AI的创造力，源于它的‘不完美’
你有没有想过一个细思极恐的问题：AI画图模型见过的照片就那么些，为什么它吐出来的图，几乎每一张都是世界上从没出现过的新面孔？大多数人的答案是"AI有创造力"，说完就翻篇了，但这句话经不起数学推敲：扩散模型训练时死磕的目标，是精确复刻训练集里每张图对应的统计规律。 这个目标学到分毫不差，去噪过程会像被钉住一样，把噪声一路拉回某张训练图，学得越准，越该变成一台高级复印机。那问题来了：它到底是怎么绕开这条死路，画出训练集里压根不存在的东西的？2026年7月15日，Google Research
人工智能的数学基础：优化算法入门指南
阅读指南：本文为零基础读者精心设计。你无需任何数学基础，只需保持好奇心和耐心即可。本文的核心思想：通过日常生活的类比来理解抽象概念，用直觉感知取代死记硬背。⚠️进阶提示：文中标有 📌 的内容是为希望深入理解的读者准备的补充材料，首次阅读时可以选择性跳过，这不会影响你对整体内容的把握。💡数学家的惯例：为与机器学习领域的习惯保持一致，本文统一讨论最小化问题。日常生活中"最大化满意度"等同于"最小化不满意程度"（只需给目标函数加上负号即可）。因此后文所有的"下山"、"谷底"、"寻找最低点"，本质上都是在寻找最小
易知AI | 线性回归：医疗预测的利器
从探寻最佳直线到临床血压预测，揭开连续值预测的神秘面纱在易知AI|为何要懂AI的探讨中，我们提及了机器学习的核心能力——“预测”。那么在医疗健康场景下，当健康管理师需要估算“运动3小时能导致多少体重波动”，或者医生想预判“患者的血压会出现何种起伏”，应采用何种算法来实现精准估算呢？答案便是线性回归。作为机器学习中最基础且经典的算法，它是构建复杂预测模型的基石，凭借易懂且可解释的优势，成为医疗领域进行连续值预测的实用工具。在易知AI|未懂这两个模型，别称自己懂AI医疗：线性回归与逻辑回归全解析中已有涉及，本