系列导航
第一幕（5 篇）+ 第二幕（5 篇）→ 查看全部▹ 第十一篇：向量——给万物一个坐标▹ 第十二篇：矩阵——空间的变形术▹ 第十三篇：概率——拥抱不确定▹ 第十四篇：高维——超越想象力▹ 第十五篇：梯度下降——数学会学习▸ 第十六篇（本文）：终章——数学是人类的望远镜
回望：三幕十六篇
我们走了很远。让我们回望一下。
第一幕：数的觉醒——描述静止的世界
① 数 从结绳到数轴，抽象的起点
② 零 最伟大的发明，无中生有
③ 未知数 x 用字母代替未知，方程的开始
④ 坐标 数与形的统一，笛卡尔的礼物
⑤ 方程 自然界的源代码
第二幕：变化的语言——描述变化的世界
⑥ 函数 输入→输出的机器，GPT 也是函数
⑦ 指数 人脑理解不了的增长
⑧ 圆与波 三角函数的真面目
⑨ 微积分（上） 切碎看速度——导数
⑩ 微积分（下） 加起来的艺术——积分
第三幕：看不见的世界——AI 真正运行的舞台
⑪ 向量 给万物一个坐标
⑫ 矩阵 空间的变形术
⑬ 概率 拥抱不确定
⑭ 高维 超越想象力
⑮ 梯度下降 数学会学习
⑯ 终章（本文） 数学是人类的望远镜
从结绳记事走到梯度下降。从一万年前走到今天。人类走这段路花了几千年。而你只用了十六篇文章。
第一章：数学不是发明的
有一个古老的哲学争论：数学是人类发明的，还是发现的？
如果数学是"发明的"：
→ 它只是人类的符号游戏
→ 换一种文明，会发明出不同的数学
→ 数学只是"碰巧有用"
如果数学是"发现的"：
→ 数学规律早就存在，人类只是找到了它们
→ 任何文明都会发现同样的数学
→ 数学"必然有用"，因为它描述的是世界本身
证据支持"发现"：
- π = 3.14159… 不取决于你用什么语言、什么文明。古巴比伦人、古埃及人、古中国人、古希腊人——所有人都找到了同一个数
- 勾股定理 被不同文明独立发现：中国的《周髀算经》、古希腊的毕达哥拉斯、古印度的数学家——方法不同，结论相同
- 爱因斯坦用数学预言了引力波，100 年后我们真的测到了——数学怎么能预言一个还没观测到的物理现象？
物理学家 Eugene Wigner 写过一篇著名文章，标题就叫：“数学在自然科学中不合理的有效性”（The Unreasonable Effectiveness of Mathematics, 1960）。
他的困惑是：数学是人类在纸上画的符号，凭什么它能如此精确地描述宇宙？
这个问题至今没有令人满意的答案。
一句话记住： 数学不是"人造的工具"。它更像是宇宙的一种"语言"——人类不是作者，而是译者。
第二章：一万年的旅程
让我们把整个系列串成一条线：
~8000 BC 结绳记事 第①篇
~3000 BC 巴比伦 60 进制 第①篇
~600 BC 勾股定理（周髀算经） 第④篇
~300 BC 欧几里得《几何原本》 第④篇
~100 BC 《九章算术》方程术 第⑤⑫篇
~628 AD 零的发明（印度） 第②篇
~825 AD 代数学（花拉子密） 第③篇
1637 坐标系（笛卡尔） 第④篇
1654 概率论（帕斯卡/费马） 第⑬篇
1687 微积分（牛顿/莱布尼茨）第⑨⑩篇
1812 傅里叶变换 第⑧篇
1854 布尔代数 AI 逻辑的基础
1948 信息论（香农） 压缩即智能
1986 反向传播 第⑮篇
2017 Transformer 全系列的终点
一万年的积累，才有了今天的 AI。
每一步都建立在前一步之上。没有"零"就没有位值制，没有位值制就没有计算机；没有坐标系就没有函数，没有函数就没有导数；没有导数就没有梯度下降，没有梯度下降就没有 GPT。
数学的进步是累积的。每一个概念都是一块砖，拿掉任何一块，上面的一切都会塌。
第三章：AI 的数学全景
现在我们可以画一张完整的图——GPT 的一次推理过程中，用到了多少数学：
输入 "数学是" → 输出 "美丽的"
背后发生了什么：
1. 分词（tokenization）
"数学是" → [token_1, token_2]
2. 嵌入（embedding）→ 向量（第⑪篇）
每个 token → 768 维向量
3. 位置编码 → 三角函数（第⑧篇）
sin/cos 编码位置信息
4. Attention → 矩阵变换（第⑫篇）+ 点积（第⑪篇）
QKV 投影 = 三次矩阵乘法
注意力分数 = 向量点积
5. softmax → 指数函数（第⑦篇）+ 概率（第⑬篇）
e^x 把分数变成概率
6. 前馈网络 → 矩阵（第⑫篇）+ 函数（第⑥篇）
矩阵变换 + 激活函数
7. 输出概率 → 概率分布（第⑬篇）
P(下一个词 | 前文)
8. 采样 → 概率（第⑬篇）
从分布中选一个词
全程在高维空间（第⑭篇）中进行。
而让这一切成为可能的训练过程 = 梯度下降（第⑮篇）。
你学过的每一个概念，都在这里了。
没有一个是多余的。数、函数、指数、三角函数、微积分、向量、矩阵、概率、高维、梯度——这十六篇覆盖的概念，恰好是理解 AI 所需的全部数学基础。
第四章：数学是望远镜
1608 年，荷兰人发明了望远镜。1609 年，伽利略把望远镜对准天空，看到了木星的卫星、月球的环形山、银河系的星星。
望远镜没有创造星星。星星一直在那里。望远镜只是让人类看见了它们。
数学也是如此。
| 数学工具 | 让你看见了什么 |
|---|---|
| 数和坐标 | 万物可以被量化和定位 |
| 函数 | 变化有规律可循 |
| 指数 | 增长可以超出想象 |
| 三角函数 | 万物皆有周期 |
| 微积分 | 无穷小的累积产生有限 |
| 向量 | 事物可以用一组数来描述 |
| 矩阵 | 空间可以被变换 |
| 概率 | 不确定性可以被管理 |
| 高维 | 复杂性有容身之处 |
| 梯度下降 | 机器可以自己"学习" |
这些东西——变化的规律、增长的本质、不确定性的结构——它们一直存在。数学只是让你看见了它们。
就像望远镜让你看见了一直存在的星星。
而 AI，是这架望远镜最新的一片镜片。 它让人类看见了更多原本看不见的东西：文本中的语义结构、图像中的深层特征、蛋白质的折叠方式、新药的分子结构。AI 不是在"创造"知识，而是在帮人类"看见"更多。
第五章：写给读完这个系列的你
如果你真的从第一篇读到了这里——
你知道了"数"是怎么被发明的
你知道了"零"为什么伟大
你知道了方程是自然界的源代码
你知道了函数是万能的输入-输出机器
你知道了指数增长为什么总让人措手不及
你知道了 sin/cos 为什么出现在 AI 里
你知道了微积分就是"切碎"和"加回来"
你知道了向量是"给万物一个坐标"
你知道了矩阵是"空间的变形术"
你知道了概率是"用数学管理无知"
你知道了高维空间大得超乎想象
你知道了 AI 的学习就是"蒙眼下山"
你没有"学会"这些数学。
但你"看见"了它们。
看见，是理解的第一步。
你不需要会手算矩阵乘法。你不需要记住求导公式。你只需要知道——
当有人说"AI 做了一次矩阵变换"时，你知道那是什么意思。
当有人说"模型在做梯度下降"时，你知道那是怎么回事。
当有人说"这是一个 768 维的向量空间"时，你不会觉得这是咒语。
这就够了。
尾声
古人仰望星空，发明了历法。
牧羊人数羊群，发明了自然数。
商人计算利息，需要了指数。
物理学家追踪运动，需要了微积分。
工程师设计 AI，需要了向量、矩阵、概率、梯度。
每一次，数学都是人类为了"看见更多"而伸出的手。
而现在，AI 正在用同样的数学，帮人类看见更多。
这个故事还在继续。
《看见数学》系列 — 从结绳记事到 AI，看见数学之美。全 16 篇，完结。
本文首发于「AI 学习笔记」博客：https://Jason-Azure.github.io/ai-blog/
微信公众号：AI-lab学习笔记
系列文章完整列表见 标签：看见数学
