Transformer是目前最流行的深度学习架构之一，广泛应用于大语言模型（LLM）和计算机视觉等领域。
它的核心创新在于引入了自注意力机制（Self-Attention），使得模型能够更好地捕捉输入数据中的长距离依赖关系。

神经网络就是模仿人脑神经元的结构，其典型应用就是Transformer架构。

神经网络的基本结构

神经网络由输入层、隐藏层和输出层组成。
每一层由多个神经元组成，神经元之间通过权重连接。
输入层接收外部数据，隐藏层进行特征提取和变换，输出层产生最终结果。

人工智能是指通过计算机程序模拟人类智能的能力，使计算机能够执行通常需要人类智能才能完成的任务，如学习、推理、问题解决、语言理解和视觉识别等。

人工智能的发展

// 符号主义 -> 联结主义 -> 深度学习（联结主义的体现）