我今年14岁，对神经网络非常感兴趣。我从9岁开始编程，最近发现了AI和神经网络的世界。由于我只有14岁，我的数学理解能力受到了一些限制，我对微积分一无所知。直入主题，有没有不需要高级数学的神经网络？我理解神经网络，但在反向传播上遇到了困难。没有这些数学知识，我能否高效地进行反向传播，并创建一个能够解决不仅仅是简单线性问题的neural网络？提前感谢！

回答：

很高兴看到你在这个年纪就已经达到了如此高的水平，所以我真的建议你继续编程。至于你的具体问题：
从数学角度来看，神经网络是计算机科学中的一个主题，就像其他任何主题一样：要构建一个迭代计算Fibonacci数的函数，理解底层算法及其特性当然有帮助，但这并不是实现这样一个算法的必要条件，因为有很多资料可以覆盖这类内容，而无需你对其有太多了解。

工具增加抽象

至于神经网络，市面上有很多不同的工具，其中一些你可能已经听说过。一个不完整的列表包括，例如，TensorFlow，PyTorch（我个人最喜欢的），Keras（如果需要，可以使用TensorFlow作为后端），以及许多其他工具。

所有这些工具都允许你沿着这些线路“实现反向传播”（PyTorch中的示例）：

optimizer.zero_grad()loss.backward()optimizer.step()

初始化optimizer和loss也可以很容易地完成，并且你有很多不同的选择。

但是，设计一个好的网络很难

当然，面对所有这些选择，你必须至少在一定程度上了解应该使用哪种架构（或优化器，或损失函数等）。如果你理解底层操作的作用，这将大大有帮助！即使只是高层次的理解，知道卷积的作用，均方误差与交叉熵损失的区别（这里只是随意提到一些术语）都会让生活变得更加轻松。

你的网络完全无法工作的原因可能只是代码中的一个很小的细节，与经典编程不同，计算机不会真正告诉你失败的原因。这使得调试变得更加困难，尤其是如果你缺乏对底层概念的理解。

你可以如何开始

当然，你可以从创建一个简单的neural网络开始，甚至不需要太多理解。许多列出的工具包都提供了自己的教程部分，帮助你进入这个领域。

特别是随着目前围绕神经网络的热潮，有很多（或多或少有经验的）人在创建Jupyter笔记本、GitHub页面、博客文章等，充满了有价值的示例。
就像计算机科学中的一切一样，熟能生巧，你将慢慢开始理解越来越多的底层概念。

正如Dave已经指出的那样，市面上也有一些非常浅显的解释，更侧重于理论。许多人目前正试图从完全不同的领域转向AI/ML，因此对这个主题的理解与你差不多。可惜，我是在学习了“基本数学”之后才开始接触这个主题的，所以我无法推荐任何特定的书籍/教程/作者来阅读。