名词解释 / 07

神经网络

第 100 / 127 个名词进一步了解 AI 原理

英文名称：Neural Network 常见别名：人工神经网络（缩写 NN）、神经网络模型 所属分类：进一步了解 AI 原理

一句话解释

神经网络是一种让程序“自己从例子里找规律”的算法结构。它由大量互相连接、各自承担简单计算的单元分层组成，形式上受生物神经元传递信号的启发，但本质是一套数学运算。给它成千上万组“输入—标准答案”的样本，它会反复微调内部参数，直到面对没见过的输入也能给出合理判断。它不需要人一条一条写规则，规律是“学”出来的。

工作中什么时候会遇到

你直接接触到的很多智能功能，界面标签上不会写“神经网络”，背后跑的却可能是它。比如拍照识别表格转成 Excel、语音转文字、会议录音转纪要和自动分类、邮件自动分拣、客服自动应答，以及采购和销售系统里的需求预测。当公司 IT 或软件供应商说“用 AI 训练了一个模型”时，指的往往就是训练好的神经网络。具体产品支持哪些功能、采用什么技术，以当前版本和官方说明为准。

多数员工不需要在界面上操作神经网络本身，但会在两类场合和它打交道：一是公司上线质检、客服或预测类系统时，项目说明里出现“基于 AI 视觉检测”“智能预测”这类说法；二是在办公软件里使用“智能”功能时，页面提示“识别结果仅供参考、请人工核对”。

能解决什么问题

处理那些“人一眼能判断、却很难用文字规则说清”的事，例如看图判断外观有没有缺陷、识别图片里的文字、听懂并转写语音。
从历史数据里预测未来，例如根据过去几年的销量、季节和促销记录，估出下个月各商品要备多少货，减少积压或断货。
给信息自动分类归集，例如把客户邮件按投诉、询价、退货分到不同处理队列，省去人工逐封转发。
支撑语音转文字、翻译、内容摘要和对话助手这类理解与生成功能，也就是你正在用的各种“AI 办公功能”的地基。
替代重复性的目视检查和简单分拣，让人力集中到复核和异常处理上。

举个例子

一家向商超供货的经销商，过去靠采购人员凭经验估计每个商品每月备多少货，估不准不是积压就是断货。后来订货系统接入了需求预测功能，预测模型用的就是神经网络。输入是过去几年的逐月销量，以及节假日、促销等标记；模型从这些历史数据里摸出季节、促销和销量变化之间的关系；输出是下个月各商品的建议备货量清单，按单品列出数字。人工确认点仍然保留——采购主管会逐行看预测结果，把系统不知道的新增大订单、供应商临时停产等信息手动补进去，再向供应商下单，不会让系统的数字自动执行。

怎么使用

普通员工通常不需要配置或训练神经网络，而是使用已经封装好的软件功能。你实际要做的是三件事：按规范输入（例如照片拍全、数据录准）；把结果当参考判断而非最终事实；发现明显判错的情况及时反馈，供供应商改进模型。做采购和销售的人使用预测类功能时，把系统给的数字当起点，结合自己掌握的市场信息调整，而不是照单执行。

模型由谁负责？一般是算法工程师或软件供应商。他们选择网络结构、准备和清洗数据、训练并反复测试，过程依赖大量干净的历史数据和较强的算力。普通员工不需要写代码，也不建议自行改动模型参数。

使用时要注意什么

神经网络的本领来自训练数据：数据量不够、样本偏颇、标注错误，它都会学到扭曲的规律，而且错误往往不显眼。它给出的判断本质是概率估计而非事实，遇到训练时没见过的特殊情况可能“自信地犯错”，比如把合格品误判为缺陷，或漏掉罕见的异常形态。因此后果严重的环节要保留人工复核或兜底规则，不要全自动放行。

另一个容易被忽视的边界是它说不清理由：系统能告诉你“判定为缺陷”或“预测 1200 件”，却很难解释“为什么”。涉及责任认定或审计时，不要指望它给出可追溯的推理链条。也不要把它理解成“像人一样会思考”——它复现的是历史样本里的统计规律，数据里带有的偏见和过时做法也会一并被放大。

容易混淆的词

人工智能：更大的概念，泛指让机器完成通常需要人类智能的任务。神经网络只是实现它的一种技术路线，此外还有更早的基于规则和知识库的方法。
机器学习：一类让程序从数据中学习的算法总称，包括决策树、随机森林等。神经网络是其中的一种实现方式。
深度学习：可以理解为“层数很多、规模很大的神经网络”，是神经网络近十几年来的主要发展形态。两个词在日常中常被混用。
AI 大模型（大模型）：建立在超大规模神经网络和海量数据上的产品形态，对话助手、图片生成属于这一类。它是神经网络的当代应用，不是另一种原理。