🔬 实验一：教 AI 分辨猫猫和狗狗
我的小脑袋里有一个迷你"神经网络"，现在它什么都不知道。你在左边的板子上放一些例子，再按"训练"，看我能不能学会分辨猫猫🐱和狗狗🐶！
→ 横着：耳朵越来越尖 ↑ 竖着：个子越来越大
背景颜色 = AI 现在的猜测：橙色觉得是猫，蓝色觉得是狗，越浅越不确定。
① 选一种，然后点板子放例子
② 训练几轮？ 200 轮
已经训练：0 轮 · 答对：- · 错误分数：-
③ 考考 AI：放好例子并训练后，点 再点板子上任何地方，AI 会告诉你它猜是什么。
🧠 神经网络是怎么学的？
- 先乱猜：一开始，网络里的"小旋钮"（叫权重）都是随便拧的，所以它乱猜。
- 看例子、对答案：每看一个例子，它就算一算自己猜错了多少。
- 拧一拧旋钮：猜错了，就把旋钮往"能猜对"的方向拧一点点。这叫训练。
- 重复很多轮：一轮一轮练下去，背景的分界线就会慢慢弯到正确的位置。
💡 试试看：①只放很少的例子，AI 会学得怎么样？②故意把一只猫放到狗狗堆里，会发生什么？③只训练 10 轮和训练 1000 轮有什么不同？
🧩 实验二：用箭头给多多编程
电脑只会一步一步照着指令做。请你排好箭头，带我走到星星⭐那里，别撞到石头🪨哦！
我的程序：
实验一是一个真正的小神经网络（2 个输入、8 个隐藏神经元、1 个输出），直接在浏览器里用梯度下降训练。孩子会看到：例子越多越有代表性，AI 学得越好；例子放错了，AI 也会跟着学错。这正是现在大模型"从数据中学习"的核心道理。
实验二是编程思维：把目标拆成一步一步的指令，运行，出错了就找 bug 再改（调试）。可以让孩子先口头说出路线，再排箭头。