你对着手机说"嘿，帮我找一下相册里所有猫的照片"，手机几乎瞬间就列出了所有包含猫的图片——人工智能（AI）是如何做到这一点的？它的"大脑"是怎么认识猫的？

答案在于深度学习和神经网络。现代图像识别 AI 的核心是卷积神经网络（CNN），它的工作方式与人类大脑有几分相似——逐层提取越来越抽象的特征。

第一层网络主要识别边缘和轮廓：这里有条线，那里有个角。这些信息传送到第二层，网络开始识别形状组合：两条线组成直角，多个角组合成方形……层层递进，到了深层网络，已经能够识别抽象概念——圆润的身体、三角形的耳朵、胡须、尾巴——这些特征组合起来，就是"猫"。

训练这个网络需要海量数据。AI 需要"看过"数万张甚至数百万张标注过的猫照片，不断调整内部参数，直到它能准确地区分猫和其他动物。这个过程叫做监督学习。

有趣的是，AI 有时会犯人类绝不会犯的错误——比如把一只吉娃娃误认为蓝莓松糕。这是因为 AI 并不真正"理解"猫是什么，它只是在统计模式中寻找匹配。这种缺乏常识的认知方式，是当前 AI 与人类智能之间最根本的差异。

🧠 思考题：如果让 AI 看了一百万张猫的照片，但它从未见过老虎的照片，现在给它看一张老虎图片——它会正确识别出这是"老虎"吗？它可能会犯什么错误？