Glassbox：让神经网络训练过程可视化的交互式教育工具

本文介绍开源教育工具Glassbox，通过实时可视化技术将神经网络内部工作机制透明化，让学习者无需编写代码即可直观理解信号传播、权重更新和反向传播等核心概念，解决神经网络学习的黑箱困境。

神经网络应用广泛但对初学者是神秘黑箱，传统学习需掌握复杂数学、编程和深度学习框架，门槛高。Glassbox作为基于浏览器的零代码工具，为这一问题提供解决方案。

Glassbox命名寓意透明化（玻璃箱），采用5输入神经元、3隐藏神经元、5输出神经元的简化结构，输入输出对应方形、圆形等五种几何形状，学习者通过点击输入形状训练网络。

遵循"观察-交互-反馈"循环：

1. 信号传播可视化：动态SVG展示信号流动，连接线粗细/颜色反映强度/正负，获胜神经元高亮；
2. 权重面板实时更新：反馈后反向传播，显示权重变化及解释；
3. 学习进度追踪：训练日志记录历史，准确率追踪量化成果。

1. 纯前端架构：单HTML文件，无框架依赖，易部署；
2. WordPress兼容：命名空间隔离避免主题冲突；
3. 实时SVG渲染：动态展示信号路径与权重变化，交互流畅。

• 降低入门门槛：零代码环境适合无编程经验者；
• 概念具象化：抽象公式转为可视化交互；
• 课堂演示工具：帮助教师生动讲解；
• 算法调试直觉：辅助工程师理解网络行为。

当前局限：网络规模小、激活函数简化、数据集固定、超参数不可调；改进建议：增加可调网络规模、激活函数选项、自定义数据上传、超参数调节功能。

Glassbox助力培养AI直觉与批判性思维，未来可发展多语言支持、进阶模式、协作功能及课程集成；作为开源项目，为教育技术社区提供参考实现。