神经网络算法是比较经典的人工智能算法， 深度学习，大模型很多都已该算法为蓝本开发。

顾名思义，神经网络是以类似生物的神经运作方式而得名

脑神经是怎么工作的， 通过接收外部的信息，大脑内无数的网状神经元结构 总是把信息从一个传到另外一个或多个神经元。最后构成一个神经脑回路，传回身体相应的神经末梢。

神经网路算法同样也是这样的原理，把输入的参数经过迷之系列的 像迷宫一样的 加减乘除 这样的简单流水操作之后， 竟然不可思议的 输出了想要的答案， 神奇不神奇 ， 惊喜不惊喜。

当我第一次接触神经网络的时候也是感受到不可思议， 为什么 向网格结构一样的数据运算流，并且每一个节点的运算无非就是加减乘除最基本的操作，为什么会产生人们想要的结果。

这个问题往简单的说,可以用一个故事来辅助理解: 一只猴子坐在电脑前敲键盘， 如果它敲得时间足够久， 他就一定能写出来莎士比亚的名篇。也就是说，在添加足够多的节点后，这个看似简单的网格数据运算流实际上已经包含千万种输出结果，经过我们的不断地训练导向，就会指向正确的输出结果。从我们人类自身的学习来说，何尝不也是这样。