第2章 微积分：AI 的学习引擎
上一章，我们把数据变成了"数字积木"。这一章要回答一个更关键的问题：AI 到底是怎么学会"改自己"的？答案藏在微积分里 - 它是 AI 的"学习引擎"。别怕，这一章不讲推导，只讲三件事：变化有多快（导数）、往哪变最猛（梯度）、一环扣一环（链式法则）。看完你会恍然大悟：微积分，不过是"开车看速度表 + 爬山看坡度"而已。
2.1 导数：瞬间的变化率
先看一个你天天用、却没细想过的东西：汽车的速度表。它显示"60 公里/小时"，可你并不是真的在 1 小时里跑了 60 公里 - 它说的是此时此刻的速度。问题来了："此刻"没有长度，速度是怎么算出来的？答案是：先算一小段路的平均速度，再把这一小段越缩越短，短到几乎不存在，就得到了"瞬间的速度"。
\[ \text{平均速度}=\frac{\Delta s\;\text{（路程变化）}}{\Delta t\;\text{（时间变化）}} \]
人话解释：Δ 读作"德尔塔"，意思就是"变化了多少"。把时间间隔 Δt 越缩越短，缩到几乎为 0，平均速度就变成了"瞬间速度" - 导数就是这么诞生的。
数学里，一个函数 \(y\) ＝ \(f\)(\(x\)) 就像一条山路：\(x\) 是你站的位置，\(y\) 是这里的海拔。想知道这段路陡不陡，就量"升高了多少 ÷ 前进了多少"，这叫平均坡度。可山路不是直的：前面可能陡，后面可能缓。于是我们做同样的事 - 把"前进的距离"缩得越来越短，得到的瞬间坡度，就是导数。
\[ f'(x)=\frac{\mathrm{d}y}{\mathrm{d}x}=\text{曲线在 }x\text{ 这一点的坡度} \]
人话解释：\(f'\)(\(x\)) 读作"f 撇 x"，发音不重要，你只需要记住：导数 ＝ 瞬间变化率 ＝ 坡度。它是正数，说明 \(y\) 在往上走；是负数，说明在往下走；是 0，说明这一带是平的。
图 2-1 曲线上的切线：切线的坡度就是导数 - P 点陡，导数大；Q 点平，导数小
什么是切线？
在曲线上取一点，顺着曲线"擦"过去画一条直线，让它只和曲线碰一下、不穿过去，这条直线就是切线。切线是曲线在这一点最忠实的"复印件" - 它的坡度，就是曲线的坡度。所以求导数，也可以看成"找切线、量坡度"。
有了"坡度"这把尺子，我们就能回答：某个变量一动，结果会变多快。下一节，先认识几张 AI 世界出场率最高的"坡度表"。
2.2 常见导数速查表
先给你吃颗定心丸：这一节不用会推导，只用会"查"和"认"。就像你会用手机计算器，不需要懂里面怎么焊电路。真正训练 AI 时，框架（比如 PyTorch）会自动帮你算导数 - 你要做的，是看得懂它算出来的东西。
那为什么还要认识这几个导数？因为读别人的模型、调参、改网络结构时，这些"老朋友"会反复冒出来。下面这张表，就是 AI 世界里出场率最高的几位：
| 函数 \(f\)(\(x\)) 导数 $f’ | \((\)x$) 人话解释 | |
|---|---|---|
| \(C\)（常数） 0 | 平路 | ，怎么走都没有坡度 |
| \(x\) 1 | 45° | 的直坡，坡度恒为 1 |
| \(x^{2}\) 2 | \(x\) 越往右 | 越陡，坡度跟着 \(x\) 涨 |
| \(x^{3}\) 3 | \(x^{2}\) 同 | 款规律，但涨得更猛 |
| \(e^{x}e^{x}\) | 神奇函数：自己的坡度和自 | 己一模一样 |
| ln \(x\) 1/$x | $ 越往右越 | 平缓，坡度越来越小 |
| sin \(x\) cos | \(x\) 波浪曲线 | ，坡度像"平移"了一下 |
| \(ax\) + \(ba\) | 直线，坡度就是斜率 \(a\) |
记不住？没关系，记住一个口诀就够：幂函数求导，把指数拿到前面当系数，指数再减一（\(x^{2}\) → 2\(x\)，\(x^{3}\) → 3\(x^{2}\)）。剩下三个"怪咖"单独记：\(e^{x}\) 的导数还是 \(e^{x}\)（自己不变）；ln \(x\) 的导数是 1/\(x\)（越往右越平缓）；常数 \(C\) 的导数是 0（平路没坡度）。
为什么 eˣ 这么特殊？
\(e\) 约等于 2.718，是个"天生会自我复制"的数：它的曲线形状，和它自己的变化率一模一样。AI 里的 sigmoid、softmax（第 3 章会讲）全都靠它，所以值得你混个脸熟。
会用就行，不用会推导
就像你按下 Ctrl+C 能复制，不必懂操作系统的源码。这张速查表就是你的"公式字典"，忘了随时翻回来。真正的 AI 框架会自动求导，你负责的是"认识它、信任它、知道它在算什么"。
最后补一句：导数不是一个数，而是一个函数 - 把每个位置的坡度都算出来，连起来又是一条线。比如 \(x^{2}\) 在每个点的坡度是 2\(x\)：\(x\) 越大，坡越陡，跟"越往上爬越费劲"的感觉一模一样。
2.3 偏导数：多变量逐个看
上一节的函数都只有一个输入。可现实世界没这么简单：房价由面积、地段、房龄共同决定；你站在山坡上，面前既有东西方向，也有南北方向。AI 里的函数，输入常常是成千上万个。
问题来了：输入这么多，怎么知道"谁"影响了"多少"？答案是：一次只动一个。就像你想知道"亮度旋钮转一格，画面变多少"，就把音量、对比度全部按住不动，只转亮度 - 转完松手，再试下一个。
这种"只动一个变量、按住其他变量"算出来的坡度，就叫偏导数。数学里用 ∂ 表示"偏"：∂\(f\)/∂\(x\) 就是"只动 \(x\) 时，\(f\) 的变化有多快"。
\[ \begin{aligned} \frac{\partial f}{\partial x}&=\text{只改变 }x\text{ 时的坡度},\\ \frac{\partial f}{\partial y}&=\text{只改变 }y\text{ 时的坡度}. \end{aligned} \]
人话解释：∂ 读作"偏"，和 d 长得像但含义不同：d 是"所有变量一起动"，∂ 是"只动一个，其余全部按住"。这是它俩唯一的区别。
图 2-2 山坡曲面：在 P 点沿东西、南北两个方向各有一条切线，坡度各不相同 - 它们就是两个偏导数
类比：调电视
一台电视的画面由亮度、音量、对比度共同决定。想知道"调亮度"的影响，就把另外两个旋钮固定住，只转亮度，看画面变化。偏导数就是这个"只转一个旋钮、其余按住"的实验 - AI 调参数，靠的正是成千上万次这样的"单旋钮实验"。
在 AI 里，模型有几十万、几百万个参数，训练时"该动哪个、动多少"，靠的就是对每个参数分别算偏导数。一个人数众多的"旋钮面板" - 这正是下一节的故事。
2.4 梯度：指向最陡的方向
偏导数告诉你每个方向有多陡，但没告诉你：该往哪个方向走？想象你在大雾天的山坡上，能感觉到脚下东边陡、北边也陡，却看不清全局。这时候你最需要的是一根"方向仪" - 告诉你往哪走最快。
这根方向仪就是梯度。梯度的做法很朴素：把每个偏导数都当成一个"小箭头"（长短＝有多陡，朝向＝那个变量的方向），然后把它们拼成一个总箭头。这个总箭头，就叫梯度 ∇\(f\)。
\[ \nabla f=\left(\frac{\partial f}{\partial x},\frac{\partial f}{\partial y}\right)\qquad\text{指向函数上升最快的方向} \]
人话解释：∇ 读作"nabla"，读音不用记，记住含义：梯度就是把每个偏导拼成一个大箭头 - 方向＝往上爬最陡的方向，长短＝有多陡。它的反方向 −∇\(f\)，就是最陡下山的方向。
AI 要的是"损失最小"，也就是往山下走，所以它每一步都朝负梯度的方向挪：∇\(f\) 是"最陡上升"，−∇\(f\) 才是"最陡下山"。这一来一回，就是下一章"梯度下降"的全部秘密。
图 2-3 等高线地形图：梯度箭头垂直穿过等高线，指向最陡上升；−∇f 掉头指向最陡下山
为什么梯度总是垂直穿过等高线？
等高线是"同一高度"的线，沿着它走高度不变，等于白走；只有垂直方向才是在快速爬升或下降。所以"垂直穿过等高线"就是梯度的"指纹"，看到它就认得。
类比：大雾天找下山路
看不见全局，只能感觉脚下哪边最陡，就朝反方向迈一步，再感觉，再迈 - 反反复复，总能下山。梯度就是那根"脚下最陡方向仪"，AI 的下山路，就是这么一步步走出来的。
2.5 链式法则：连锁反应
前面讲的函数都是一步到位：\(x\) 进来，\(y\) 出去。但 AI 里的函数是套娃 - \(x\) 先变成中间量 \(u\)，\(u\) 再变成 \(y\)。就像面包流水线：面粉 → 面团 → 面包，一环扣一环。
现在问题来了：我想让面包更松软，得先问"面粉加多少"？面粉的变化，会先影响面团，面团再影响面包。每一环都有个"传递比例"，最后的总影响，就是把每一环的比例乘起来。这就是链式法则。
\[ \frac{\mathrm{d}y}{\mathrm{d}x}=\frac{\mathrm{d}y}{\mathrm{d}u}\frac{\mathrm{d}u}{\mathrm{d}x}\qquad\text{总影响等于各步影响的乘积} \]
人话解释：它只说了一件事：\(x\) 对 \(y\) 的总影响 ＝ "\(x\) 对 \(u\) 的影响" × "\(u\) 对 \(y\) 的影响"。就像两段齿轮，每段都把转速放大 2 倍，最后就是 2 × 2 ＝ 4 倍。
图 2-4 链式法则：x → u → y 的流水线，总影响等于每步"影响箭头"相乘
为什么这一节对你特别重要？因为神经网络就是一条巨大的流水线：输入 → 第 1 层 → 第 2 层 → …… → 输出，层数可能有几百层。训练时，我们想知道"最前面那层的参数该改多少"，可误差是从最后输出的"差"往回传的 - 每一层都要"乘"一次影响比例。这个从后往前、一路相乘的过程，就是大名鼎鼎的反向传播（Backpropagation）。
记住这一句
链式法则 ＝ 连锁反应 ＝ 每一步的影响相乘。反向传播，就是链式法则在神经网络里的工程实现 - 它靠"乘法"把误差从输出端一路传回输入端，告诉每个参数该往哪调。
需要你会算吗？
不需要 - 框架会自动算。你只需要记住"连锁相乘"这个直觉。等第 7 章看到反向传播的代码时，你会一拍大腿：哦，原来就是它！
2.6 微积分在 AI 里到底干嘛
现在把这一章串成一条完整的线。先回答一个总问题：AI 的"学习"到底在干嘛？答案是四个字 - 调参数，让损失变小。损失（loss）是衡量"模型答得有多差"的一个数：答得差，损失大；答得好，损失小。
第一步：把"损失"画成一座山。横轴是参数（先简化成一个，代表所有参数），纵轴是损失。参数不同，损失不同，连起来就是一座"损失山" - 你现在的表现在山顶附近，我们想去的地方在谷底。
第二步：梯度下山。站在损失山上，用梯度这根"最陡方向仪"找路，每一步朝负梯度方向挪一小步：
\[ w_{\text{新}}=w_{\text{旧}}-\eta\frac{\partial L}{\partial w}\qquad\text{新参数=旧参数-学习率×梯度} \]
人话解释：\(\eta{}\)（学习率）就是"步子迈多大"，第 4 章会细讲，这里先混个脸熟：导数告诉方向，学习率告诉步幅。这套"摸着最陡的方向一步步往下走"的方法，就是梯度下降。
第三步：反向传播。但损失山有个麻烦：参数有上百万个，山是"百万维"的，没法一眼看全。反向传播用链式法则，从输出端把误差一路"乘"回输入端，一口气算出每个参数的偏导 - 相当于给这座百万维大山配了一台自动化测量仪。
图 2-5 训练损失下降曲线：横轴是训练轮数，纵轴是损失 - 曲线往下走，说明梯度下降让模型越学越好
类比：微积分 ＝ 方向盘 ＋ 油门
导数告诉你"往哪调、调多少"（方向盘），学习率决定"踩多狠"（油门）。没有它，AI 就只能瞎猜参数；有了它，AI 才能一步一个脚印，越学越好。
所以，微积分不是一门要背公式的课，而是 AI 的"学习引擎"：导数给它坡度，梯度给它方向，链式法则帮它穿透层层网络。现在，你手里已经握着这台引擎的钥匙了。
本章要点
- 导数 ＝ 瞬间变化率 ＝ 坡度；正负号告诉你它在上升还是下降。
- 常见导数不用会推，会用就行：\(x^{2}\) → 2\(x\)，\(e^{x}\) → \(e^{x}\)，ln \(x\) → 1/\(x\)，常数 → 0。
- 偏导数 ＝ 只动一个变量、按住其他变量看变化率（山坡的东西、南北两个坡度）。
- 梯度 ＝ 把每个偏导拼成一个箭头，指向最陡上升；−∇\(f\) 是最陡下山，AI 靠它下山。
- 链式法则 ＝ 连锁反应 ＝ 每步影响相乘；反向传播就是它在神经网络里的工程实现。
- 一句话总结：微积分让 AI 知道每个参数该往哪调、调多少。