📚 AI专家养成计划 · 第8篇（共140篇）| 补发
⏱️ 阅读时间：正文10-15分钟 + 地铁深读5-10分钟
🎯 适合人群：零基础，想用最简单工具理解AI预测原理的你
☀️ 上篇回顾：今天早课我们学了什么
今天早课我们学了算法——AI的”菜谱”。来回顾3个核心要点：
1. 算法就是”处理数据的方法”
同样的食材（数据），不同的菜谱（算法）做出来的菜完全不同。线性回归、决策树、神经网络，各有各的拿手菜。
2. 没有万能算法
没有一种算法在所有场景下都是最好的。这叫”没有免费的午餐定理”。选对算法比调参数更重要。
3. 算法的好坏看”泛化能力”
一个算法在训练数据上表现好不算好，在没见过的新数据上表现好才算好。这就像考试——做过原题考高分不算本事，新题也能做对才是真本事。
💡 核心收获：你理解了算法的本质。今晚我们换个玩法——用你最熟悉的Excel，亲手跑一个AI预测算法。
🎯 今晚的主题：Excel也能跑AI？
你可能觉得AI离你很远，需要Python、GPU、大模型……
其实不然。
今天我要告诉你一个事实：你电脑里的Excel，就能跑一个完整的AI预测算法。
不信？跟我来。
📊 用Excel做”线性回归”
什么是线性回归？
线性回归是AI/机器学习中最基础的算法，简单说就是：找到一条最能描述数据趋势的直线。
比如你有一组数据：广告投入（万元）vs 销售额（万元）
| 广告投入 | 销售额 |
|---|
|———|——–|
| 1 | 3.1 |
|---|---|
| 2 | 5.8 |
| 3 | 9.2 |
| 4 | 11.5 |
| 5 | 15.0 |
你肉眼看就能感觉出来：广告投入越多，销售额越高。而且大致是”每多投1万广告，销售额多增加约3万”。
线性回归做的事情，就是帮你精确算出这个关系。
Excel操作步骤
第1步：输入数据
打开Excel，A列输入广告投入，B列输入销售额。
第2步：插入散点图
选中数据 → 插入 → 图表 → 散点图。你会看到5个点大致呈一条直线。
第3步：添加趋势线
点击图表中的任意一个数据点 → 右键 → “添加趋势线” → 选择”线性”。
第4步：显示公式
在趋势线选项中，勾选”显示公式”和”显示R平方值”。
Excel会给你一个公式，类似：
y = 2.94x + 0.12
这就是AI学到的”规则”！
解读：
- 2.94 = 斜率，表示每多投1万广告，销售额增加约2.94万
- 0.12 = 截距，表示不投广告时的基础销售额约0.12万
- R² = 0.998 = 拟合度，越接近1越好，说明这个公式能解释99.8%的数据变化
🔮 用Excel做”预测”
公式有了，预测就简单了。
问：如果投入6万元广告，销售额会是多少？
在Excel中输入公式：=2.94*6+0.12 = 17.76万元
这就是AI预测的本质！ 找到数据中的规律（公式），然后用公式算出新数据的结果。
你刚才做的事情，和ChatGPT、推荐算法的底层原理是一样的——都是从数据中学习规律，然后用规律做预测。区别只是数据量和算法复杂度不同。
🧪 进阶：用Excel的FORECAST函数
Excel内置了预测函数，不需要手动算公式。
FORECAST函数语法：
`
=FORECAST(要预测的X值, 已知Y值范围, 已知X值范围)
`
示例：
`
=FORECAST(6, B2:B6, A2:A6)
`
结果会自动计算出：当广告投入为6万时，销售额约为17.76万。
Excel还会给你置信区间——预测值的可能范围，比如”17.76万 ± 0.5万”。这和AI模型给出的”置信度”是一个意思。
📖 地铁深读：为什么AI的底层原理这么简单？
线性回归的”升级版”
你刚才用Excel做的线性回归，是1805年勒让德发明的。200多年了，它仍然是最常用的机器学习算法之一。
那ChatGPT、Stable Diffusion这些”高级AI”和线性回归有什么关系？
本质上，它们做的事情是一样的：
| 线性回归 | ChatGPT |
|---|
|–|———|———|
| 输入 | 几个数字 | 一段文字 |
|---|---|---|
| 输出 | 一个预测数字 | 下一个最可能的词 |
| 规律 | y = ax + b | 几十亿个参数的超复杂公式 |
| 数据量 | 几十行 | 几TB的文本 |
区别在于：
- 数据量：线性回归用几十行数据，ChatGPT用几TB数据
- 参数量：线性回归2个参数（a和b），ChatGPT有几千亿个参数
- 复杂度：线性回归是直线，ChatGPT是超高维空间的曲面
但底层逻辑完全一样：从数据中学规律，用规律做预测。
一个思想实验
如果你给Excel一亿行数据，用一个超复杂的公式（比如几千个参数的多项式），它能不能变成ChatGPT？
理论上……可以。只是Excel算不动而已。
这就是为什么AI需要GPU——不是因为原理复杂，而是因为数据量和计算量太大了。CPU一个一个算，GPU一万个一起算。
✅ 今日总结
3个关键要点：
- AI的底层原理并不神秘——线性回归（找到数据中的规律）是所有AI的基础。Excel就能跑。
- 预测 = 找规律 + 用规律——AI做的事情和你用Excel趋势线做预测是一样的，区别只是数据量和复杂度。
- R²值告诉你预测靠不靠谱——越接近1越好。AI模型也有类似的”置信度”指标。
📝 今日行动项
- [ ] 打开Excel，输入5组自己编的数据（比如学习时间vs考试成绩），用趋势线找到公式
- [ ] 用FORECAST函数预测一个新数据点
- [ ] 把R²值改改数据看看——加入一个”离谱”的数据点，观察R²怎么变化
📅 下篇预告
明天早课 Day05：模型：AI的大脑！训练好的算法到底长什么样
算法是菜谱，模型是做好的菜。今天我们学了怎么做菜，明天来看看”成品”长什么样。
明天晚课 Day05：零代码！用Google Teachable Machine训练你的第一个AI
不用写代码，用浏览器就能训练一个图像识别AI。
🎓 早课合集 | 每天早上8点更新
💡 学完记得动手！打开Excel试试线性回归
🔖 本文已收录至「AI专家养成计划·早课」合集
发表回复