原则
误差驱动学习
模型学习的核心不是神秘智能，而是持续比较目标与输出，再让误差推动参数更新。
原则释读
只要明白误差不仅是“错了多少”，更是在提示“该往哪里调”，很多训练公式都会一下清晰起来。神经网络的聪明，很大程度上来自它会反复利用误差修正自己。
为什么重要
这是理解反向传播、学习率和训练轮次的总钥匙。
怎么用到自己的学习/工程系统
看训练代码时，优先盯住损失、梯度和权重更新三件事的关系。
行动规则
- 误差不是终点，而是方向提示。
- 更新的目标是减少未来误差。
- 学习是多轮微调，不是一次跳到答案。
常见误区
- 只看预测结果，不看误差如何回流。
- 把训练理解成记忆而不是修正。
辨析题
神经网络为什么能越训越像答案？
因为每一轮都会把目标与输出的差异重新转成权重该如何微调的信号。
