学习人工智能已经快两年多啦，加之以前在数学系对纯数学有过几年的臆想磨练，自我感觉是有一点心得的，一路走来，各种绕弯苦痛。
比如，先要实战，就是一行一行的代码你要能敲出来，或者会调用库TensorFlow/Pytorch工具给人一个展示。 好，当你好不容易学会调用几个接口或GitHub上下个源码鼓捣出来了，问: 您知道原理吗？一些参数的细节该如何解释？为什么会过拟和呢？神经网络有可解释性吗？这......
好，要懂理论，不就是数学嘛？这汪洋大海！分析，代数，概率论足以让人苦不堪言...... 赫，好不容易理论方面，感觉有点醍醐灌顶了；敲代码、调接口、手已不听使唤，早忘光了（这是人脑的特点）！
不行，要实战，要有实战能力！光理论不行，且更有甚者可能还会拿PDE(偏微分方程），泛函，抽代，拓扑....来说事，让你进入下一轮循环。殊不知，这可都是九阴真经中的九阴真经啊......计算机的那二进制真的能接得住招吗？
如此循环往复，若是能跳出来一看，有时不免觉得好笑。
......
希望很多人能够快速的“醍醐灌顶”，然后跳出来。所以，近期，我决定来做这个捅破窗户纸的工作---窥探AI的数学本质！让您早日看清这个循环的把戏，但注意，不是从失败的资本投资或相应管理者角度，看衰它。
若用几句话简短的话总结一下AI的本质，立马能映入脑中的只有：
模型的最初源头---最小二乘法
计算机求解的基本算法---梯度下降，本质就是导数
解决问题的核心思想---函数逼近，数学语言叫函数拟和，再专业一点称为调和分析
概率统计思维的基石---贝叶斯推断，高斯分布加微积分
模型用先验假设结合后验统计数据---理论到实际的过程
算法采用极大似然法直接求解是数学技巧，用梯度下降就是计算机的专长
神经网络---只不过是一种全新的拟和思想，拟和因子变成了矩阵操作而已
......
总结成一句话，就是微积分加拟和，好像再无更多！
当然，具体展开有不少细小知识点与数学技巧，也并不神秘，未来计划逐一展开，欢迎大家关注公众号---数学之水，敬请期待。
这儿先给大家一个whole picture，愿您相信，也坚信，如果看完本公号的所有系列讲解，您一定能与我的想法吻合。
