声学特征是人类听觉的"降维投影"

MFCC 的 Mel 刻度不是数学最优的频率表示，而是**模拟人耳耳蜗的非线性频率分辨**。这意味着传统语音特征从一开始就预设了"机器应该像人一样听"的假设。当这个假设不成立时（如机器需要听到人类听不到的高频谐波来做设备故障诊断），传统特征反而是瓶颈。