从感知机、反向传播、卷积与 LSTM,到 Transformer、预训练、scaling 与推理模型——每章配可运行算法与机制动画。
已完成
人工神经网络小史
从感知机到推理模型
一部从 1943 年形式神经元到 2025 年推理模型的技术史:每一次突破都在回答"机器如何从数据中学到结构"。
收听有声版 · 约 32 分钟编者按
目录
- 第 1 章 感知机:从形式神经元到第一次寒冬 2026-06-02
- 第 2 章 反向传播:把误差送回去 2026-06-02
- 第 3 章 卷积网络:向视觉皮层借来的结构 2026-06-02
- 第 4 章 循环网络与 LSTM:给神经网络装上记忆 2026-06-02
- 第 5 章 AlexNet 与认猫:数据与算力的合流 2026-06-02
- 第 6 章 word2vec:把词变成几何 2026-06-02
- 第 7 章 seq2seq 与注意力:打破固定向量的瓶颈 2026-06-02
- 第 8 章 Transformer:注意力就是全部 2026-06-02
- 第 9 章 看不见的地基:让深层网络训得动的工程突破 2026-06-02
- 第 10 章 预训练:BERT 与 GPT 两条路线 2026-06-02
- 第 11 章 规模与对齐:从 scaling laws 到 RLHF 2026-06-02
- 第 12 章 强化学习地基:从 Bellman 方程到 Q-learning 2026-06-02
- 第 13 章 DQN 与 Atari:让神经网络学会打游戏 2026-06-02
- 第 14 章 策略梯度与 actor-critic:从 REINFORCE 到 PPO 2026-06-02
- 第 15 章 自博弈的巅峰:从 AlphaGo 到 MuZero 2026-06-02
- 第 16 章 强化学习回流:从 RLHF 到推理模型 2026-06-02