Map the AI · 每日学习
每天学会一点，沿着路径前进。
每节课用一个小实验和一道题，帮你理解 AI 如何处理文字、生成回答。想了解更多，可以打开相关教程。
正在加载你的学习进度…
你的学习安排
偏好为长期推荐提供基础；当前基础练习尚不按档位重排。
适合你目标的学习路线
AI 通识
搞懂 AI 是什么、怎么运作、会在哪里出错——一行代码都不用写。
完整路径沿用现有知识图谱；短课掌握记录目前覆盖下方基础单元。
基础短课进度
正在加载进度…一次答对是开始，定期复习能帮你记得更牢。可以随时休息。
让参数自动走一步
观察学习率如何影响梯度更新。
梯度描述损失在当前位置的变化方向和幅度。梯度下降从参数中减去“学习率×梯度”。合适的小步可以降低损失，步子太大则可能增加损失。真实训练通常使用成批样本更新许多参数。
一个参数、一个训练样本：输入x=1，目标为3，预测为w。损失L=(w−3)²，梯度g=2(w−3)。每次点击实际计算w的新值：w−学习率×g。
已更新: 0 / 20
w = 0.000 · 损失 = 9.000 · 梯度 = -6.000
查看每一步的数值
- 0: w=0.000, 损失=9.000
比较0.1、0.5和1.1：大步不一定更快，可能跨过最低点并越走越远。这些数值只适用于本例，真实模型的合适学习率取决于损失和参数尺度。这里只拟合一个样本，不代表泛化能力。
正在加载进度…