📉 蒙眼下山 —— AI 怎么找到"最佳答案"

🎯 蒙眼下山（梯度下降）—— 所有AI训练的共同底层

💡 一句话理解：梯度下降就是让参数像小球一样，每次顺着最陡的下坡方向走一小步。

📌 实验目的：理解AI如何一步步找到"最佳答案"——站在误差山谷的任意位置，用脚试探坡度（计算梯度），往最陡的下坡方向走一小步（更新参数），反复直到谷底。这就是所有神经网络训练的底层算法。

🌟 现实应用：从感知机到ChatGPT，所有AI模型训练用的都是梯度下降的变体。你现在看到的红球滚落过程，在真实AI训练中每秒发生几十亿次。

🔗 连接感知机：感知机里每次"分错就把线挪一下"——但到底挪多少、往哪挪？就是蒙眼下山算出来的。

📋 试试看：① 点「走一步」看红球怎么决定往哪滚 → ② 把步长调到 0.02，点「自动下山」→ ② 把步长调到 1.2，点「自动下山」→ ③ 找到最快到谷底的步长

你现在看到的只是一个参数（w）的下山过程。ChatGPT 训练时，几千亿个参数同时在各自的"山谷"里一起下山——但原理和这个红球一模一样：探坡度，走一步，探坡度，走一步……重复几十亿次，就训练出了能和你对话的AI。