为什么我们能在不同光照、角度下瞬间认出同一个朋友的脸以及他的情绪？或者为什么看似不同的手写数字，我们直觉就能分辨它们的含义，同时又知道是谁写的？又或者，当我们把生动丰富的口头语言变成简练的文字时，依旧能传递相似的意思？面对一张复杂的照片，我们可能只抓住了“某人 + 情绪”两个核心维度。听到一句话，我们提取的往往也是“句意 + 情感”。
例如：看一张照片：像素级别的信息量非常大（数百万像素），但大脑只提取了“这是某某人，表情开心”。
听一段话：声学波形极其复杂（数千维的频谱），但脑中印象只留下了“她在夸我，语气温柔”。
这些原始数据具有非常多的维度，极其庞大，我们在一瞬间把这些数据变成非常简单的少数维度的数据。比如，从上万维度的数据：{像素点1，像素点2，….像素点n}迅速压缩出{人物，光影，…背景}，甚至最后只有两个维度的数据：{某人，情绪}。甚至，当我们回忆过往的对话时候，可能无法逐字复述，却能把大意讲得八九不离十。说明记忆也是降维存储的，把原始高维数据精炼成低维度的语义，并且予以复原。
流形(manifold)，则是描述不同维度之间的关联，高维度的数据并不是相互独立的，它们受限在流形上，尤其是非线性流形。
比如，球面是一个 2 维流形，嵌入在 3 维空间。球面上每个点，可以用两个角度坐标（如纬度、经度）描述。这两个角度的变化，决定了球面上 3D 坐标 (x, y, z) 的联动变化。因此，三维坐标就降成了二维坐标。
联系曾经学习过的扩散模型，它在训练时学到的概率密度，等价于告诉它哪些数据模式是合理的。例如，生成一张人脸时，模型会自动排斥生理上不可能的形状，因为训练数据中就没有出现过。这些“合理模式”往往也体现了数据在高维空间的低维结构或者说流形。
什么是“非线性流形”？
流形就是一个空间的子集，比如一个面，一个形状。线性流形是理想化的欧氏空间子集，比如直线、平面、超平面，它们全局平直、没有弯曲。而非线性流形则是：在局部看上去像平面或欧几里得空间，但整体可能弯曲、扭曲。比如地球表面是球面流形。它局部看像平面，但整体是弯曲的。一张纸卷成螺旋，蚂蚁在上面走，感觉是 2D 的，但整体形状非常复杂。非线性流形就是这种整体弯曲的形状。在高维数据里，这种弯曲往往是由数据生成的隐藏因素造成的，而这种隐藏因素，实际上是科学规律或者自然规律。由于自然界中普遍存在的基本作用力，我们发现大量的数据生成具有自相似性，在不同尺度上呈现出同样的规律，这就是分形，分形不是线性组合，因此其对应的“秩”也是增长的，而且很难用常规的线性代数方法降维。这方面另有博文叙述。
在高维度数据中，手写数字、面孔图像、语音频谱等看似复杂，千变万化，但实际上它们的本质变化（写法弯曲、情绪、角度）只沿着少数几个“自由度”滑动，可以认为都分布在一个低维的、弯曲的流形上。数据的自由度受到限制，并不是完全高维度数据所具有的无穷可能。
我们可以如此理解，蚂蚁无法在3D空间里自由爬动达到每一个3D坐标点，它只能在卷曲的纸片上爬。同样，咧嘴而笑不可能把嘴巴咧到耳朵之后。虽然像素空间是高维的，似乎可以出现任何形状的“脸”。实际上，面部表情的变化被限制在生物结构允许的低维流形上。这也是低维流形对高维数据带来的限制，让人类或 AI 在处理数据时更容易聚焦核心的“概念维度”。
大脑是模式识别的降维计算引擎
大脑的工作方式像一个降维计算引擎。面对复杂、高维的外界输入（视觉、听觉、嗅觉等），大脑不会逐点分析，而是识别其模式和结构，迅速找到少数几个核心维度以及这上面的变量值，也就是心理学意义上的“感知维度”，而这就是映射到低维流形上的值。
用数据科学的语言来说，所有的像素点、光影、背景信息，组成一个高维空间，假设有10000 维，但这个面孔是谁和她是什么情绪这两个核心变量，其实是一个 2 维的非线性流形嵌入在高维空间中。这种感知模式，在机器学习中称为“流形假设”：所有这些复杂数据，其实都在一个低维的、弯曲的“流形”上滑动。大脑的本领在于，在一瞬间识别出这个流形，并投影到关键的“某人+情绪”两个维度上。
语音到文字也是自然的降维。当我们把一个生动的语音段落转写成文字时，实际上是把声音（声波）、语调（情绪）等高维复杂信号，压缩到一个相对“离散、静态”的文字表示。虽然这一步有损失（声调、表情等非文字信息丢失），但文字仍然保留了语言的局部结构。这也是日常交流中，语音到文字自然的“降维”过程。
人脑（以及先进的AI 算法）要做的就是：发现这个流形，并在一瞬间把复杂世界映射到核心维度上。
大脑在感知时，并不会遍历高维空间的每一个点，而是沿着这个流形“滑动”，迅速找到最核心的心理概念。能够在一瞬间做到这种复杂非线性映射，真正体现了生物智能的强大。
因为，人类对于复杂数据是分层治理和反应，大脑不一一处理每个像素，而是识别“模式”。视觉皮层的神经元对边缘、轮廓等模式更敏感，而不是对单个像素敏感。大脑同时进行多模态整合：将复杂输入简化成高层抽象。例如，面孔识别区（FFA）整合了光照、角度等变化，直接输出“这个人是谁”这样的低维概念。处理表情与情绪：额外维度，但依然是低维。面孔识别同时提取情绪的“肌肉张力模式”，迅速判断“他高兴”或“他紧张”。这些研究让我们明白：虽然输入是高维的，但大脑只关心“最有用的、最具区分度的那几个维度”。而这些维度，很难以特征工程的形式予以一一列举，必须从数据模式中学习。
AI的模式识别
AI的大规模预训练，就是在在统计上建立一个模型，人类的笑，从未出现把嘴巴咧到耳朵后面的情况。AI不理解肌肉和骨骼的生物极限，而只是在统计概率上，捕捉了这两种现象同时出现的概率。人类理解笑容的限制，是出于生理结构（面部肌肉、颅骨形状等）的深层认知。而 AI 只能从已知样本分布的频率中，推测某些情况是否常见。
创造力往往意味着，跳出训练数据中已存在的模式。组合新的概念或打破概率分布中的“高频模式”。但是，预训练模型的本质是最大化似然估计：越常出现的模式，越被模型重视。罕见的、未出现过的模式，模型几乎不会预测到。
所以，预训练 AI 不太可能有真正意义上的“创造力”。它只能重组或模仿已有的统计模式，而不是真正理解和突破物理、解剖学等深层规则。甚至包括人类，也很难有创造力，因为这需要明确的自我意识和反思能力，以强大的逻辑思维克服潜意识的障碍。
流形关注局部相关性
从日常经验出发：我们更在意“谁是邻居”而不是“离我大老远的都是谁”，这貌似很容易从进化生物学中找到解释。
流形的关键就是局部性，不同人手写的“2”，虽然像素差异巨大，但我们一眼能看出“都是 2”。手写数字“2”或“9”在像素空间是高维的，但写法的差别主要是局部变化：旋转、弯曲、笔画粗细等，心理学上形成“数字流形”。类似地，我们用语言交流，虽然口音、语速、用词不同，但彼此能理解。语言中的元音音色，也存在一个低维“声学流形”——人脑识别“a”或“o”的能力，就是在这个流形上判断相似度。
拓扑学关注的是：谁和谁是邻居（邻域结构），空间的连通性（比如有无孔洞），不在意角度、距离大小，只在意“谁粘在一起，谁分开”。
在高维数据分析中，这意味着手写数字簇：0～9 形成了不同的连通簇。人脸图像空间：同一人脸在不同光照下的变化，形成一个连续的流形。
如果以自然语言处理为例，虽然句法依存树、逻辑标签图，篇章关系图是离散图结构，和流形的连续结构不同。但是它们背后都是同样的“低维、局部邻居保持”的思想。
现代 NLP 越来越多地把这些图结构看作数据的骨架或“流形邻域”，在连续空间中做近似建模（比如 Graph-based Embedding、Diffusion Models for Graphs 等）。
因此，它们可以被看作“语言流形”的离散近似版本，并且可以用流形思想去做更深的理论建模和算法改进。
AI的流形感知算法
面对高维数据（成千上万维像素、音频频谱等），传统线性降维（PCA）只能捕捉直线型的“最大方差方向”，无法还原复杂的流形。
非线性降维算法恰恰解决了这一点：
t-SNE：通过高维邻居概率分布，重现局部“谁是邻居”的感知直觉。
Isomap：计算沿流形表面的测地距离，保留流形的整体形状。
UMAP：建立模糊单纯形的复合体，把“骨架”投影到低维空间。结果：手写数字、面孔等簇状结构被清晰可见。
模糊单纯形复合体的原理是：建立Fuzzy Simplicial Set把连通性的离散二值变成邻接概率，然后再拼成一个模糊的复合体，然后在低维空间建立一个“模糊邻居强度”，又尽量和高维空间保持一致，从而为高维数据创建出符合人类直觉的低维示意图。
这些技术不仅让可视化更自然、更接近直觉，也被应用在疾病分型（找出不同患者亚型）、用户群体行为模式分析、语义嵌入（自然语言处理里的上下文关系）等场景中。
大脑与AI的联系
一切都指向一个核心共识：
人脑处理世界的方式，靠局部邻居和连通性，这是“流形骨架”。
AI 降维算法借助拓扑学和信息论，模拟人类这种处理方式。
从语言到文字的过程，也是把多维、模糊的感觉世界，压缩成可交流的、简洁的“文字流形”。
当 AI 和心理学的直觉在降维工具中相遇，数据科学就不再是冰冷的数字，而是和人类感知同构的、直观的世界模型。
从心理学到拓扑学，再到 AI 科技，非线性流形不仅仅是一个抽象的数学概念，它更是人类感知世界的方式，也是文字、语言、数据科学中共同的底层逻辑。当我们把这些碎片拼在一起，就会发现：无论是 AI 还是人脑，它们都在回答同一个问题：我们如何在高维、复杂的世界里，找到自己最自然、最贴近心灵的解释？
参考
有损性与随机性：有损性是降维不可避免的副作用，但不必然导致随机性。非线性方程可能会导致多解，表现出较强的随机性。PCA 是线性有损，结果唯一、无随机性。
非线性降维与人脑的联系：大脑感知相似性更接近非线性测地距离。心理学实验表明：面孔、动作、语音都呈现低维流形。AI 中的非线性降维“模拟”了大脑的低维骨架提取过程。
拓扑学在 AI 中的实现：UMAP 使用模糊单纯形，保留高维邻居连通性。这让低维可视化结果更符合人类直觉。
日常类比例子：地球表面是球面流形；卷曲的纸片；文字是语言的压缩版，近似保留语义骨架。
异常识时务 
发表评论