择和上线后漂移。机器不是孤立聪明,而是被纳入可监控系统。城里最后把它称为判断机:不是因为每个开关都懂业务,而是因为许多简单单元连在一起,能学习复杂映射。后来商人问机械师,能不能指出是哪一个小开关懂得风险。机械师摇头,只能展示多层连接怎样一起变化,以及哪些输入最影响结果。于是城里给判断机配了验收规则:不能把它当神谕,也不能把它当普通秤。它擅长从许多信号中学出映射,但越用于重要决定,越要有监控、复核和退出办法。后来判断机也犯过错,把罕见好货当成风险货。主管没有砸掉机器,而是检查样本、阈值和复核流程,重新调整。学出来的判断,也要被放回制度里。机器越有用,越要被看住。

揭示

这个故事讲的是:神经网络

Neural Network 是由大量相互连接的人工神经元或计算单元组成的模型,通过权重、激活函数和层级结构从数据中学习输入到输出的映射。它是深度学习、语言模型、视觉模型和推荐系统的基础。企业应用中,神经网络可以处理复杂非线性关系,但需要训练数据、验证集、监控、可解释手段和业务阈值管理,不能把模型输出直接等同于业务结论。

它重要的地方在于:它不只是一个术语,而是在真实 AI / Agent 系统里会反复出现的结构性问题。理解它,才能判断什么时候该加模型,什么时候该改流程,什么时候该补治理。

隐喻映射

  • 旧秤和旋钮:手写规则和线性条件组合
  • 小开关:神经元或计算单元
  • 连接强弱:可训练权重
  • 非线性变化:激活函数带来的表达能力
  • 合同风险初筛:神经网络在企业预测任务中的应用
  • 概率不是判决:模型输出需要业务流程承接
  • 漂移监控:上线后的模型治理

Soloharness 判断

这个概念的实战价值,是帮你把“看起来聪明的 AI 功能”拆成可交付、可验收、可治理的工作单元。

layersactivation functionweightsdeep learning