多到数不清。
可梯度下降这么一路滚下来，它不是随便落，而是带着一种说不清道不明的偏好，专往那些最平、最简单的低点里去。
这种没人明写、却实实在在起着作用的偏好，就叫隐式正则化。
机器之所以没把噪声死记下来，不是因为有谁在拦着它，而是因为梯度下降这条路本身，就懒得往那些尖锐、复杂的坑里钻。
至于它为什么懒，数学上是能给出一个说法的。
当一张网络宽到极致的时候，它在训练里的一举一动，会退化成一种早就被研究透了的老东西——核方法。
整个训练过程，近似于围着出发点做一次线性展开，网络几乎不挪窝，只在原地轻轻地晃。
这套理论在圈子里有个名字，叫 NTK机制（神经正切核）。
而这种“原地不动、只轻轻晃”的状态，则被形象地称作懒惰训练。