现在大火的人工智能，背后的数学都是应用数学。 神经网络的数学本质就是logist

现在大火的人工智能，背后的数学都是应用数学。 神经网络的数学本质就是logistic回归的扩展。 logistic回归是最简单的非线性分类，在统计学里已经研究了几十年了，用来分类植物。 每个logistic回归可以分类一个变量，一个向量有多个变量，所以要分类一个向量，就用多个logistic回归，对于每个变量单独分类的结果的集合，再重分类。就可以输出最终的类型了。 这是最细粒度的分类，一般并不采用。 当然也有对向量的分量加权再送到一个logistic回归里的分类。 这种相对简单，一般采用。 这种对logistic回归扩展到向量的方法，就构成了现在人工智能的基础神经网络，本质是一种并行分类。 而矩阵，张量，形式和向量没有区别，都是变量的平面几何结构。所以都可以和logistic回归结合。 由于卷积结果也可以用矩阵表示，所以卷积网络的出现也是自然的。 由于logistic回归的加权特征，所以当用于序列数据时，比如空间数据，时间数据，文本数据，可以借鉴统计学里的ARMA自回归模型。这是RNN网络的本质，用logistic回归改写ARMA. 之后就是对这个结构的各种改进和优化了，出现了现在的这些大模型。所以现在的人工智能是统计学的一个进步。但是统计学还有很多东西没有被改进。比如假设检验，贝叶斯推理，实验设计。 实验设计对于人工智能来说至关重要，仅仅是推理还是不够的，人工智能必须会实验设计。 高级数学SPM 极值统计学 函数模型及应用 人工智能