导览
数学是一条被逼出来的发明链
数学常被讲成一堆要背的公式和互不相干的章节。这门课只讲一件事：数学其实是一条因果链——每一步都被上一步解不了的问题逼出来。把这条链看清楚，你就不再是"记住"数学，而是"看懂人类为什么不得不这样想"。
一个看得见、摸得着的长度，居然不在他们认定的"所有数"里。这不是一道偏题，而是数学反复上演的剧本：你以为工具够用了，它却撞上一堵墙；为了翻过墙，你被迫发明新东西；而新东西又带来下一堵墙。
这门课的唯一主线
我们要立起一个贯穿全程的中心论点，并在每一课把它挣得更结实一点：
"线性思维"指的就是这个：我们不按学科目录（代数、几何、分析……）来组织，而是按因果顺序。每一课的结尾，都会留下一个它回答不了的问题；那个问题，正是下一课的开头。你会发现，从负数到复数、从微积分到无穷的大小、从公理到哥德尔、再从图灵一路到神经网络与扩散模型，没有一步是"老师规定要学的"，每一步都是不得不走的。
第一条裂缝长什么样
先用最熟悉的算术热个身，体会一下"撞墙"的感觉。我们从"会数数"出发，看它如何被一道道运算逼着扩张：
看出门道了吗？每一行右边那句"但是……"，都是一道工具解不了的题；它逼出下一行那个新的数。这正是第一部分（00–04）要走的路。而这只是整条链的开头——同样的剧本，后面会在"形状"、"无穷"、"变化"、"数学的地基"上一遍遍重演，最后一路重演到人工智能。
整条链：44 课的地图
下面这张图把全程画了出来，它有两大乐章。前一半是一部"思想史 + 现代地基"：先把"数"扩张到底（1–4），再从"数"转向"形"、看公理如何从真理变成选择（5），接着征服"无穷与变化"也就是微积分（6–9），然后是支撑现代世界的两块基石"不确定（概率）与多维（线性代数）"（10–11）；接着数学转身看自己——结构、无穷的大小、地基，直到哥德尔划出证明的边界（12–15）；最后补齐三块现代地基：连续（拓扑）、大小（测度）、计算（图灵），图灵在这里造出了"机器"本身（16–18）。
但故事没完。看清自身极限、又造出了机器的数学，转身去造会学习的东西——后一半（19–43）是这套数学最雄心勃勃的兑现：一台会从数据中学习、乃至会创造的机器。我们顺着"把数据放进空间（表示与几何）→ 学习就是优化（梯度与凸性）→ 和不确定性讲道理（概率·统计·信息）→ 拼成经典学习器（回归、PCA、SVM）→ 从一个神经元长到深度网络、注意力与扩散模型"，一路走到今天的大模型。同一台引擎——撞墙、被逼发明、再撞墙——从计数一直转到现代 AI。点开任意一课，看看它被什么逼出来、又埋下什么。
怎么读这门课
- 从 00 顺着读到 43。这是一条因果链，不是公式手册——每一课结尾的问题就是下一课的开头。跳着读会丢掉"为什么"。前一半（00–18）是数学思想史加三块现代地基，后一半（19–43）把这套数学搭成会学习、会生成的机器，两段一气呵成。
- 动手玩每课的小实验。割线滑向切线、康托尔的对角线、亲手跑一台会停机的图灵机、加神经元逼近任意曲线、把噪声一步步去成图像……公式一时看不懂没关系，先把直觉建起来，符号自然会跟上。
- 不需要高深数学。有高中基础就能跟上。所有公式都用普通符号写（没有任何花哨排版），每个符号后面都跟一句大白话怎么读。
- 盯住每课的两个 callout。开头的"线性回顾"告诉你"我们为什么会到这"，结尾的"下一步"告诉你"我们为什么必须往下走"。它们是这条链的关节。
- 它通向两个方向。这门课的后半程亲手把数学搭成了机器学习的地基；想看它真正跑起来，去 gpt_mini（里面的注意力与 Transformer 你在第 41 课就见过）、强化学习 或 扩散模型（正是第 42 课那台加噪去噪的机器）。若想走"数学是物理的语言"那条线，《宇宙简史》 里的相对论、量子、黑洞，正是本课几何与微积分在真实宇宙里的兑现。