神经网络这东西，科技公司吹了二十年，结果解释起来跟教奶奶用微波炉一样困难。每次有人问你"AI到底怎么工作的"，你大概率会听到一堆"神经元""权重""反向传播"的黑话，然后礼貌地点头，心里想着晚饭吃什么。

Aditya Ranjan最近写了篇入门科普，试图用5分钟讲清楚这个黑箱。他的办法很老实：从人脑类比开始，慢慢滑向数学。神经元收信号、做判断、传下去——听起来像快递分拣员的工作流程。但问题在于，这个类比本身就是个陷阱。

真正让网络"学习"的，是损失函数和梯度下降这对组合拳。简单说，就是不断试错、算误差、调参数，直到输出结果没那么丢人。Ranjan的原话很实在：「神经网络本质上是在高维空间里找一条下山的路，只不过这座山有成千上万个维度，而且你蒙着眼睛走。」

这篇帖子发出来19小时，评论区最热的反馈来自一个自称"教了十年机器学习"的用户。他说自己现在给学生讲神经网络，会先让对方画一个Excel表格——输入、公式、输出，三行搞定。结果发现，删掉"神经元"这个比喻后，理解速度快了不止一倍。

科技圈有个怪现象：越基础的概念，包装得越复杂。Ranjan的文章底下，有人留言说终于看懂了自己用了三年的PyTorch代码在干什么。另一个人回复：那你之前是在拜神吗？