25
0Beta.FM | No.02 人工智能的逆袭：“神经网络”的尝试与进化
🎙️ 本期简介
如果说 AI 的发展史是一座博物馆，那“神经网络”曾经是被扔在角落里吃灰的那个展品。长达三十年，它被主流科学界视为“疯子的呓语”。但有一个人——杰弗里·辛顿（Geoffrey Hinton），在没有光的冷板凳上独自守望，坚信模仿人脑是唯一的出路。本期 Beta.FM，我们不仅要聊这段充满偏见与孤独的历史，还要带你拆解那个改变世界的算法：反向传播。
⏳ 时间轴与内容大纲
* 00:01 欢迎回到 Beta.FM：今天我们要聊 AI 的“灵魂”——神经网络。
* 00:31 孤独的先知：杰弗里·辛顿（Geoffrey Hinton）和他的三十年冷板凳。
* 01:44 神经网络的本质：它不是焊接电线，而是成千上万个微小的“投票站”。
* 02:53 反向传播（Backpropagation）：1986 年诞生的“后悔药”，让 AI 学会了复盘和纠错。
* 03:25 第一次寒冬：当理论太过超前，算力和数据成了它的阿喀琉斯之踵。
* 03:53 救星登场：没想到拯救 AI 的，竟然是打《魔兽世界》的游戏玩家和显卡（GPU）。
* 04:32 2012 ImageNet 奇迹：错误率从 25% 降到 15%，神经网络那一夜“封神”。
* 05:15 AI 的“顿悟”：没人教它什么是鼻子，它自己在深层网络里“看”到了。
* 06:25 尾声：如果大脑只是数学，那人与机器的界限究竟在哪里？
杰弗里·辛顿（Geoffrey Hinton）| 获得图灵奖、诺贝尔奖的“AI教父
神经网络示意图（Perceptron vs Deep Net）| 一张简单的手绘风格图，展示输入层、隐藏层和输出层的连接
*1986 年《自然》杂志封面或论文页 | 辛顿发表反向传播算法的里程碑论文
早期 NVIDIA 显卡 GeForce 256 | 正是它们意外点燃了 AI 的火种
2012 ImageNet 竞赛 | AlexNet 以15.3%的错误率夺冠
💡 核心金句 (Highlights)
> “神经网络就像一个在黑夜里修路的人，坚信只要数学方法对，这些冷冰冰的数字节点就能产生类似人类的‘直觉’。”
> “AI 不是被教会的，是它在无数次的失败和纠错中，自己‘进化’出了对世界的理解。”
> “深蓝是靠人类教的逻辑，而神经网络表现出的，是一种人类从未见过的、自发形成的‘理解力’。”
>
📚 延伸阅读
* Geoffrey Hinton 的访谈：关于深度学习革命的回忆录。
* AlexNet 论文：《ImageNet Classification with Deep Convolutional Neural Networks》（2012）。
* 科普推荐：3Blue1Brown 的神经网络数学原理解析视频。
🎵 本期节目 BGM
* 开场曲：[Set You Free - Isak Danielson]
* 结尾曲：[Fallen Star - Elaine Kim]
