UMAP内部构建的kNN图蕴含高维数据流形信息，但常被忽略。研究显示，对其应用PageRank、k-core分解和聚类系数等图算法，可分别识别代表性数据点、密集核心区与紧密邻域。在MNIST和Fashion MNIST上的评估表明，这些方法实用且与k-medoids、HDBSCAN等专用方法相当或互补，拓展了数据理解途径。

GPT-5 和 Gemini Pro 2.5 在简单算术题上表现不佳，揭示了 AI 的弱点。AI 可能继承了人类的心理偏见，导致对证据的不信任。未来 AI 发展面临两种可能：实现无损数据理解或陷入语言局限，导致偏见加剧。尽管人们对 AGI 的期待偏向前者，现实可能并不乐观。

商业数据理解阶段是CRISP-DM框架的第二步，旨在深入了解数据源及其质量。主要任务包括收集、描述和探索数据，以确保数据支持后续分析。成功标准为数据质量和可用性，忽视数据质量可能影响项目整体效果。

文章探讨了灵感的来源，强调数学和数据理解的重要性，以及坚持不懈对创意的影响。作者分享了在思考WWDC24动画效果时的灵感瞬间。