“数学是科学的语言，也是自然界最美的语言” - 吴军《数学之美》
本游戏系列融合了吴军《数学之美》的核心理念：用简单优雅的数学模型解决复杂的现实问题。我们不仅教授算法，更要展现数学的美感、实用性和普适性。
基于大语言模型算法研发的底层思维，培养具有20-30年生命周期的核心能力：
核心概念：梯度下降、局部最优、学习率
数学之美体现：
玩家控制一个”优化探险者”在多维地形中寻找最低点（全局最优解）。
核心玩法：
关卡设计：
教育价值：
核心概念：向量空间、线性变换、特征值
玩家在向量空间中移动，通过矩阵变换改变空间结构来解谜。
核心玩法：
关卡设计：
教育价值：
核心概念：条件概率、贝叶斯定理、概率图模型
在不确定的世界中，通过观察证据更新信念，做出最优决策。
核心玩法：
关卡设计：
教育价值：
核心概念：前向传播、反向传播、网络架构
玩家是神经网络架构师，设计网络结构来解决各种任务。
核心玩法：
关卡设计：
教育价值：
核心概念：自注意力、多头注意力、Transformer
玩家控制”注意力探测器”，学习在序列中分配注意力权重。
核心玩法：
关卡设计：
教育价值：
核心概念：自回归、预训练、涌现能力
玩家扮演AI研究员，训练和优化大语言模型。
核心玩法：
关卡设计：
教育价值：
核心概念：上下文学习、思维链、提示优化
玩家设计提示词，引导语言模型完成各种任务。
核心玩法：
关卡设计：
教育价值：
核心概念：奖励建模、策略优化、人类反馈
玩家训练AI代理，通过人类反馈优化行为策略。
核心玩法：
关卡设计：
教育价值：
这个游戏系列不是教”如何使用ChatGPT”，而是教”如何创造ChatGPT”。
培养的核心能力：
这些能力的生命周期可以跨越20-30年，因为它们是：
正如姚班培养的是”能创造工具的人”，这个游戏系列培养的是”能创造AI的人”。
游戏应用：
核心概念：
游戏应用：
数学之美：
游戏应用：
核心思想：
游戏应用：
数学之美：
游戏应用：
核心价值：
游戏应用：
算法之美：
游戏应用：
数学之美：
游戏应用：
核心洞察：
游戏应用：
优势体现：
游戏应用：
深层理解：
游戏应用：
数学本质：
游戏应用：
设计哲学：
不是先教数学公式，而是先提出实际问题，然后展示数学如何优雅地解决它。
游戏实现：
抽象的数学概念通过可视化变得直观。
游戏实现：
先理解简单情况，再推广到复杂情况。
游戏实现：
看似不同的问题背后是相同的数学原理。
游戏实现：
数学不是纸上谈兵，而是解决实际问题的工具。
游戏实现：
《数学之美》观点： “最好的模型往往是最简单的模型”
游戏体现：
《数学之美》观点： “数据量足够大时，简单的统计方法就能work”
游戏体现：
《数学之美》观点： “信息论是理解机器学习的钥匙”
游戏体现：
《数学之美》观点： “机器学习本质上是优化问题”
游戏体现：
《数学之美》观点： “世界是不确定的，概率是描述不确定性的语言”
游戏体现：
| 经典方法 | 现代演进 | 游戏体现 |
|---|---|---|
| N-gram模型 | Transformer | 语言模型游戏 |
| 朴素贝叶斯 | 深度生成模型 | 概率推理游戏 |
| 线性回归 | 深度神经网络 | 优化算法游戏 |
| SVD | 神经网络嵌入 | 矩阵分解游戏 |
| HMM | RNN/LSTM | 序列建模游戏 |
| 最大熵 | Softmax分类器 | 分类游戏 |
虽然技术在演进，但底层的数学原理是不变的：
这就是为什么这些能力能持续20-30年！
吴军在《数学之美》中展示了：
我们的游戏系列继承了这一理念：
从《数学之美》到《AI之美》，从理解世界到创造智能。
正如姚班培养的是”能创造工具的人”，这个游戏系列培养的是”能创造AI的人”。