目录
[1. CNN（卷积神经网络）](#1. CNN（卷积神经网络）)
[2. RNN（循环神经网络）](#2. RNN（循环神经网络）)
[3. GANs（生成对抗网络）](#3. GANs（生成对抗网络）)
[4. RL（强化学习）](#4. RL（强化学习）)
1. CNN（卷积神经网络）
🧠 类比：你的大脑在"看"东西
- 用于：图像识别、视频分析、医疗影像等
- 原理通俗说：就像你看一张图，是先看到局部（眼睛、鼻子），再看到整体（一张脸），CNN 会像滤镜一样"扫描"图像，逐层提取特征（边缘、纹理、形状），最终判断这是什么。
- ✅ 关键词：识图、提特征、局部识别
2. RNN（循环神经网络）
🧠 类比：你在"听"一段话或"读"一篇文章
- 用于：语音识别、文本生成、机器翻译等
- 原理通俗说：RNN 会"记住"前面听到或读到的信息，再结合当前的输入来理解和预测下一个内容。比如，你听到"我今天很..."大概率能猜"开心"还是"伤心"。
- ✅ 关键词：记忆、顺序、上下文
3. GANs（生成对抗网络）
🧠 类比：画家 vs 鉴定师 的对抗赛
- 用于：AI绘图、图像增强、换脸、虚拟人物生成等
- 原理通俗说：有两个AI，一个叫"生成器"，负责伪造图片；另一个叫"判别器"，负责判断图片是真的还是假的。两个AI互相竞争，生成器越骗越真，判别器越看越准，最终生成器能"画"出非常逼真的图。
- ✅ 关键词：以假乱真、对抗训练、生成能力
4. RL（强化学习）
🧠 类比：你在"玩游戏"或"训练狗狗"
- 用于：自动驾驶、游戏AI（如AlphaGo）、机器人控制等
- 原理通俗说：AI像个游戏玩家，不断尝试各种动作，然后根据结果（奖励或惩罚）来调整行为。比如机器人撞墙扣分、成功走路加分，反复试错后学会最优策略。
- ✅ 关键词：试错、奖励、自我学习
总结小表格：
|--------|-----------|----------|----------|
| 算法 | 类比 | 擅长任务 | 关键词 |
| CNN | 你在"看" | 图像处理 | 局部识别、提特征 |
| RNN | 你在"听/读" | 序列数据 | 记忆、上下文 |
| GAN | 画家 vs 鉴定师 | 伪造图像 | 对抗、生成 |
| RL | 玩游戏/训练狗 | 控制决策 | 奖励、自主学习 |