一、AI 发展的关键节点（简明时间线）

2012 年 AlexNet 是分水岭：它用 CNN 实现了远超传统方法的图像识别精度，从此 AI 进入“深度学习”时代
二、卷积神经网络（CNN）是如何“提取特征”的？（配例子）
我们用一个识别“猫脸” 的例子，一步步看 CNN 是怎么工作的。

假设输入是一张 224×224 的猫图：
输入：一张猫的照片
输出：这是一个“猫”，概率 95%

中间发生了什么？我们看 CNN 的“眼睛”是怎么一层层“看”这张图的。

CNN 的基本结构（以 AlexNet 为例）
输入图像 (224×224×3)
│
↓ 卷积层 1 (Conv1) → 提取边缘
│
↓ 激活函数 (ReLU) → 增强非线性
│
↓ 池化层 1 (Pool1) → 降维，保留重要特征
│
↓ 卷积层 2 (Conv2) → 提取角、圆
│
↓ 池化层 2 (Pool2)
│
↓ 卷积层 3 (Conv3) → 提取眼睛、耳朵
│
↓ 全连接层 (FC) → 综合判断
│
↓ 输出层 → “猫” 或 “狗”

关键：卷积层是如何“提取特征”的？
举个具体例子：第一层卷积（Conv1）检测“边缘”
输入：一张彩色猫图（224×224×3，3 是 RGB 通道）
卷积核（Filter / Kernel）：一个 3×3 的小矩阵，比如
[ -1 0 1 ]
[ -1 0 1 ] → 这是一个“垂直边缘检测器”
[ -1 0 1 ]

卷积操作（Convolution）：
把这个 3×3 的“小镜子”在图像上从左到右、从上到下滑动
每滑到一个位置，做“对应像素相乘再求和”
得到一个新的“特征图（Feature Map）”
结果：
所有垂直边缘（如猫的耳朵边缘）会被增强
其他区域变暗
输出一个“边缘图”
这就像你用“边缘滤镜”处理照片，只留下轮廓。
第二层：检测“角”和“圆”
第一层输出的“边缘图”作为输入
第二层用更复杂的卷积核，检测“L 形”、“T 形”结构
比如：两个垂直边缘相交 → 是一个“角”
✅ 这一层开始“拼装”更复杂的形状。

第三层：检测“眼睛”、“耳朵”
输入是“角”和“圆”的组合
卷积核学会识别“圆形 + 两个角” → 可能是“猫眼”
或“三角形 + 曲线” → 可能是“猫耳”
✅ 它不是“记住猫眼长什么样”，而是“学会猫眼的组成模式”。
类比理解：像小孩学画画

CNN 的每一层，就像孩子成长的一个阶段，从简单到复杂，逐层抽象