看完《津巴多普通心理学》，又看过《和另一个自己谈谈心》，我新开始看的心理学书籍是《心理学和生活》，这本书讲"心理学"之前，会先讲"生物学"，其中的一个"生物学"概念叫做"神经网络"，隶属于神经科学(neuroscience)的研究范围。
神经网络的搭建基础，是被称作"神经元"的细胞，它分作三个类别：感觉神经元、运动神经元和中间神经元。感觉神经元将感受器细胞感受到的信息------比如眼睛看到的光、耳朵听到的声音------向内传递到中枢神经系统；运动神经元则将中枢神经系统的信息向外传递到肌肉和腺体；中间神经元是一种中介，它们将信息从感觉神经元传递到其它神经元或者运动神经元。
我们人类脑中的神经元数量，大约在一千亿到一亿亿之间。中枢神经系统和外周神经系统，都是由神经元组成的，中枢神经系统存在于脑和脊髓之内，外周神经系统是除了中枢神经系统之外的其它神经组织。
关于"神经网络"，书中讲解的内容全面且深入，从神经元之间的信号如何传递（即有物理的电信号，也涉及到化学中的离子），到脑子中各个部分的功能划分（比如小脑负责身体运动、控制姿势并维持平衡），再到辅助神经系统的内分泌系统......
我还做不到使用自己的语言将它们复述一遍，我理解到的，是一种工作模式，即我们平日里的各种活动，不管"吃饭"还是"快乐的感觉"，都是神经网络输入与输出的一种具体表现；神经网络对输入输出的处理，并不是将所有信息都收集到一起后再由某个"总负责人"处理，而是神经元在对信息的传递过程中，就已经做了筛选和处理。
同一种神经递质在一种突触中可以产生兴奋作用，而在另一种突触中却产生抑制作用。每个神经元整合它与1000～10 000个其他神经元之间形成的突触所得到的信息，再决定它是否应该发出另一个动作电位。正是整合数以千计的兴奋和抑制性输入，才使得全或无的动作电位成为所有人类体验的基础。
由此，对输入信号的处理，有一个"层"的概念。以视觉举例，光线首先通过角膜、瞳孔和晶状体到达视网膜，接着视网膜借助锥体细胞和杆体细胞将光波转换为神经信号，这些信号再传递给视神经，信号再经过视束变成"这东西看起来像什么"以及"它在哪个位置"，最终，信号到达视皮层，再经由一些处理完成物体的辨认。（即便很认真看书中描述，但要将"看见"这个过程复述出来，我依然感觉好难好难。）
"看见"的过程
前几个月，我对AI（人工智能）生出兴趣，我想了解一下ChatGPT是如何做到"你想知道的，问我，我都知道"的，我找到《这就是ChatGPT》来看。整本书只是作者两篇论文（应该一篇是论文，一篇只是一个产品的简要介绍文章）的汇总，书中关于"学习"的一个概念叫做"神经网络"，我不知道"神经网络"如何工作，于是又找到《人工智能核心：神经网络（青少科普版）》来看。
很巧合的，刚刚对生物学中"神经网络"有些了解的我，再理解计算机中的"神经网络"，有多出些优势：我知道"神经网络"处理信息，是一层层进行不回头的，计算机中的"神经网络"是一样的处理框架，一个输入，经由一层又一层"神经元"的处理，最终能够高概率生成我们想要的输出。
简单的神经元
如上图，计算机中单个神经元，拥有多个输入，每个输入拥有属于自己的权重，输入乘以权重再求和，和与某个阈值进行比较，最后输出结果只有是和否。
看单个神经元，是比较好理解的，整个过程只是给予一些条件，进行简单的计算，再将结果进行简单的分类。但当隐藏层出现时，我就开始了困惑，首先，为什么需要隐藏层？我在书中没有找到答案，一番搜索之后获得的理解有"隐藏层将上一层的输入进行筛选或简化，让下一层只关注真正需要的数据""隐藏层可以有很多层""隐藏层属于神经网络的核心"。
跳过隐藏层（因为我自己目前还理不清楚），我新搞懂的一个概念是"机器学习"。当我们构造出一个神经网络之后，可以给予它很多很多的数据，让它基于这些数据去"训练"自己，当训练成功之后，这个神经网络就能帮助我们很------但做不到绝对------准确地去做事情。比如书中示例，当我们给予神经网络几张照片并告诉它照片中物体是鸟还是蝙蝠，经过训练的它在收到新图像时，便能判断出新图片中物体是鸟还是蝙蝠。
具体的训练规则，可以是调整输入的权重，也可以是调整输出的阈值。以仅仅调整阈值举例，初始神经元根据正确的数据输入会输出一个结果A，A与该神经元设定的正确输出B并不一致，此时可以获得A和B之间的差异，差异的反面，就是更靠近正确输出的那个。基于这个规则，神经网络于是可以自训练。
以上，是我初次尝试理解"神经网络"的结果，也是看完《人工智能核心：神经网络（青少科普版）》后逼自己输出的只浮于表面的读书笔记。
神经网络很难，但并没有难到难以理解。