握 5%（效率下降）。

    ? 到了最后冲刺阶段，他已经很累了，学 1 小时只能掌握 1%（几乎没进步）。

    这个学习曲线就是非线性函数的典型例子——前期进步快，后期进步慢，甚至可能遇到瓶颈。

    3. 线性 vs. 非线性：为什么 AI 需要非线性？

    如果世界是完全线性的，那我们可以用一个简单的公式来预测一切，比如：

    ? 你工作 1 小时 = 赚 100 块，工作小时 = 赚 1000 块（完全线性）。

    ? 你吃 1 口饭 = 饱 10%，吃口 = 100% 饱（完全线性）。

    但现实世界不是这样的：

    ? 工作太多会累，效率下降（非线性）。

    ? 吃到一定程度会撑不下去（非线性）。

    ? 投资股票，收益不是“每年固定 10%”，而是可能暴涨暴跌（非线性）。

    AI 需要非线性函数（比如 ReLU、Sigmoid），因为现实问题不是简单的加减乘除，而是充满复杂的变化。

    结论：非线性函数的关键作用

    它能描述现实世界中的复杂变化，比如爬山、学习、投资、天气变化等。

    它让 AI 具备强大的学习能力，而不是只能处理简单的线性关系。

    在深度学习里，激活函数（ReLU、Sigmoid）都是非线性的，否则神经网络无法学习复杂模式。

    思考：你还能举出哪些“非线性”的例子？比如人的成长、经济发展、技术进步，很多事情都是非线性的！