1. 什么是机器学习（Machine Learning）？
为什么适合：AI的核心基础，解释计算机如何从数据中学习，简单易懂（如推荐系统），是青少年入门AI的理想起点。
2. 什么是深度学习（Deep Learning）？
为什么适合：机器学习的子集，介绍神经网络的基本思想，关联现实应用（如图像识别），易于通过例子理解。
3. 什么是神经网络？（Neural Network）?
为什么适合：深度学习的基础组件，用“神经元”类比解释（类似人脑），直观且激发兴趣。
4. 什么是决策树（Decision Tree）？
为什么适合：简单算法，易于可视化（如流程图），青少年可通过游戏或日常决策例子学习。
5. 监督学习、无监督学习、强化学习都是什么？
为什么适合：覆盖主要学习类型，用生活例子解释（如监督学习像老师指导），帮助青少年理解AI如何“学习”。
6. 什么是卷积神经网络CNN？
为什么适合：专注于图像处理，直观应用（如手机人脸识别），视觉示例易于青少年 grasp。
7. 什么是循环神经网络RNN？
为什么适合：处理序列数据（如语音或文本），关联日常应用（如语音助手），简单介绍时间依赖概念。
8. 什么是自然语言处理（ Natural Language Processing, NLP）
为什么适合：应用领域，涉及语言和聊天机器人，贴近青少年生活（如社交媒体），有趣且易引发共鸣。
9. 什么是 GAN（生成对抗网络）？
为什么适合：生成模型，创造内容（如AI艺术），趣味性强，能激发创造力。
10. 什么是 Attention（注意力机制）？
为什么适合：机制性概念，解释AI如何“聚焦”重要信息（如翻译句子），类比人类注意力，易于理解。
11. 什么是transformer？
为什么适合：现代NLP的基础架构，基于注意力机制，解释高效处理文本的原理，为学习GPT/BERT铺垫。
12. 什么是 GPT？
为什么适合：知名大语言模型（如ChatGPT），青少年可能熟悉，通过聊天示例解释生成式AI。
13. 什么是 BERT？
为什么适合：另一个流行模型，用于理解语言上下文（如搜索），与GPT互补，展示AI多样性。
14. 什么是迁移学习（Transfer Learning）？
为什么适合：实用技术，解释AI如何复用知识（如用猫狗识别模型识别新动物），节省资源，概念实用。
15. 什么是联邦学习（Federated Learning）？
为什么适合：隐私保护技术，涉及分布式学习（如手机数据不共享），讨论伦理问题，适合培养责任感。
