卷積神經網路（convolutional neural network）

卷積神經網路（簡稱 CNN）是一種讓電腦「看見」東西的人工大腦。它不會一口氣盯著整張照片，而是把一個小視窗——一塊小小的濾鏡——滑過影像，一次只看一小塊，就像你拿放大鏡在地圖上一格格地掃。每塊濾鏡只專門捕捉一樣簡單的東西：一道斜邊、一抹顏色、一段弧線。

巧妙之處在於把這些層疊起來。第一層找出樸素的邊緣；下一層把邊緣拼成轉角和紋理；再上一層把它們組裝成眼睛、車輪或花瓣；最頂層終於說出「貓」或「停車標誌」。從最底層一步步搭起來，簡單的零件變成豐富的形狀，再變成完整的物體——而網路靠著在數百萬張帶標籤的圖片上反覆練習，自己學會該用哪些濾鏡。

一個常見的擔憂是：CNN 會不會把訓練用的照片原樣「背」下來。多半不會：因為同一塊小濾鏡會在影像的每一處反覆使用，網路傾向於學到放在哪裡都管用的模式——一張臉就是一張臉，無論它在畫面的角落還是正中央。但「死記硬背」（也就是「過擬合」）仍然可能發生，這正是訓練要用海量、多樣的資料集的原因。正是這種善於提煉可重複使用模式的本領，讓 CNN 成了電腦視覺的主力，從手機相機到醫學影像，背後都有它。