在與客戶進行討論時，我們常常談到了學習數學和計算機科學的重要性。一些聽眾知道這兩個科目各自是什麼，但沒理解他們如何成為 AI 領域不可或缺的組成部分，以及這兩方面知識如何協同工作。

我會用這個陳述來說明解釋：

a = a + b * c

首先，如果將其視為代數方程( algebraic equation )，則該陳述在數學上可能毫無意義，甚至無效。

但是，如果您熟悉計算機編程，則可以將 a, b, c 作變量，讓這行代碼使用 b 和 c 的乘法運算的結果，再以加數來運算更新 a 值*。

到目前為止，它是數學和計算機科學的初中水平 (lower school)。

在 AI 或機器學習算法中，此語句將進一步應用於更高級的數學計算。首先，a, b, c 將是矩陣類型（多維或數組 matrix type, multi-dimensional or array ）而不是單個值，並且涉及矩陣的加法和乘法運算。

其次，在機器學習的基礎上 —— 為了實現 “反向傳播" ( Backpropagation ) 和 “梯度下降” ( Gradient Descent )，將使用類似的代碼行來迭代 (iteration) 更新計算機編程中的矩陣值。簡單來說，核心基礎應用了微積分原理 ( differential calculus )，通過迭代數學運算 a = a + ... 來實現 AI 的 “學習”。

在計算機編程中，迭代操作 ( iterative operations ) 經常通過 For-Loop 循環語句實現。

第三，人工智能可識別和預測某些東西，您大概可能想到統計和概率也是實現機器學習算法的數學基礎。

微積分、矩陣、統計和概率都是高中到大學數學水平的數學知識。

人工智能領域的應用和研究涉及從高中到大學的微積分 (Calculus)、矩陣 (Matrix)、統計 (Statistics) 和概率 (Probability) 的數學知識。

*它至少在 Python 編程中是可行的。

Image source : Wikimedia Commons

Suggested reading
https://en.wikipedia.org/wiki/Backpropagation
https://en.wikipedia.org/wiki/Gradient_descent

English Translation