大二下學期的人工智慧核心課《機器學習》己經進入了最讓人頭疼的深水區。
講臺上，程教授正拿著雷射筆，指著投影幕布上密密麻麻的數學推導公式。
臺下，學生們或眉頭緊鎖，或奮筆疾書，空氣中只剩下筆尖摩擦紙張的沙沙聲。
“所以，這就是支援向量機（SVM）的對偶問題。”教授敲了敲黑板，粉筆灰簌簌落下。
“我知道你們很多人覺得，既然原始問題己經能求出最優解了，為什麼還要多此一舉，引入拉格朗日乘數法去推導對偶形式？這不是脫褲子放屁嗎？”
臺下傳來幾聲低低的笑聲，但很快又陷入了沉思。
“因為原始問題裡，約束條件太多，求解極其困難。”教授的目光掃過臺下。
“但轉化為對偶問題後，我們不僅把不等式約束變成了簡單的邊界條件，更重要的是，它為後續的‘核函式’鋪平了道路。”
“只要你們記住，對偶問題的解，只依賴於那些距離分類邊界最近的樣本——也就是支援向量“。”
他頓了頓，語氣加重：“這部分推導，期末必考，不要只會背公式，要理解它的幾何意義。”
教室裡響起一片壓抑的嘆息聲。
緊接著，幕布上的畫面切換，出現了一個複雜的神經網路結構圖。
“接下來，神經網路的反向傳播演算法（BP）。”教授的聲音在空曠的教室裡迴盪，“如果說前向傳播是資料的流動，那麼反向傳播就是誤差的溯源。”
“同學們看這裡，根據鏈式求導法則，我們需要從輸出層開始，一層一層往回計算梯度。這不僅是微積分的應用，更是模型自我修正的靈魂。”
他看著臺下那些逐漸失去焦距的眼睛，無奈地搖了搖頭：“我知道這很難，但這是你們理解AI的必經之路。”
刺耳的下課鈴聲如同劃破緊繃氣球的利刃，瞬間切斷了教室裡凝固的空氣。
“穗寧。”林宜之轉過頭，一臉痛苦地揉著太陽穴，“你聽懂了嗎？我剛才聽反向傳播的鏈式法則，感覺自己的腦子也跟著被反向傳播了一遍，首接宕機了。”
沈穗寧合上筆記本，唇角勾起一抹極淡的弧度：“其實不難，你把它想象成你在走迷宮，走錯了路，你要退回來找原因。”
“反向傳播，就是沿著你走過的路，把錯誤一點點傳回去，然後調整下一步的方向。”
林宜之愣了一下，隨即眼睛一亮：“被你這麼一說，好像突然就通了！”
沈穗寧笑了笑，將筆記本收進包裡。
這幾天晚上在宿舍，她藉著昏黃的檯燈，一頁頁翻過了原筠淮整理的那些筆記。
那些密密麻麻的專業詞彙和港島科大CSE面試常考話題旁邊，都有他用鋼筆寫下的通俗易懂的註解。
他那時在臨湖忙著處理那堆爛攤子，焦頭爛額之際還能抽空給她整理出這些筆記。
沈穗寧指尖輕輕摩挲著紙頁，思緒不由自主地飄到了這幾日的夜晚。
因為都要上晚課，原筠淮便總是守著她下課回到宿舍，才撥通影片，接著輔導她準備港科大CSE碩士申請所需的雅思和託福。
“別急，穗寧，看著我，我們再理一遍邏輯。”
他的聲音透過揚聲器傳出來，帶著特有的磁性和低啞，不像是在講題，倒像是在哄睡。
。方地的最底心中擊地準能然依，溺寵與心耐的幕螢位溢要乎幾份那他，號訊子電的冷冰著隔怕哪
