CNN、RNN、GNN……这么多的神经网络，有什么区别和联系？

那就先聊聊什么是神经网络（Neural Network）吧。

既然我们的目标是打造人工智能，拥有智慧的大脑无疑是最好的模仿对象。人脑中有约 860 亿个神经元，这被认为是我们能够思考的原因。神经元由一个细胞体和很多突触组成，能处理电信号，并将它们传递到该去的地方。

仿照人脑神经元的结构和工作原理，人们构建了神经网络，一个由节点连接而成的网。我们同样会称呼这些节点为神经元（Neural），不过它是一个抽象概念，大部分时间都被用来存储数字。神经突触则被抽象为有权重的连接，决定了数字将如何改变，以及传递给哪些神经元。

神经网络是如何工作的？

以识别物体为例，人类的视觉存在一定的模式，我们看见一个苹果并能认出它，是因为视网膜接收了光线并把它转换为电信号，再由神经元们从中找出颜色、方向、边缘、材质等信息，最终让大脑给出了「苹果」的答案。

神经网络也是如此，它被构建为层层堆叠的样子（很像蛋糕或者千层面之类的东西）。其中输入层就像是视网膜，将图像转换为网络可以理解的内容，比如每个像素的灰度；隐含层中的每一层试图认出图像的一部分特征（虽然暂时不是这样，但我们希望这样），经过一系列计算，最终输出层会给我们答案。

改造它的部分组成，就有了各种类型的神经网络。把输入的内容从图片语音换成图（Graph），就是图神经网络；把神经元换成打包的神经元，就是胶囊网络；使用卷积对图像等数据作出处理，就是卷积神经网络，CNN。

当然 CNN 还有其他独特之处，就让我们下一期再讲吧。