📝 本集重點：• 雖然數學是經典，但這跟用手算不同。我認為理解概念就夠了。比如我知道卷積神經網路是特徵提取，自注意力是做關聯性計算，這在設計系統架構時就完全夠用。如果真的要去算，那我寫個Python腳本用numpy跑一遍不也是「親手實現」嗎？為什麼非要在紙上...• 但我看過太多缺乏底層理解而翻車的例子。比如做RAG系統，檢索內容模型總是抓不到重點。拼裝工程師只會碰運氣更換Embedding。而懂底層的工程師，知道餘弦相似度本質，能診斷出特徵維度被稀釋而進行精準調整。在後期解決疑難雜症時，這差距是決定性...• 用手去算Transformer的矩陣，這到底是真的能幫我們看清AI本質，還是只是一種無謂的學術復古情懷？我最近看Tom Yeh教授推動的「AI by Hand」專案，倡導大家用手畫、Excel算GPT底層數學，這才是破除AI泡沫的唯一解藥。• 就算手算能帶來直覺，但在商業世界裡，這投資報酬率有多高？一個能手算Transformer的工程師，跟一個善用現成工具、能快速拼裝產品的工程師相比，誰貢獻大？追求快速上線的時代，速度就是一切，等你手算完，別人的產品早就圈了十萬用戶了。