一想到人工智慧，我們最先想到了就是語音識別、自動駕駛、人臉識別。
語音識別現在及其普通，現在的智慧型手機上面都有一個語言識別機器人。小米手機的小愛，蘋果手機的siri，華為手機的小藝，OPPO的小布……。自動駕駛最著名的就是 特斯拉的自動駕駛，畢竟以前出新聞。
人臉識別就十分普通了，學校門、飛機、高鐵都有用於門禁的人臉識別。手機上同樣也有人臉識別支付、驗證。
但其實這些都是人工智慧中一個小小的分支神經網絡。神經網絡屬於機器學習中的一個算法，而機器學習則是人工智慧的一個分支。
就是這個分支中的分支使得人工智慧再次被推上熱潮，使得成為各個國家科技角逐的方向之一。其地位甚至和玄之又玄的量子力學相提並論。
神經網絡雖然與生物學上的神經網絡取了同一個名字，但是兩者的相關性或許並不相同。人腦是自然界最複雜的系統，其複雜程度即使到了現在人們也沒能夠徹底將其弄清楚。但是神經網絡的確借鑑了生物上的神經網絡行為。
讓神經網絡走上神壇的是神經網絡下面的分支卷積加上神經網絡，卷積神經網絡CNN。卷積神經網絡是在神經網絡前加上了卷積操作，卷積操作本質就是對特徵的提取。卷積神經網絡成功將圖片識別的準確率提高到了一個台階，一個跨越瞬間引起了轟動，該影響如核爆一般迅速在全世界擴散，造成的影響到了如今都沒有消散。在CNN之後，循環加神經網絡（RNN）使得自然語言處理突破。對抗加反向加神經網絡（GAN）使得計算機更夠自己生成數據有點計算機開始創作那味。強化學習加神經網絡使得電腦在玩遊戲上超越人類，同時也使得自動駕駛有了新的方向。例如曾經被預言的計算機在圍棋上很難戰勝人類被阿爾法狗打破。
以神經網絡為基礎，衍生了很多算法使得人工智慧有了很大的突破，至少現在我們生活上已經隨處可見。其中最為出色的就有計算機視覺、自然語言處理……
神經網絡最重要的意義是推動了整個人工智慧的發展。這就有點向一隻龍頭股帶動整個行業的熱度的感覺