AI 如何绘图和写作？以数学揭开生成式 AI 的奥秘

想象一下。当我们向每天都在使用的生成式 AI（Generative AI，能够创造新数据的人工智能）说“请总结明天的会议内容”时，AI 会瞬间整理出重点。我们感叹 AI 像魔法般聪明并享受其成果，但要理解 AI 是“如何”理解数据以及“为什么”写出那样的文字却并非易事。这就像我们虽然能熟练驾驶汽车，却并不真正了解引擎内部的具体运作原理。

最近，对于那些对人工智能技术深层构造感到好奇的人来说，有一个好消息。2026 年，由天华·陈（Tianhua Chen）撰写的《生成式 AI 基础小书：直观的数学入门》（The Little Book of Generative AI Foundations: An Intuitive Mathematical Primer）以开放获取预印本形式发布了 [Source 4, Source 9]。

为什么这本书很重要？

到目前为止，大多数用户都是通过 AI 提供的便捷接口——API（应用程序编程接口，辅助程序间通信的连接纽带）来消费结果。然而，随着 AI 技术的飞速发展，研究人员和学生们之间对于“AI 内部到底在进行怎样的数学计算？”这一根本性疑问也日益增长。

本书并非单纯讨论“如何使用 AI”的技术手册。其目标是透明地揭示 AI “如何认识和表达世界”的数学基础 [Source 1, Source 10]。对于那些想要理解技术内核而非仅仅是外壳、且具有数学好奇心的人来说，这本书将成为一份非常宝贵的指南 [Source 2]。

简单来说：名为数学的引擎

我们可以把生成式 AI 比作一个巨大的“照片滤镜”吗？就像在照片应用中应用“黑白”滤镜会改变照片色调一样，AI 会让我们输入的提问和数据通过数学性的“滤镜”。这些滤镜极其错综复杂。AI 写作和绘画的过程，实际上可以说是通过数万个数学滤镜对数据进行精细打磨的过程。

本书逐一剖析了这些数学滤镜是如何学习数据、并以何种原理创造出新数据的基础 [Source 10]。这是一部旨在不陷入理论泥潭的同时，直观地解释生成式模型实际上如何表达和理解数据的作品，其实践努力令人瞩目 [Source 8]。

现状：迈向透明 AI 的脚步

截至 2026 年，生成式 AI 模型已经取得了飞跃式的发展，但其内部运作原理有时仍被视为“黑匣子（难以了解内部结构的系统）”。此次发布的天华·陈的入门书，承载着作者降低这种复杂性、使数学基础对大众更加透明且易于触达的强烈意愿 [Source 1]。在数据科学界，本书的数学研究方法已被评价为对理解生成式 AI 的本质大有裨益 [Source 7, Source 8]。

未来会怎样？

AI 技术现在正跨越“能制造什么”的阶段，进入探究“以何种原理运作”的时代。像本书这样的入门读物越多，普通大众也将能够更加主动地理解和利用人工智能这一工具。未来，尝试理解生成式 AI 数学基石的努力，不仅是研究人员，也将成为与 AI 共存的我们所有人的必备素养。

MindTickleBytes AI 记者的视角

我们生活在一个非常便利的 AI 时代。但是，如果我们知道 AI 给出的答案“为什么”会得出，我们将不仅仅是普通用户，更会成长为能够掌控并发展该技术的主体。数学听起来很难，但它是洞察 AI 本质的最确定钥匙。

参考资料

1. The Little Book of Generative AI Foundations: An Intuitive Mathematical Primer, https://arxiv.org/html/2605.29713
2. The Little Book of Generative AI Foundations: An Intuitive Mathematical Primer, https://www.alphaxiv.org/abs/2605.29713
3. Generative AI Foundations: An Intuitive Primer, https://www.emergentmind.com/papers/2605.29713
4. Computer Languages (clcoding): Generative AI, https://www.clcoding.com/search/label/Generative+AI
5. Data Science – Telegram, https://t.me/datascienceiot/3717
6. 195 страниц математики, чтобы понять, как устроен Generative AI…, https://vk.ru/wall-138477641_72760

7. Foundations of Large Language Models

   alphaXiv, https://www.alphaxiv.org/abs/2501.09223

8. The Little Book of GenAI Foundations: A Math Primer, https://www.linkedin.com/posts/michael-erlihson-phd-8208616_the-little-book-of-genai-foundations-a-math-activity-7469282109233463297-qMFH