看见数学（六）：函数——万能的输入-输出机器

第一幕，我们学会了描述静止的世界：数、零、x、坐标、方程。

但真实的世界不是静止的。温度在变，速度在变，你的心跳在变，股价在变。

第二幕的主题是：变化。

而要描述变化，我们首先需要一个新工具——函数。

系列导航

第一幕 · 数的觉醒（5 篇）→ 查看全部

▸ 第六篇（本文）：函数——万能的输入-输出机器 【第二幕开篇】

▹ 第七篇：指数爆炸——人脑理解不了的增长

▹ 第八篇：圆与波——三角函数的真面目

▹ 第九篇：微积分（上）——追问"此刻"

▹ 第十篇：微积分（下）——加起来的艺术

第一章：一台自动售货机

想象一台自动售货机。

你投进去 3 块钱，它吐出来一瓶矿泉水。 你投进去 5 块钱，它吐出来一瓶可乐。 你投进去 8 块钱，它吐出来一杯咖啡。

        ┌─────────────────┐
        │                 │
  输入  │   自动售货机     │  输出
 ──────→│   (一台机器)     │──────→
  3 元  │                 │  矿泉水
  5 元  │                 │  可乐
  8 元  │                 │  咖啡
        │                 │
        └─────────────────┘

  规则明确：每个输入对应一个确定的输出
  你不会投 3 块钱进去，有时出矿泉水有时出咖啡

这就是函数的本质：

给一个输入，得一个确定的输出。

数学家把这件事写成一行符号：

f(x) = y

f  = 这台"机器"（函数）
x  = 你投进去的东西（输入）
y  = 机器吐出来的东西（输出）

就是这么简单。函数 = 一台有明确规则的机器。你给它一个东西，它按规则返回一个结果。

一句话记住： 函数不是一个高深的数学概念。函数就是一台"输入→输出"的机器。你每天都在和函数打交道——只是没人告诉你它叫函数。

第二章：你身边全是函数

一旦你理解了"输入→输出"，你会发现——函数无处不在。

看到了吗？每一个有明确规则的"输入→输出"过程，都是函数。

但这里有一个关键：输入一样，输出必须一样。

你在同一台计算器上按 3 + 5，不可能有时候出 8，有时候出 9。这就是函数的铁律——同样的输入，永远得到同样的输出。

古人也懂这个道理。《荀子》说："规矩诚设矣，则不可欺以方圆。"——规矩（规则/函数）一旦定下来，结果就是确定的。

第三章：函数的数学面孔

把函数从日常生活搬到数学里，最常见的形式是：输入一个数，输出一个数。

f(x) = 2x + 1

  投入 x = 0  →  吐出 2×0+1 = 1
  投入 x = 1  →  吐出 2×1+1 = 3
  投入 x = 2  →  吐出 2×2+1 = 5
  投入 x = 10 →  吐出 2×10+1 = 21

规则很简单：乘以 2，再加 1

上一篇我们学了坐标系。现在我们知道——每个函数都可以画成一幅图。

把所有的 (x, f(x)) 画在坐标系上：

f(x) = 2x + 1

     y
  7 ─┤            ★
     │          ╱
  5 ─┤        ★
     │      ╱
  3 ─┤    ★
     │  ╱
  1 ─★
     │
 ────┼────┼────┼────→ x
     0    1    2    3

一条直线！

不同的函数，画出来就是不同的"脸"。 这就是函数的"相貌"：

直线 f(x) = 2x + 1      抛物线 f(x) = x²
         ╱                      ╱╲
       ╱                      ╱    ╲
     ╱                      ╱        ╲
   ╱                      ╱            ╲
"匀速变化"              "先慢后快"或"先快后慢"


波浪 f(x) = sin(x)      S 形 f(x) = sigmoid(x)
     ∿∿∿                         ╱───
   ∿    ∿                      ╱
  ∿      ∿                   ╱
"周期循环"              "从 0 渐变到 1"


阶梯 f(x) = 取整          ReLU f(x) = max(0,x)
   ┌──┐                         ╱
 ──┘  └──┐                    ╱
         └──┐              ──╱
"整数跳变"              "负数归零"(第二篇学过！)

看到函数的"脸"，你就能直觉地理解它的"性格"：

• 直线 = 稳定、匀速、可预测
• 抛物线 = 先慢后快（或先快后慢），有一个顶点
• 波浪 = 周而复始、循环往复（心跳、四季、潮汐）
• S 形 = 从"几乎没有"平滑过渡到"几乎全部"（概率、信心）
• ReLU = 负数全关，正数全放（神经网络的开关——第二篇讲过）

一句话记住： 函数的图像就是它的"性格写照"。看一眼图形，你就知道这个函数在描述什么样的变化。

第四章：线性 vs 非线性——世界的真相

在所有函数中，有一条最重要的分界线：线性和非线性。

线性：直线的世界

线性函数：f(x) = kx + b

  - 画出来是直线
  - 变化是均匀的：x 每增加 1，y 就增加 k
  - 可预测：知道了 k 和 b，一切尽在掌握

线性关系很好理解：时薪 50 元，工作 8 小时挣 400 元。工作 16 小时挣 800 元。简单、直接、等比例。

但问题是——现实世界几乎没有东西是线性的。

非线性：弯曲的真相

人类的直觉是线性的——我们天生觉得"多一倍投入就多一倍产出"。但自然界几乎所有规律都是非线性的。

这就是为什么：

• 你觉得"每天学一小时，100 天就能精通"——但实际上学习曲线是弯的
• 你觉得"存钱翻倍需要双倍时间"——但复利让翻倍越来越快
• 你觉得"病毒传播是线性的"——但指数增长让你措手不及

非线性是世界的真相。而数学的威力，就在于它能精确描述这些弯曲。

一句话记住： 人类的直觉是线性的（一条直线），但世界的真相是非线性的（各种弯曲）。数学帮你看见弯曲——这就是它的价值。

第五章：函数的"组装"——从简单到复杂

一个函数很简单。但函数最强大的特性是——它们可以组装。

函数套函数

f(x) = 2x        （乘以 2）
g(x) = x + 1     （加 1）

g(f(x)) = ?
  先把 x 投入 f → 得到 2x
  再把 2x 投入 g → 得到 2x + 1

g(f(3)) = g(6) = 7

这就像工厂的流水线：

原料 x
  │
  ▼
┌──────┐    ┌──────┐    ┌──────┐
│ 第一道│    │ 第二道│    │ 第三道│
│ 工序  │───→│ 工序  │───→│ 工序  │───→ 成品 y
│ f₁(x) │    │ f₂    │    │ f₃    │
└──────┘    └──────┘    └──────┘

每道工序是一个函数
整条流水线也是一个函数（一个大函数 = 三个小函数套在一起）

这正是神经网络的工作方式。每一"层"就是一个函数，整个网络就是几十个函数套在一起的流水线。

中国的"流水线"智慧

说到流水线，中国古代也有类似的思想。

《考工记》（约公元前 5 世纪）是中国最早的手工业技术文献。书中记载了制造一辆车需要的多道工序——每道工序的"输入"是上一道的"输出"。这不就是函数的组合吗？

更精确的例子是算筹——中国古代的计算工具。用算筹做乘法时，每一步的结果是下一步的输入。一步一步，最终得到答案。算筹运算的每一步，就是一次函数调用。

第六章：连接 AI——GPT 是一个函数

现在，让我们做一个大胆但准确的声明：

        ┌─────────────────────────┐
        │                         │
  输入  │         GPT             │  输出
 ──────→│  （一个超大型函数）       │──────→
 "今天  │                         │ "真好"
 天气"  │  几十亿个参数            │
        │  几十层流水线            │
        │                         │
        └─────────────────────────┘

  f("今天天气") = "真好"
  f("1+1等于") = "2"
  f("写一首关于春天的诗") = "春风又绿江南岸..."

认真的。把所有复杂性剥掉，GPT 做的事情就是：

接收一段文字（输入），输出下一个最可能的词（输出）。

它是一个函数。一个非常非常大的函数。

区别在哪？

1. 规模：自动售货机有几个按钮，GPT 有 1750 亿个"旋钮"（参数）
2. 规则来源：售货机的规则是人写的，GPT 的规则是从数据中学来的
3. 非线性：GPT 是一个极其复杂的非线性函数——几十层嵌套，每层都有非线性激活

但框架完全一样：输入 → 处理 → 输出。

亲眼看一看

让我们用实验室里的迷你模型 microgpt 来验证"AI 是函数"：

azureuser@ai-lab:~$ cd ~/microgpt && python3 -c "
# microgpt 训练后的模型，就是一个函数
# 输入：前几个字母   输出：下一个字母

# 模拟：函数的输入输出
inputs_outputs = [
    ('Ma', 'r'),    # 输入 Ma → 输出 r（Mary）
    ('Jo', 'h'),    # 输入 Jo → 输出 h（John）
    ('Tr', 'e'),    # 输入 Tr → 输出 e（Trey）
]

print('microgpt 就是一个函数：')
print('─' * 35)
for inp, out in inputs_outputs:
    print(f'  f(\"{inp}\") = \"{out}\"')
print()
print('输入前两个字母，输出最可能的下一个字母')
print('和自动售货机是同一回事——只是规则是学来的')
"

microgpt 就是一个函数：
───────────────────────────────────
  f("Ma") = "r"
  f("Jo") = "h"
  f("Tr") = "e"

输入前两个字母，输出最可能的下一个字母
和自动售货机是同一回事——只是规则是学来的

一句话记住： 不管 AI 看起来多么智能、多么神秘，剥开所有外衣，它就是一个函数——一个有几十亿个旋钮、经过海量数据调校的、巨大的"输入→输出"机器。理解了函数，你就理解了 AI 的骨架。

第七章：为什么函数是第二幕的起点？

函数之所以是第二幕的起点，是因为它引入了数学中最重要的概念之一：

变化。

在第一幕里，方程描述的是固定的关系——x + y = 35 永远成立，不随时间改变。

但函数天然地描述了变化——当 x 变化时，f(x) 跟着变化。

有了函数，新的问题涌出来了：

❶ 变化有多快？
   → 导数（微积分的第一个主角）

❷ 变化会爆炸吗？
   → 指数函数（下一篇）

❸ 变化会循环吗？
   → 三角函数（第八篇）

❹ 变化的总量是多少？
   → 积分（微积分的第二个主角）

这些都是第二幕要回答的问题。
而函数，是它们共同的起点。

《道德经》说： “道生一，一生二，二生三，三生万物。”

在数学的世界里，函数就是那个"一"。从函数出发，长出了微积分、概率论、信号处理、控制理论……长出了整个现代数学和现代科技。

动手实验

实验一：建一台你自己的"函数机器"

# 你来定义函数的规则！

def my_machine(x):
    """你的函数：输入一个数，输出一个数"""
    return 3 * x - 2

# 测试你的机器
print("我的函数机器：f(x) = 3x - 2")
print("─" * 30)
for x in range(-3, 6):
    y = my_machine(x)
    bar = "█" * max(0, y + 12)  # 简易图表
    print(f"  f({x:>2}) = {y:>3}  {bar}")

# 输出：
# 我的函数机器：f(x) = 3x - 2
# ──────────────────────────────
#   f(-3) = -11  █
#   f(-2) =  -8  ████
#   f(-1) =  -5  ███████
#   f( 0) =  -2  ██████████
#   f( 1) =   1  █████████████
#   f( 2) =   4  ████████████████
#   f( 3) =   7  ███████████████████
#   f( 4) =  10  ██████████████████████
#   f( 5) =  13  █████████████████████████

实验二：函数的组合——流水线

# 三个简单函数组成一条流水线

def f1(x):
    """第一道工序：乘以 2"""
    return x * 2

def f2(x):
    """第二道工序：加 10"""
    return x + 10

def f3(x):
    """第三道工序：如果负数就归零（ReLU！）"""
    return max(0, x)

# 流水线：f3(f2(f1(x)))
print("三步流水线：乘2 → 加10 → ReLU")
print("─" * 45)
for x in [-8, -5, -3, 0, 2, 5, 10]:
    step1 = f1(x)
    step2 = f2(step1)
    step3 = f3(step2)
    print(f"  x={x:>3} → ×2={step1:>3} → +10={step2:>3} → ReLU={step3:>3}")

# 输出：
#   x= -8 → ×2=-16 → +10= -6 → ReLU=  0
#   x= -5 → ×2=-10 → +10=  0 → ReLU=  0
#   x= -3 → ×2= -6 → +10=  4 → ReLU=  4
#   x=  0 → ×2=  0 → +10= 10 → ReLU= 10
#   x=  2 → ×2=  4 → +10= 14 → ReLU= 14

# 这就是一个最简单的"神经网络"！
# 线性变换(×2) + 偏置(+10) + 激活函数(ReLU)

本篇小结

下一篇预告

函数描述了"输入→输出"的关系。有些函数温和——线性，直线，可预测。

但有一种变化，温和到你注意不到它，然后突然炸开。

把一张纸对折 42 次，厚度能从地球到月球。信吗？

一粒米放在棋盘第一格，每格翻倍，64 格之后有多少米？

答案是：全世界的粮食都不够填。

这就是指数增长——人类大脑天生的盲区。理解它，就理解了为什么 AI 的进步让所有人"措手不及"。

下一篇：看见数学（七）：指数爆炸——人脑理解不了的增长