真的只有人类能感知“数”吗?

be5adf4367d9070fd6088677ebfb5f9f.png

一个哲学问题,慢慢演变为科学问题。前路还很远。

撰文 徐子龙

数是什么?我们是怎样感知数的?

这好像是一个很简单很天真的问题。但其实,在数学哲学中,这是一个最基础的问题,一直悬而未决。早在古希腊时期,就有先哲提出此问题。

本文试图从生物进化、心理学、神经科学和哲学等多个视角来看看人类是怎样努力探求这个问题的答案的。

聪明的“宝马”汉斯

人能识别数,并做计算。这是人类特有的能力,还是从我们的动物祖先那里通过基因继承到大脑中的一种进化传家宝?

真的只有人类能感知数吗?动物也行吗?

且听一段百年前宝马汉斯的故事。

20b3a065314b077378bea050d3f5a58c.jpeg

图1. 数学教师威廉·冯·奥斯腾和他养的马“汉斯”丨来源:wikipedia

1904年,德国数学教师威廉·冯·奥斯腾(Wilhelm von Osten)向柏林的观众介绍了他训练的一匹马,名叫汉斯(Hans),人称 "聪明的汉斯"(图 1)。当冯·奥斯滕在黑板上写下一个算式,比如“2+3”,汉斯会用蹄子准确地敲击五下,然后停下来。而且汉斯还能解决更复杂的算术问题(如图 2)。当时有人怀疑这是马戏团的把戏,十三位著名的专家学者(包括哲学家、心理学家)组成了一个“汉斯委员会”,专门调查此事,但他们最终没有发现任何骗局。

55a44a8f20173238d339129e18f2b1db.png

图2. 测试汉斯的数学运算能力丨来源:wikipedia

后来,德国心理学家奥斯卡·丰斯特(Oskar Pfungst,1874-1932)再次调查了汉斯。丰斯特发现,即使不是冯·奥斯滕本人提问,马也能给出正确的答案,这就排除了马主人作弊的可能性。然而,重要的是,只有当提问者知道答案是什么,并且马能看到提问者时,汉斯才会得到正确的答案。如果提问者不知道结果,或者不在马的视线范围内,汉斯就无法答出题目。于是,丰斯特得出结论,汉斯并不是真的会做算术,而是利用提问者无意的身体暗示来答题。在汉斯点蹄时,它会观察到提问者以及围观者的姿势、面部表情或呼吸模式的轻微变化,在正确的时刻停止点蹄。他据此提出了所谓的“汉斯效应”(图3)。

07fb0b9d29295cca1c0d00009421040a.jpeg

图3. 聪明和不聪明的汉斯。左图:在有很多观众围观的情况下,汉斯可以识别数;右图:在没有观众围观的情况下,提问者又不在马的视线范围内,汉斯就无法完成任务。丨来源:wikipedia

由此可见,汉斯马并没有那么聪明,它并不是真都会做数学计算,而只是通过观察周围人的动作表情来做出反应。从这一点来说我们可以认为动物是有灵性的,但无法证明动物有数的概念。

心理学家丰斯特在文章中写道[1]

“数在我们人类日常生活中是必不可少的。但是,在我们的祖先成为智人之前,数的感知对他们有什么用呢?动物一开始就会使用数字吗?根据生物进化需要适应环境的原理,显然,只有当数的感知能力对个体有益(或至少无害)时,这种能力才会在种群中世代保持,有时在大的动物分类群中会保存数百万年。”

从生物进化的角度看人类的数字感知

动物为了生存和繁衍,必须采取一定的策略,以确保自己的存活,直到个体性成熟并且可以进行繁殖。对于某些物种来说,还需要呵护后代,以确保它们生存足够长的时间。对于一个个体来说,这首先意味着要找到食物并避免成为食物,还要在杂乱的环境选择合适的道路,并在日常事务中与朋友互相帮助。

对数的感知可以帮助动物实现这些目标。研究表明,对数的感知能力可以增强动物寻找食物、抓取猎物、避免被捕食、在栖息地中导航以及在社会互动中持续生存的能力。

1. 导航

动物经常会使用对地标做计数的办法来寻找适合的路线。例如,蜜蜂依靠地标来测量食物与蜂巢的距离。在某项研究蜜蜂行为的实验中[2],研究人员放置了四个帐篷,并在第三个和第四个帐篷之间摆放装有糖水的喂食器。蜜蜂会将帐篷认定为地标,并以此为导航依据来寻找食物。如果改变帐篷的数量和帐篷的间距,会影响蜜蜂对距离的判断。蜜蜂究竟是直接记录飞过的绝对距离,还是通过对地标(此处为帐篷)的计数来测量距离,目前仍未弄清。但地标数量仍然是一个重要因素。

2. 捕猎

普通的蜘蛛是独居动物,而以蜘蛛为食的食蛛蜘蛛则是一种社会性动物,有一些个体会相对持久地聚集在一起。肯尼亚有一种名叫Portia africana(以下简称Portia)的食蛛蜘蛛就是这样的,它们所猎捕的小型蜘蛛喜欢在巨石、树干和建筑物的墙壁上建造帐篷状的丝巢[3]。Portia在捕猎时,通常会利用数量线索。以一种很典型的场景为例:两只Portia在一只猎物的巢穴旁定居,当一只Portia捕捉到猎物时,另一只Portia就会加入,并一起进食。Portia怎样决定在哪只猎物蜘蛛的巢穴附近定居呢?依据就是那里已经定居的同伴的数量。它们更喜欢成对捕猎,而不愿意单独捕猎,也不乐于跟两只、三只更多的同伴一起捕猎,因为一个狩猎队的成员越多,一些成员就越可能不合作,导致大群体捕捉猎物的水平往往比小群体更差。

看来,“两个和尚抬水喝,三个和尚没水喝”的道理,不仅人懂,蜘蛛也懂。

3. 避免被捕食

缺少自卫能力的动物经常在社会伙伴的大群体中寻求庇护。通过加入大群体,每个个体成为猎物的概率就会降低。因此,对许多鱼类来说,加入鱼群是主要的反捕食策略。鱼群越大,对鱼类越有利。当单独的一条或几条鱼来到一个不熟悉的、有潜在危险的环境中时,往往会加入其他同种鱼。如果有两个鱼群,它们通常会加入较大的鱼群,这意味着它们能够区分较大的鱼群和较小的鱼群。因此,在关乎生死的情况下,比较同种生物数量的能力可能是至关重要的。

4. 社会领地防御

如果个体无法单独保卫资源,群体和群体规模就很重要了。许多动物生活在社会群体中,共同抵御入侵者。捍卫领地通常意味着可能与敌对群体发生致命冲突,因此,动物需要能够评估自己群体和敌方群体的数量——这种能力显然就具有适应性价值——它是决定进攻还是撤退的基础。对于群体规模的评估显然就是 一种对群体中个体数量的感知。

“人多力量大”,动物也明白这个道理。

数的概念及其认知心理学机制

在人类的日常生活中,数和数字是无处不在的。牙牙学语之时,父母就开始教我们认数,教我们数手指、读数字……那么,数的概念究竟是什么?数在人类心中又是如何表示的?

要回答这些问题,我们需要首先了解数有哪些类型,分别表示什么含义,不同类型之间有什么区别。

第一类数的概念是基数(Cardinal number)。基数表示的是数量,也就是“多少”的概念。基数的基本功能就是计数[4]

日常生活里的基数实在是太常见了。比如,一个水果篮子里面装有5个芒果,账号上还有12.34元钱。这里的“5”和“12.34”分别是表示有过少芒果和有多少钱,因此是基数。

在数学的集合论中,一个集合里元素的个数就称为该集合的基数。

第二类经常接触到的数的概念是序数(Ordinal number)。序数表示的是实体的顺序关系,或者说排名的前后。比如,玩绝地求生游戏,有幸吃了个“鸡”,也是拿个第1名。这里的1,显然不是表示的数量的多少,而是排名,因此是序数。

第三类数的概念是所谓标签。标签既不表示数量多少,也不表示排名顺序,而仅仅是将数字作为一种标记,以区分不同的物体或对象。最常见的一些例子就是身份证编号、银行账号以及QQ号码等。

数的概念的几种类型其实就是源于人们对于不同经验性质的抽象。

下图完整地表示了上述三种数的概念的结构。

a0495e4ece8c118439fd60d3d2d5ffb9.png

图4. 我们常用三种类型的数字概念来表示三种对应的经验性质[1]

那么,人的心理是怎样表示和处理关于数的信息的呢?

认知心理学中有一个很重要的概念,就是表征(Representation)。表征的意思是外部现实世界在人脑中的心理模型、图示,或者说是人的认知系统对于现实物体的抽象。

举个简单的例子,家里桌上放着一个水杯,我们知道那是一个水杯。上班时看到别人桌上放着一个水杯,虽然跟家里的不一样,但我们也知道那是水杯。又或者是在商店货架上,看见各种各样的水杯,虽然都与家里的那个不一样,但我们也完全知道那是水杯,而不会它们当成是椅子,是鲜花,是猫。当我们闭上眼睛,虽然什么也看不见,但脑海也能呈现出水杯的面貌。本质上说,我们的心里面有一个水杯的概念,这个概念是从现实的具体的物体中抽象出来的。

我们对数的心理表征有两种基本类型:符号性表征和非符号性表征。基数和序数均有这两种表示方式。而标签型数只有符号表征[1]

符号性表征是指采用符号(比如阿拉伯数字)来表示数的概念[5]。非符号性表征是指不用符号,而是通过涉及实际元素数量的相关图形(如点的阵列)直观地表示数。

非符号性的数的表征是对集合大小的知觉性表征,是实际感知到的元素的个数与所表示的数之间的对应关系。一个典型的表示方法就是使用散落在空间中的若干个元素——比如点阵中的点——来表示对应的数。此时,人可以在瞬间并行地感知到点所表示的数量。

无论是从动物进化,还是人类发展的角度,非符号性数的表征都是一种原始的表征方法。动物有非符号性表征,人类在婴儿时期也有。如果一个人从没学过数的符号(数字),那么他只能采用非符号性表征[1]

两种数字表征方式如图 5所示。图 5(A)通过圆点的多少表示了两个数量:8和12,而图 5(B)就直接通过符号——阿拉伯数字来表示数量。

4804faf53129fa43d93d472519ea3bcd.png

图 5 .数字的符号表示和非符号表示[6]。(A) 非符号表示;(B) 符号表示

很早以前,就有人研究过婴幼儿对数的认知发展过程。研究者认为[7],婴幼儿对数的表征先后经历了三个发展阶段。第一个阶段,婴幼儿会记住数的语音模式;第二阶段,记住数的书写模式,并且关联到语音上;第三个阶段称为符号表征阶段,婴幼儿会形成内在的关于数的表征。

还有研究表明,在幼儿早期,数的符号表示技能是影响幼儿数学水平的主要因素。而随着年龄的增长,符号表示技能和非符号表示技能对数学水平的影响呈现下降趋势[6]

还有一个有意思的问题:人对于数值的感知有自动化的处理过程吗?

研究发现了以下结论:如果以图形呈现数,当数值小于4(也就是1、2、3)时(如图 6),人可以几乎瞬间感知到图形的个数,这个过程叫做估计(subitizing)。

23381acfaf0353f0a34593a947c5a01e.png

图6. 非符号呈现的数小于4时,可以瞬间估计[6]

但如果数值大于等于4时(如图 7),就无法瞬间估算了,只能一个一个去数,这个数数的过程,就称为计数(counting)。计数的时候,我们可能会读出声音,也可能只会在心中默念。总之,此时,必须通过语言符号来弄清楚有多少个图形。

c4ea969b3019cb4988f956c0bc5b7923.png

图7. 非符号呈现的数大于等于4时,无法瞬间估计,只能计数[6]

78a9b978a51ad82263bcd1632feb0e0f.png

图8. 非符号表示的数值大小对于感知的反应时和错误率的影响[6]

研究结果(图8)展现了非符号表示的数值大小对于人感知数的影响。图的横轴表示数值大小,左图纵轴表示反应时,右图纵轴表示错误率。从图中,我们能够明显发现,随着数值的增加,反应时增加,错误率也会增加。当数值为1、2、3的时候,两者变化都很小,当数值在4附近的时候,两者的增加幅度非常明显。这可能和人的注意广度有关。

数的概念的神经机制

认知活动的生理基础是神经系统。那么,人类对数的概念的感知,对数的心理表征,是由什么样的神经机制所产生的呢?

为了回答这个问题,认知神经科学研究者采用各种无创技术手段来测量人在数学过程中的神经元活动状况。现在最常用的方法之一是功能磁共振成像(fMRI)。这项技术能够探测到大脑皮层的激活情况,这样研究人员就能观察到人类被试在执行某项认知任务时,大脑的哪部分区域较为活跃。显然,活跃的一个或多个脑区可能跟当前正在发生的认知活动有密切联系。

2003年,法国一个研究小组用fMRI扫描了被试在感知数的时候的大脑活动[8]。扫描影像显示(如图 8所示),有三个脑区的神经元较为活跃,分别是:双侧脑顶内沟的水平部分(bilateral horizontal segment of intraparietal sulcus,红色区域)、顶上小叶后侧(bilateral posterior superior parietal lobe,蓝色区域),以及左侧脑的角回(left angular gyrus,绿色区域)。也就是说,这几个区域都参加了对数的感知这一认知/心理过程。

24bec2e0114187c8e4f1f19b93417c44.png

图 9 . 数感知实验中活跃的大脑区域[8]

从图中,我们还能看出左脑激活的区域相对右脑要多一点。这说明,人类在感知数的概念时,左脑可能比右脑提供了更多的神经资源。

意大利一个研究团队在2004年用另一种思路对数感知的脑区做了研究[9]。他们采用的是经颅磁刺激(transcranial magnetic stimuli, TMS)技术:实验设备能够产生一个磁场,穿过颅骨,干扰特定脑区,抑制其神经元活动,造成“虚拟损伤”。这个过程也是无创的(图10)。

实验人员要求被试做一个简单的数感知任务,同时将磁场发射设备干扰下顶叶(inferior parietal lobule, IPL)区域(相当于图 9中的红色区域),结果发现被试完成任务的准确率下降,反应时间上升。一旦移开设备,被试解决问题的准确率又迅速回升,反应速度也恢复正常。作为对照,实验人员还把设备对准与数感知无关的脑区,果然,这些脑区受干扰并不影响被试完成数感知任务。

2e1518b4d13ec4a555d754e1a9811892.png

图 10 . 经颅磁刺激设备及操作 | 图片来源:网络

进一步地,科学家们还研究了我们做加、减、乘、除运算时的脑区激活情况。如此可以帮助我们了解,在做四种不同运算时,认知过程所依赖的神经活动是否有区别[10]

a0dcb8ec46f329c17c9a819a82f0dcef.png

图 11. 四则运算下的脑区活动状态。自上而下依次是加减乘除。[10]

图 11展示了实验结果。彩色表示在做计算时激活(红黄色)和抑制(蓝绿色)的脑区。从图中可以看出,在做乘法和除法时,激活的脑区远远多于加法减法,也就是说做乘除法需要调用更多的认知资源——换言之,乘除法更难。这个结果完全符合我们的常识。

同时我们还能观察到,在每种运算下,左脑顶内沟(Left IPS)区域都有激活。因此可以认为这一区域参与了每一种运算,是非常重要的与计算相关的脑区。

除了fMRI和TMS,研究脑活动的无创技术还有很多,如脑电图(EEG)、脑磁图(EMG)、近红外等等,用这些技术来研究数的感知、研究数学能力的神经科学文献也是浩如烟海,许多问题都还没有得到确定的、统一的答案,许多结论也是暂时性的。以上所举的研究例子只是挂一漏万,要回答“大脑怎样感知数”,我们还需要做更多的探索。

总  结

我们日常生活中天天都会接触的“数”,到底是本来就存在而被人所发现的,还是人类发明创造的产物呢?

正如《最后的数学问题》的作者马里奥·利维奥(Mario Livio)所表达的那样,这个问题长久以来深深困扰着数学家们。

38f56a2316426304684206c945213035.png

图14 . 《最后的数学问题》(图灵文化出版,2019年9月)

一派坚持实在论,认为数是独立于人的思想而存在的,我们只不过是发现了它们。另一派支持反实在论,坚信数并不独立于我们的感知,是我们发明了它们。

也许这个问题还会在未来相当长时间内继续引起争论。但随着认知心理学、认知神经科学的发展,人们也越来越接近关于数的认知背后的奥秘。

9002e5a54398f07d5cc697c9a583b21a.jpeg

相关推荐

新书上架 | “韬(τ)定律”有何影响?一文读懂从摩尔定律到韬定律的半导体发展!

而芯片的诞生、迭代、突破,全部依托于半导体材料与技术。:打破硬件、软件、架构的壁垒,实现芯片架构、电路设计、底层软件的一体化协同优化,精准匹配数据运行逻辑,避免数据排队、延迟、阻塞,让芯片运算更高效、更智能。技术,打破传统芯片平铺式的电路布局模式,将平面电路进行立体折叠重构,大幅缩短电路走线长度,减少信号绕路、延迟、卡顿问题,是韬定律最核心的技术突破。:重构芯片之间的总线互联结构,优化多芯片协同运行逻辑,降低芯片与芯片、芯片与设备之间的传输延迟,提升整套设备的整体运行效率,实现全域性能升级。

图灵教育 138

DeepSeek-V4 凭什么连续四周霸榜?

市面上要么是只发论文的学者,要么是只做 Demo 的博主,能两边都站住的人,掰着手指都数得过来。跟着模型学,永远在追尾灯。420+ 人的圈子里,藏着不少跟他一样优秀的人——名校理工背景、自己也在做真东西、对 Agent 工程化有自己的判断、动手能力比嘴上功夫多得多。当 GPT-5.5、Claude 4.5、DeepSeek-V4-Pro 谁都能调,价格谁都付得起——你的产品凭什么不可替代?DeepSeek 能把模型推理压到 27% 算力、KV Cache 压到 10%——它能这么做,靠的也是工程化能力。

图灵教育 107

78岁的马斯克母亲梅耶突然爆火:钢铁侠母亲是怎么炼成的?

但在成为“马斯克的妈妈”之前,她首先是梅耶自己——一个15岁登台走秀的女孩,一个被丈夫家暴了九年的妻子,一个31岁净身出户、带着三个孩子睡地板的单身母亲,一个40岁还拿下第二个硕士学位、60岁全裸登上杂志封面、69岁独占时代广场四块广告牌的传奇女性。从“挣扎与幸存”到“人生由我”,这个名字的变化,恰好就是梅耶一生的缩影。·马斯克最厉害的地方:她把一生过成了一场精彩的冒险,在这过程中培养了三个亿万富翁,拿了两个硕士学位,登上了世界上最著名的杂志封面,但到最后,她最在意的,是自己有没有活得有趣。

图灵教育 186

Claude Code 之父:2026 年我一行代码都没写,编程已被 AI 解决

书中提供了完整的 AI 工程框架,涵盖模型选择与评估、提示工程、RAG 与智能体、微调策略、数据集工程、推理优化及 AI 工程架构等关键环节,帮助开发者在复杂的 AI 生态中做出科学的技术决策。市面上最注重实战的 DeepSeek 教程,围绕 DeepSeek 技术体系展开,系统解析DeepSeek 架构设计、DeepSeek-V3 模型的 MoE 架构与多 token 预测、DeepSeek-R1 模型的思维链与知识蒸馏等核心机制,夯实读者的理论基础。30 分钟快速上手,无复杂部署,零编程基础也能上手。

图灵教育 314

新书上驾 | 史上最大IPO上市,传来大消息!一文拆解马斯克与他的SpaceX!

2025 年,SpaceX 一年完成了 165 次猎鹰 9 号发射(外加 2 次重型猎鹰和 3 次星舰试飞),平均两天就有一次,占了美国全年轨道发射的约 85%、全球的一半左右。马斯克本人当然是绕不开的人物,他的少年经历、性格底色、其他生意,都会作为这条主线的注脚出现,但我尽量不让他的生平喧宾夺主。我相信,哪怕你这辈子永远不会造火箭,这家公司和这群人做事的方式,依然可以让你下次开会、下次做决定、下次跟生活较劲的时候,多一种选择。名员工讲了一段话,里面那句被反复引用的话是「这是我这辈子最棒的日子之一」。

图灵教育 199

新书上架 | 黄仁勋是如何提前十年押注AI,助推英伟达登顶世界之巅的?

无需懂半导体专业知识,也不用懂金融投资门道,只用最直白的语言,讲透英伟达的逆袭发家史、牢牢掌控全球算力的底层逻辑、AI时代的财富密码,以及普通人能感知、能抓住的时代机会。命脉的行业霸主——这一切靠的不是天赋,不是运气,而是日复一日的坚持,是敢于挑战常识的勇气,更是对产品与未来的极致追求。则像成千上万的小学生,拥有数百到数千个核心,单个处理能力有限,但能同时执行海量简单、重复的运算任务,追求高效并行,是。黄仁勋与英伟达的成长历程中,没有一夜暴富的传奇,也没有天降奇迹的幸运,唯有平凡人的坚守与努力,以及。

图灵教育 135

新书上架 | 高维度拆解为什么第一性原理是马斯克成功的秘诀!

但其实,它特别简单,简单到一句话就能说透:撕掉所有“别人说”“惯例”“行业规矩”的标签,直接扒到事情最底层的本质,忽略所有无关的表象,从头开始推导解决方案,不被任何外界因素绑架。不必羡慕别人的光芒,不必焦虑自己的平庸,用第一性原理,深耕自己、专注本质,终有一天,我们都能摆脱迷茫、实现逆袭,活成自己人生的。,不管是节食,还是吃正常的饭菜,不管是撸铁,还是散步,都能减肥。的惯例时,这些传统车企,才恍然大悟,才开始仓促跟风做电动车,但此时,特斯拉已经占据了市场的主导地位,他们再怎么努力,也很难追上。

图灵教育 142

模型每天都在变,但 Agent 的核心设计原则从未过时

从 2025 年秋天到现在,AI 领域早已告别“基座模型内卷”,正式踏入工程落地的深水区——尤其是近期,天翼云“虾王挑战赛”落幕,国产 Agent 在产业场景中实现算力成本减半、效率翻倍的突破,而 Cursor 相关 Agent 误删生产数据库的案例,也让权限控制、安全评估成为刚需。在 1.0 的实践反馈中,也有不少学员在完成系统学习后,将这些原则应用到真实业务中,从单一 Agent 搭建扩展到更复杂的企业级系统,实现了从“能用”到“可用且稳定”的过渡。第一版的好评,是我们前行的动力;

图灵教育 88

一本简史,讲透人工智能 70 年风云人物:天才反目、赌约打脸、孤独坚守,比算法更戳人的是人心

畅销 10 万册,人工智能专家尼克经典之作,全景式解读人工智能,作者以人工智能 70 年的发展为线索,串联起 15 个核心主题与 200 多位重要学者的思想,将人工智能从技术问题延展为一场关于认知与文明的讨论。他带着寥寥几个追随者,在无人问津的角落默默死磕,熬过 AI 最寒冷的几十年,看着身边人一个个放弃,他始终没松口:「大脑就是这么工作的,我不信做不出来。可他们的思想,穿越时空,合二为一,才有了如今 AI 的万丈光芒。,提出「图灵测试」,第一次回答了「机器能不能思考」,从思想层面,给 AI 种下了灵魂。

图灵教育 119

AI好评榜TOP1图书

不管你是身在 AI 行业,还是正在准备进入 AI 行业,我们都推荐你把 AI 工程的学习作为你的第一课。无数位大佬已经强调过,工程思维是如今 AI 工程师最宝贵的品质。本书的每一章都是 AI 应用构建过程中不可或缺的一段流程,整本书覆盖了从 demo 到用户反馈的全流程:从立项选型、理解模型、评估体系,到 RAG、Agent、微调、中文可以翻译为“神作”,每一位 AI 从业者应该阅读。好消息,今天史上最低价格,一直观望的同学可以下单了!、生产架构,AI 应用落地的每一步,书中都讲透了。

图灵教育 93

AI大神Karpathy的学习心法,普通人也能直接抄作业

跟着它,在普通的笔记本电脑上,你就能手搓出一个专属的微型大模型!这本书完美契合了 Karpathy “拒绝死记硬背、追求直觉理解”的教育理念,用海量极其直观的图解,硬生生把大模型的黑盒给剥开了。在 AI 如此强大的今天,遇到难题直接写一段自然语言指令丢给大模型,让它瞬间吐出几百行代码或一套解决方案,这确实极大地解放了我们的脑力,也是不可逆的趋势。如果你认同 Karpathy 的理念,想要真正掌握 AI 时代的铁饭碗,我们为你精选了当前最受读者欢迎,最具极客式学习气质的三本图书—— “AI 三剑客”。

图灵教育 150

AI 圈彻底沸腾!Andrej Karpathy 宣布入职 Anthropic

书中提供了完整的 AI 工程框架,涵盖模型选择与评估、提示工程、RAG 与智能体、微调策略、数据集工程、推理优化及 AI 工程架构等关键环节,帮助开发者在复杂的 AI 生态中做出科学的技术决策。备受关注的大模型“袋鼠书”,全书通过 300 幅全彩插图,以极致视觉化的方式呈现大模型的核心原理与工程实现,覆盖从底层机制、应用开发到性能优化的完整链条。这里给大家推荐几本优质书籍,不管你是 AI 小白、行业从业者,还是单纯想了解大模型的普通人,都能找到适合自己的,帮你快速吃透大模型核心,读懂 AI 圈的底层逻辑。

图灵教育 131

这是一本我读过N遍的顶级好书,推荐所有人都来读!

此外,如果各个行业都用一个套路分析,那么分析有时候会变成蜻蜓点水,看似什么都覆盖到了,却不得要领、抓不住重点。比如,如果分析煤炭行业和新能源汽车赛道都套用一个模板,恐怕很难得出有用的结论——近年来,煤炭行业发展的核心逻辑是供给收缩,而新能源汽车行业发展的关键是产销持续超预期。比如,白色家电行业就显然已经迈入成熟期,在行业巨头的笼罩之下,虽不能说是寸草不生,但最多也就剩下仨瓜俩枣了。或者说,我们无法确定,增速的变动是由于一时的供需错配而出现的波动,还是表明行业已进入产业生命周期的新阶段。

图灵教育 107

新书上架 | 一文看懂黄仁勋与英伟达的崛起之路!

无需懂半导体专业知识,也不用懂金融投资门道,只用最直白的语言,讲透英伟达的逆袭发家史、牢牢掌控全球算力的底层逻辑、AI时代的财富密码,以及普通人能感知、能抓住的时代机会。——砍掉所有非核心项目,收缩团队规模,把仅剩的资金和人力,全部押注在“图形显卡”这一条赛道上,绝不与英特尔、微软正面竞争,只做电脑的“视觉处理器”。没有豪华的办公场地,没有充足的资金,没有强大的后盾,甚至连一台像样的研发设备都没有,三人白天研发,晚上挤在车库里休息,吃着廉价的快餐,日复一日地打磨产品。到几千元的中端显卡,适配主流游戏玩家;

图灵教育 190

豆瓣8.7!一本不得不读的效率神书!值得反复读10遍!

下班回到家,要做饭,要做家务,要看孩子的作业,有老人的还得照顾老人,也常常搞得自己焦头烂额,恨不能多长几双手同时做好件事儿。所以如果了解了前额皮质的特点,就该知道,面对一堆工作、一堆家务,即使再多长十双手也没法能帮你解决好所有的事情,因为我们只有一个任性的“指挥官”,这种情况下,它会罢工。精选14个高频工作场景,运用四幕剧故事形式介绍脑科学知识,以大脑喜欢的方式,告诉你如何用脑科学提升工作效率,帮你科学利用时间,合理分配脑力,轻松高效工作。了解它的优点和缺点,和它做朋友,会让我们的工作学习都事半功倍。

图灵教育 95

概率论别再死记硬背了,聪明人都在用这套方法提分

很多人概率论失分,不是难题不会,而是条件概率老写错、分布函数不会转、正态分布公式记混、做题步骤不规范。不仅可以刷到热门考试题型,还可以沉浸式体验考场,自习室里做一套,真实感受考试做题环境,训练自己的做题思维以及对考试时间的把控。④ 不想再到处找资料的人,大学数学最耗时间的,其实不是学习本身,而是找一堆资料,但还是无法坚持学下去。② 临近期末开始慌的人,不知道重点在哪、不会安排复习节奏的人,很适合用这种同步卷快速进入状态。B 卷更像真正考试会出现的东西,很多人到了后期提不上分,其实是因为只会单知识点做题。

图灵教育 93

如何基于 OpenClaw 打造自己的 Agent 团队

有管数千人的老板,有一个人扛一整条业务线的创业者,有大厂里每天做报表、跟进度的执行层,也有靠 Notion 和 Zapier 把自己武装到牙齿的效率极客。我不想写一本转瞬即逝的“技术指南”或“提示词合集”,我想写的是一份 7×24 数字产线的建造图纸:从第一个 Agent 上岗,到整条产线跑通,中间会踩什么坑、需要建立什么规则。这不是“要不要拥抱技术”的选修课,而是 “你不动,别人动了,你的位置就是别人的” 的生存命题。这种变化是指数级的,先跑起来的产线会像复利一样持续优化,时间越长,差距越大。

图灵教育 625

新书上架 | 一本不得不读的神书!值得反复读10遍!

而不是带着指责的审视。你观察到「我又拖延了」,接下来不是骂自己「真没用」,而是问自己「我为什么会拖?但如果问题的根源不在于「你不够努力」,而在于「你从来没搞懂自己大脑是怎么工作的」呢?所谓觉醒,从来不是一次顿悟,而是一次又一次微小的「看见」——看见自己的大脑、看见自己的情绪、看见自己正在如何生活。换句话说,多巴胺不是一个开关,而是两套平行系统:一套负责「记住该怎么做」,另一套负责「让你想去做」。这种渐进替换,多巴胺系统完全不会反抗,因为你从来没让它「失去奖励」,你只是在悄悄升级奖励的质量。

图灵教育 120

新书上市 | 没有公式,没有术语!16个故事讲透数学的逻辑思维!

在另一个论证中,芝诺指出,这种运动是不可能的,因为一个物体要移动任何距离,都必须先移动这段距离的一半,然后再移动剩余距离的一半,以此类推,永远都必须移动某段剩余距离的一半,因此,永远都不可能移动完剩余的全部距离。在三十年的数学教学生涯中,我收集了许多超凡卓越的学生和数学同人从最陡峭的坡面征服数学高峰的故事:关于他们的攀登,关于他们在山峰上(即便是再低矮的山峰上)看到的风景,关于他们有了新发现的激动时刻,关于他们对未知智慧之美的探索,关于他们对数学证明确定无疑的自信。奇怪的是,他的论证却得出了正确的结果。

图灵教育 132

新书上架 | 普通人如何运用第一性原理?

其实,第一性原理从来不是高深莫测的理论,而是一种“回归本质、从头推导”的思维方式——它能帮你避开跟风模仿的陷阱,摆脱经验主义的束缚,在信息爆炸、竞争激烈的时代,快速抓住问题核心,做出更明智的决策、实现更高效的成长。“大佬专属”,普通人也能掌握运用,它无需高深知识和强大资源,掌握“三步走”核心方法,就能用于日常工作生活,解决问题、提升自己。这部分聚焦“普通人的实战场景”,用。对于我们普通人来说,不需要用第一性原理造火箭、做芯片,只需要用它解决日常的工作、学习和生活问题,摆脱无效努力,实现自我成长,就足够了。

图灵教育 143

惊天反转!“AI 教父”亲手判神经网络死刑,50 多年后它却统治了 AI

但读完《人工智能简史(第3版)》你就会明白:所谓的人工智能革命,从不是偶然的横空出世,而是一群顶级聪明人,在 70 年的时间里,不断争论、不断误判、始终坚持、反复翻盘,一步步摸索、试错,才终于将机器智能的梦想,照进了现实。畅销 10 万册,人工智能专家尼克经典之作,全景式解读人工智能,作者以人工智能 70 年的发展为线索,串联起 15 个核心主题与 200 多位重要学者的思想,将人工智能从技术问题延展为一场关于认知与文明的讨论。同时,基于大量文献与访谈构建的史料体系,使整本书具备难得的厚重感与可靠性。

图灵教育 74

性价比封神,DeepSeek V4 最强使用攻略!

市面上最注重实战的 DeepSeek 教程,围绕 DeepSeek 技术体系展开,系统解析 DeepSeek 架构设计、DeepSeek-V3 模型的 MoE 架构与多 token 预测、DeepSeek-R1 模型的思维链与知识蒸馏等核心机制,夯实读者的理论基础。超牛的 DeepSeek 应用书,作者是 AI 大佬花生,全书涉及 13 大场景,90 个实用案例,7 大技巧,4 大王炸组合,内容涵盖高效办公、副业变现、数据分析、企业级 DeepSeek 使用方案等等。它极大地拔高了廉价模型的上限。

图灵教育 209

260年前,双目失明的欧拉口述了一本“数学圣经”,专治代数看不懂

欧拉的著作数量高达866 部,甚至在他去世后的 50 年,他发表的文章都占据了圣彼得堡科学院出版物的半壁江山。欧拉善于将复杂的问题分解为基本要素,阅读本书,你将会学到顶尖数学家是如何思考问题、理解问题的,跟随他一步步地推导,一切都变得顺理成章。你会发现,正负数、分数、对数,在欧拉的笔下不是抽象的符号,而是很具体的生活中的概念。他被迫用最通俗、最直观、最符合人类直觉的方式,把毕生对代数的理解,一点点讲述给他的助手。从这本书中,读者可以跟随欧拉的耐心教导,从算术到代数,完成一次真正的思维跃迁。

图灵教育 127

黄仁勋一直说的“Token经济学”,到底是什么意思?

它的底层架构演进直接重塑了全球算力的定价权;时代后,算力的交付形态发生了根本性转变,用户不再关心底层显卡每秒能做多少次矩阵乘法,他们需要的是直接的智力产出:一段代码、一篇报告或一个商业洞察。进行二次开发的初创公司,还是将大模型能力嵌入内部办公系统的跨国企业,所有的预算审批、成本核算与调用限额,全部以。)在这里探讨的,是一个由真实电力驱动、由硅基芯片运算、最终产出具有实际商业用途的智力产品的实体经济循环。一种全新的资源想要演化出成熟的商业模式、产业链和国际贸易体系,第一步是找到那个可以被精准计价的锚点。

图灵教育 149

这本两大菲尔茨奖得主都拜服的科普书讲透了数学学习的第一性原理!

如果没有数字,没有圆形和正方形,没有三维空间的概念,没有点和轨迹的概念,没有笛卡儿坐标系,没有距离、速度和加速度的概念,没有直线可以无限延伸的想法,没有概率的概念,没有加法和乘法,没有计算的概念,没有真理和逻辑推理的概念,那么,你周围的世界会突然变得模糊而不稳定,仿佛自己被切除了脑叶。格罗滕迪克认为自己工作的独特之处在于他打破了一个禁忌:“在所有自然科学中,似乎唯有在数学领域,我的所谓‘梦’,或‘清醒的梦’,被施加了一个已存在两千多年的绝对禁令。而我们的世界和生活的数字化,更是将数学的作用无限放大。

图灵教育 81

一万字讲透金字塔原理:这套思考工具,专治嘴笨和脑子乱

我们这个月的获客成本变高了,抖音那边的广告系统更新了算法,然后小红书的达人也涨价了,而且春节假期流量还没完全恢复,再加上我们自己的素材也好久没更新了,所以。这就是金字塔的基本样子。相反,如果你一上来就说结论,万一结果不好,你紧跟着一句「这里有三个原因导致,其中两个可以改、一个是外部的」,反而显得你。如果你读完之后,在一次开会、一次微信、一次和家人的谈话里,感觉到「对方比以前更听得懂我了」——那就是这本书最好的归宿。当你把结论放在最后,听众一边听你讲,一边要记住你前面说的所有铺垫,还要自己去猜结论是什么。

图灵教育 113

看完这本数学书后,彻底整明白了神经网络!!!

例如,一些实验表明,对于你认识的每一位著名演员,你的大脑中都有一个特定的神经元,对他/她在屏幕中的出现做出特定反应(见书后的注释部分)。然而,这种方法也有局限性:尽管脑成像技术的空间、时间分辨率大幅提高,但仍不足以同时追踪、识别所有神经元的活动(比如人脑中用于识别大象的神经元),更不用说在一生的学习过程中追踪这些神经元的活动了。第二层神经元的树突与第一层的神经元相连。但集体来看,大量神经元的组合却能“涌现”出令人难以置信的复杂行为,这些行为不能归因于一个特定的神经元——这些大规模的行为就是我们所说的智能。

图灵教育 67

Agent 开发陷入瓶颈后,我终于读懂了这本大模型神书

这次读下来,觉得提示词不只是要把话说严谨,从工程角度看,更像是建立一套规范,定义输入、边界约束,尤其是结构化输出和校验,输出能遵循特定格式,程序才能更好的处理,对 Agent 来说,后续的链、工具调用等,都依赖稳定的输出。书中介绍的 ReAct 思考框架,是一种“思考、行动、观察”的循环,每一步先思考再执行,根据结果调整下一步操作,这种循环机制把前面的能力都串联起来,让系统完成动态决策和工具调用,从而具备 Agent 的核心能力。当任务需要拆分成多步骤,并且前后结果需要稳定衔接时,就需要用到链了。

图灵教育 357

都monorepo了,还有必要搞微服务吗?

一个"用户下单"的spec,涉及用户服务、订单服务、库存服务、支付服务,Agent得知道这些服务之间的接口契约、数据模型、调用关系,才能把spec拆分到正确的服务里。前面提到的Uber就是最好的反例——从polyrepo迁移到monorepo之后,2200个微服务一个没少,但跨服务重构、依赖管理、共享库升级这些在polyrepo时代让人头疼的问题,都大幅缓解了。每个服务小到几乎没有独立存在的意义,但每个服务都带来了完整的运维开销——独立的部署流水线、独立的监控、独立的日志、独立的网络通信。

图灵教育 58

把人类提前带入基因组时代的“坏小子”去世了

也让“我是谁”、“我可能面临什么风险”、“我能否提前改变未来”这些问题,第一次与一份个人基因组真正联系在一起。它可以提示风险,提供线索,帮助我们更早理解疾病与健康,却无法穷尽一个人的性格、选择、经历与人生。如果你也知道了自己的基因信息,你会更理解过去的自己吗?今天,我们把这篇迟到的公众号首发,献给这位复杂、狂放、极具争议,也无法绕开的基因组时代人物。今天重读这个故事,我们更能感受到Craig Venter留给基因组时代的复杂遗产。遗传学不仅属于实验室,更关乎每个人、每个家庭对生命的理解。

图灵教育 54
上一篇: 从积分法的诞生到牛顿归纳出微积分学竟然经历了1800年!一文讲透微积分的本质...
下一篇: 技术人的618种草书单,这些好书值得收藏
turingbooks
turingbooks 企业官方账号 企业官方账号
博客等级 码龄18年 3686粉丝 · 793原创
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值