ARTICLE · 1094891
导数:AI 怎么＂看＂变化快慢?
白话数学 · 第9篇
降维那两篇讲完，翻篇了。从这里开始进入微积分。先别皱眉，导数这个词听着唬人，其实你每天都在用它，只是没往那个方向想过。
01先说一个你天天做的事
开车的时候，你低头看一眼仪表盘，速度表指着 60。
这个 60，不是你今天从家到公司那一路的平均速度。
是你低头这一下，车跑得有多快。
两个数经常差得很远。早高峰堵了半小时，全程平均可能只有 20。可你在高架上踩到 80 的那一下，表就是 80。
导数要算的，是后面这个。
它盯的是某一瞬间的快慢，不是一段路的平均。
02平均和瞬间，差在哪
举个数。
一辆车，1 秒往前挪了 3 米。这 1 秒里，平均每秒走 3 米。
可它可能是前 0.5 秒慢慢起步，后 0.5 秒猛地蹿出去。平均下来是 3 米，每一刻却都不一样。
想知道第 0.6 秒那一下到底多快，只能把时间切得更细。0.1 秒、0.01 秒、0.001 秒……
切得越细，就越接近那一瞬间的真实速度。
数学上把这个动作写成这样。
平均变化率 = Δy ÷ Δx
Δ 读作「德尔塔」，意思就是「变化了多少」。这个符号第一次见容易记不住，多念两遍就顺了。
然后让 Δx 一点点变小，小到趋近于 0。这时候稳定下来的那个数，就是导数。
导数 = lim(Δx→0) Δy ÷ Δx
03把曲线放大，它看着就直了
导数在图上是什么？是斜率。
陡坡斜率大，缓坡斜率小，平地斜率是 0。
麻烦在于，曲线是弯的。每一处的陡缓都不一样，没有统一的斜率。
办法是，把曲线放大到足够近。近到那一小段看着就是直的。
图里画的就是这件事。在曲线上取 A、B 两个点连一条线，这是「平均」的想法。让 B 一点点往 A 挪，这条线会慢慢转到某个角度，然后就不再动了。
最终停住的那个位置，叫切线。它的斜率，就是 A 点的导数。
图1 ｜ B 越靠近 A，割线越接近切线，斜率也越接近导数
04几个导数，看一眼就行
不用你手算，但这几个记住不亏。
x² 求导＝ 2x。x 越大，涨得越快
x³ 求导＝ 3x²
常数 5 求导＝ 0。它压根不变，谈不上变化快慢
直线 2x 求导＝ 2。直线的斜率，处处一样
末尾那条值得单独提一句。常数求导是 0。这条以后会反复用到，它的意思是，不变的东西在求导这一步会自动消失。
05AI 为什么天天要用它
神经网络训练的时候，会先算一个「错得有多离谱」的分。这个分叫损失。
训练要干的事，就是把它压到最低。
想象你站在一座山上，四周全是雾。你看不见路，只能感觉到脚下这一小块地面的倾斜。
导数就是这个倾斜。它告诉你，往哪边迈一步能往下走。
图2 ｜ 顺着导数指的下坡方向走，一步步挪到最低点
每迈一步，重新测一次脚下的倾斜，再定下一步往哪走。这么重复几千几万次，就慢慢挪到谷底了。
这套走法叫梯度下降，下一篇细讲。
它的地基是导数。没有导数，AI 就只能瞎试。
06一句话记住
导数是变化快慢。是某一点的切线斜率。也是下坡的方向。
三个说法，说的是同一件事，只是场合不同。
速度表上的数字、曲线上的切线斜率，都是它。
你脚下这座山有多陡，也是同一个道理。
AI 学东西的每一步，都踩在导数上。
一句话总结
导数是某一瞬间的变化快慢，不是一段路的平均。
在图上，它就是曲线某一点的切线斜率。
算法是让 Δx 趋近 0，看 Δy ÷ Δx 稳定在哪个数。
AI 靠它找下坡方向，这套走法叫梯度下降。
— END —
上一篇回顾 · 白话数学 第8篇
AI 把数据压小，凭什么不丢重点？
PCA / LDA / SVD / 自编码器，四种降维法。
白话数学 ｜ 用人话讲清AI技术 ｜ 每篇配一张原创图解本文是系列第9篇，建议从第1篇开始按顺序阅读
关注我，把最难的大模型讲成人人都能听懂的白话。看不懂算我输。