Я, будучи противником концепции "Аааа, ИИ наступает, скоро скайнет, ааа!!!", всегда неформально объясняю студентам так:
1. "Нейронная сеть" - это всего лишь такой продвинутый "фильтр", по сути - решето с гибким размером сетки. Её задача чаще всего - классификация, отбор, отделение условных "зёрен" от "плевел".
Это никакой не "искусственный разум"!
2. Для такого "отбора" нам надо как-то задать критерии, чем одно отличается от другого. Поскольку и мир неидеален, и зёрна неидеальны, и решето неидеально, нам также нужна "погрешность" - порог срабатывания, threshold, допуск, люфт, позволяющий пропустить "нестандартное, но ещё зерно".
3. Процесс подбора коэффициентов ("весов") по сути - тонкая настройка, калибровка, подгонка этого "решета".
4. Для упрощения подгонки применяются математические алгоритмы, по сути статистические, вероятностные, которые так или иначе усредняют подаваемый на вход массив возможных данных чтобы получить на выходе такие коэффициенты, при которых это "сито" будет работать с приемлемой (поддающейся оценке, известной, расчётной или требуемой для данной задачи) точностью.
Это и есть всё "обучение". По сути мы пишем алгоритм, который на основании измеренного разброса вариаций входных данных выдаёт нам такие коэффициенты, при которых сито будет пропускать большинство нужных "зёрен" и не пропускать большинство шелухи.
Замени эти слова на другие. Не "обучение", а "подбор коэффициентов", не "думает", а "фильтрует", не "нейронная сеть", а "нечёткий классификатор", и многое станет проще и понятнее.