感知机：一个神经元长什么样

神经网络的「一块砖」

感知机是最早的人工神经元，结构简单到能画在餐巾纸上：几个输入各自乘上权重，加起来，再和一个阈值比——超过就输出 1（点火），否则输出 0（熄火）。加权求和 + 阈值开关，就是一个神经元的全部工作。

用「要不要去郊游」打比方

输入：天气好（1）、作业写完（1）、明天考试（1）。权重：天气 +5、作业 +3、考试 -8。阈值设 4。天气好且作业写完但明天考试：5 + 3 - 8 = 0，不到 4，不去。权重的正负大小，就是这个神经元心里的「各因素重要程度」——学习，就是调整这些数。

和大脑像，但别当真

它的灵感来自生物神经元（树突收信号、够了就放电），但真实大脑比这复杂亿万倍。把它当「投票计分器」理解最准确，别指望一个神经元有什么智能。

常见误区

单个感知机只会「画一条直线分两边」。它能学会「与」（两个条件都满足才点火）和「或」（满足一个就行），但学不会「异或」（恰好满足一个）——这个问题当年难倒了整个领域，解决方法是第五讲的多层结构。

练一练：用上面的郊游神经元算一算：天气好（1）、作业没写完（0）、明天不考试（0），去不去？