返回首页 人工智能与数学 教程

A hands-on introduction to AI

人工智能与数学:
从使用者到创造者

数学不是 AI 之外的一道门槛。概率告诉我们如何更新判断,向量把相似性变成几何,注意力帮助模型挑选上下文,智能体则把模型接进可以执行的任务。沿着六个小实验,一步步把这些概念连起来。

建议用时 90 分钟无需编程基础6 个可交互实验适合自学与课堂演示
下载配套课程讲义 PDF ↘

每一讲怎么学

先带着问题做实验,再解释观察到的现象;最后用一个问题检查自己是否能把概念讲给别人听。

提出问题→动手观察→解释机制→连接 AI

六个概念,六次动手验证

建议按顺序学习。每个实验都可以单独打开,也适合教师投屏后让学生先预测、再操作、最后讨论。

01 · 概率与信息约 12 分钟

换门为什么更容易赢?

用蒙提霍尔游戏区分“剩下两扇门”与“主持人知道答案后选择打开一扇门”。关注主持人的规则如何改变条件概率。

带走:换门获胜概率为 2/3,关键在于主持人的选择不是随机的。
开始三门实验 ↗
02 · 向量与表示约 15 分钟

AI 怎样把词语放进空间?

从点、线、平面走向高维向量。通过移动和比较表示,理解“语义接近”如何转化为空间里的相似关系。

带走:向量是可计算的表示;距离或方向只在选定的表示和度量下有意义。
探索维度与嵌入 ↗
03 · 高维数据约 12 分钟

维度越多,为什么反而越难?

观察空间扩张怎样让数据变稀疏,认识维度灾难对距离、样本量与模型泛化的影响。

带走:增加特征不自动带来更多信息;高维建模需要足够数据、合适表示和验证。
打开维度实验,在页面中选择「维度的诅咒」 ↗
04 · Transformer约 18 分钟

Transformer 如何处理上下文?

用“并行查看上下文”的直觉认识 Transformer,分清输入表示、位置关系、注意力与逐步生成的作用。

带走:模型根据上下文计算下一个词元的分布,再按解码策略生成内容。
拆开 Transformer ↗
05 · 注意力机制约 18 分钟

Q、K、V 与多头注意力

把 Query 看作当前要找的信息,Key 看作可匹配的线索,Value 看作要汇总的内容;比较单头和多头视角。

带走:注意力权重表达当前计算中的信息分配,不等于模型完整的解释或因果证明。
运行注意力实验 ↗
06 · 智能体与决策约 15 分钟

聊天机器人怎样变成智能体?

用任务、环境、工具与反馈解释智能体的执行循环,再用迷宫认识状态、动作、奖励和策略。

带走:能调用工具不代表可靠;目标、权限、失败处理与结果验收都要设计。
比较聊天机器人与智能体 ↗继续迷宫决策实验 ↗

继续把 AI 用到真实问题里

理解概念之后,可以进入数据分析课堂:选择统计方法、设计可复核分析流程,再把 Dify 工作流或科研智能体搭建出来。

进入 AI 数据分析互动课堂 →

常见问题 FAQ

关于这门课最常被问到的几件事。

这门课适合谁?

适合零基础的 AI 使用者与初学者:无需编程基础,建议用时 90 分钟;6 个可交互实验也适合教师投屏后带课堂演示。

讲什么?

从概率、向量讲到注意力机制、Transformer 与智能体:概率帮我们更新判断,向量把相似性变成几何,注意力帮助模型挑选上下文,智能体把模型接进可执行的任务。

有几个实验?

6 个可交互实验:三门问题、维度与嵌入、维度灾难、Transformer 拆解、多头注意力、智能体与迷宫决策,每个实验都可以单独打开。

有配套材料吗?

有。页面提供可下载的课程讲义 PDF,每个实验还配一条「带走」结论,方便课后复习和讲给别人听。