AI 技术的核心本质是什么

有一本科普书籍专门讲AI技术背后的原理，书名《Why Machines Learn: The Elegant Math Behind Modern AI》，中文一般翻译为《人工智能背后的数学原理》,这本书不讲AI具体的算法，也不讲实现AI的代码，是一本纯叙述的AI科普书籍，非常适合非AI行业，但对AI感兴趣的人阅读。

本书作者Anil Ananthaswamy是一名专职科普作家，擅长将复杂科学用大众语言呈现给读者。书中将机器学习背后的数学知识做了详尽的阐述，读者最好对线性代数、概率等基础数学知识有一定的了解。

这本书可以帮助理解AI为何能够自动输出内容：

• 1、线性代数：将海量数据表示为向量，定义模型的表达空间。
• 2、微积分：优化模型。
• 3、概率：让模型做出决策（输出内容）。

说得更简洁一点，就是通过训练已知数据，在表达空间中确定了一个参数规模极大（万亿）的函数，这个函数被称做模型，最后将这个模型供用户使用，用户向AI询问，相当于函数的输入，AI回答问题，相当于函数的输出。当然这个函数与一般的函数不同，它由数据堆叠为高维空间，人类只能对它进行调优，不能像普通函数那样想怎么改就怎么改。

为什么上面要说“确定了一个函数”，而不能说“生成了一个函数”，难道这个函数原本就存在，只是正好被人类发现了吗？不过机器学习的拟合过程看起来确实很像是在寻找最优的那个函数，好像是当数据准备好的时候，这个函数就存在了。

本书还对Transformer架构做了简单的介绍，这是目前主流模型的通用架构，但是仍然有许多弊端，相信未来一定会有计算复杂度较低的架构模式。

书籍下载地址：Why Machines Learn: The Elegant Math Behind Modern AI