1700516722
1700516723
对我这样的数学家来说，机器学习中出现的自下而上的新编程模式，在让我感到兴奋的同时也让我深深感受到了潜在的危机：哈萨比斯和他的同事们正在开发的算法，可以从过往的人类数学经验中学习如何区分令人激动的定理和无聊的定理，而这反过来又可能会引导机器产生一个新的价值定理。这个定理可能会让数学界震惊，就像AlphaGo在棋类游戏界产生的震撼效果一样。
1700516724
1700516725
[1] 据加拿大数学家约翰·查尔斯·菲尔兹（John Charles Fields）要求设立的国际性数学奖项，于1936年首次颁发，常被视为数学界的诺贝尔奖（诺贝尔奖本身未设数学奖）。菲尔兹奖每4年颁奖一次，在由国际数学联盟（IMU）主办的四年一度的国际数学家大会（ICM）上举行颁奖仪式，每次颁给2～4名有卓越贡献的年轻数学家。获奖者必须在该年元旦前未满40岁，每人将得到15 000加拿大元的奖金和金质奖章一枚。——译者注
1700516726
1700516727
[2] 1862—1943，德国著名数学家，被称为“数学界的无冕之王”，是天才中的天才。希尔伯特领导的数学学派是19世纪末至20世纪初数学界的一面旗帜。——译者注
1700516728
1700516729
[3] 雅典三大悲剧作家之一。——译者注
1700516730
1700516731
[4] 古希腊早期喜剧代表作家，生于雅典。他熟悉希腊文学和艺术，与同时代的哲学家、文学家交游甚广。他对后世喜剧影响甚大，被称为“喜剧之父”。——译者注
1700516732
1700516733
[5] 欧拉公式是数学里最令人着迷的一个公式，它将数学里几个最重要的数字联系到了一起：两个超越数，自然对数的底e，圆周率π；两个单位，虚数单位i和自然数的单位1；被称为人类伟大发现之一的0。数学家们评价它是“上帝创造的公式”。——译者注
1700516734
1700516735
1700516736
1700516737
1700516739
天才与算法：人脑与AI的数学思维 第10章 数学家的望远镜
1700516740
1700516741
弗里德里希·尼采（Friedrich Nietzsche）
1700516742
1700516743
我们的写作工具参与了我们思想的形成过程。
1700516744
1700516745
尽管我有点担心计算机会让我丢掉工作，但我不得不承认，作为一种工具，它是一个“无价之宝”。当我们需要将一系列方程合并成一个方程时，手工计算是很难保证不出错的。但对于计算机来说，它就很擅长处理这种重复而机械且计算量庞大的任务。你只需要定义一套规则，剩下的就由计算机接手了。而且，在速度与准确性等方面，计算机是远超过手工计算的。正因为如此，近年来计算机的作用越来越重要，其应用领域也越来越广泛。
1700516746
1700516747
数学与计算机程序的算法紧密相关。因此，近半个世纪计算机常用于证明一些复杂的数学问题。20世纪70年代，计算机对“四色定理”的证明轰动了全世界。四色定理指的是“任何一张地图只用四种颜色就能使具有共同边界的国家着上不同的颜色。”也就是说，在不引起混淆的情况下，一张地图至少需要四种颜色来标记。
1700516748
1700516749
尽管此前很多人认为五种颜色就是下限，但计算机的发明大大加快了对四色定理证明的进程。1976年，数学家凯尼斯·阿佩尔（Kenneth Appel）和沃尔夫冈·哈肯（Wolfgang Haken）在前人的基础上用计算机证明了四色定理。阿佩尔与哈肯把地图的无限种可能情况简化为1936种构型，但是要靠人工逐一验证如此之多的构型是不现实的，所以才需要借助计算机进行验证。计算机根据程序指令逐一浏览地图并检查其是否满足四色定理。当时的计算机运算速度还不够高，整个证明过程的耗时超过了1000小时。
1700516750
1700516751
计算机只能执行指令，并无自主创造力。但是，想要证实程序中是否存在错误是很困难的。我们能在多大程度上相信计算机，这个问题一直困扰着人工智能领域的学者。当我们进入由算法主导的未来时，确保代码中没有未被检测出的错误，将成为一项艰巨的挑战。
1700516752
1700516753
2006年匹兹堡大学的托马斯·黑尔斯（Thomas Hales）教授在《数学年鉴》上发表了关于借助计算机证明著名的数学问题——“开普勒猜想”的论文。简单来说，开普勒猜想就是对在空间中如何最密集地堆积圆球的解答。出于有效利用空间以及避免压坏水果的考虑，水果店店主一般会将水果层层交替堆叠，任意平面上的每个水果都与六个水果相邻，构成正六边形。像阿佩尔与哈肯一样，黑尔斯采用的也是借助计算机对足够多的案例进行穷举证明的方法。事实上，早在1998年，黑尔斯就曾宣布他的证明完成，并向《数学年鉴》评审组提交了论文、程序代码及相关资料，但该项证明的审核验证经历了漫长的时间。这是因为人类大脑的物理局限性，审核人必须得充分相信计算机的能力，就好比我们第一次乘坐飞机一样，心中难免惴惴不安。用了8年时间，数学家们证明了黑尔斯是正确的，但其确定性是99%。
1700516754
1700516755
对于数学纯化论者来说，这1%也是不可容忍的。这就好比，要证明你是牛顿的亲戚，可是家族谱系图里却缺少了关键的一环……人们质疑计算机证明数学问题的能力，并不是因为害怕计算机在未来会使得他们丢掉工作（早些年计算机只会按人类的指令执行操作，并不具备自主学习能力），主要是因为无法确定计算机程序是否存在潜在缺陷。我们该如何去相信计算机的证明呢？
1700516756
1700516757
数学家们就曾被程序代码中的缺陷困扰。1992年，牛津物理学家利用弦理论中的启发法对高维几何空间中可识别的代数结构数量进行了预测。对于该预测，数学家们持怀疑态度，因为他们觉得物理学不具备解释抽象结构的能力。当有证据表明这个猜想是错误的时候，他们觉得自己的怀疑是有道理的。然而，后来事实证明，否定这个预测的错误证据正是由一个有缺陷的计算机程序生成的。所以，错的是数学家，而不是物理学家——程序的错误把他们引入了歧途。几年之后，数学家们开始努力地证明物理学家的预测是对的（这一次数学家们把计算机排除在外了）。
1700516758
1700516759
这样的故事加剧了数学家们的担忧，他们担心计算机可能会让我们在结构不健全的“程序地基”之上建造精巧的“数学大厦”。但坦白讲，许多问题的证明往往都存在不足或错误，人类犯错的可能性通常比计算机更大。包括我本人发表的一些证明，后来也被发现存在一些漏洞。错误可以被修正，但遗憾的是，在证明的验证和审核阶段它们并没有被找出来。
1700516760
1700516761
证明的验证和审核非常重要，它是发现缺陷和漏洞的重要环节。这就是为什么数学界“千禧年大奖问题”的证明要经过两年的审核验证期——大家认为24个月的时间足够让错误暴露出来。以安德鲁·怀尔斯证明“费马大定理”为例，在其证明方法付梓之前，审验人员发现了一个小缺陷。但怀尔斯和理查德·泰勒（Richard Taylor，曾是怀尔斯的学生）奇迹般地修正了这一缺陷。即便如此，在错误证明的基础上构建数学体系的情况也是屡见不鲜的。
1700516762
1700516763
许多新的证明极其复杂，以至于数学家们很担心一些潜在的错误难以被发现。以有限单群分类定理（classification of finite simple groups）为例，单群在有限群论中的地位，与素数在数论中的地位、原子在化学中的地位一样，它们都是构建各自所在世界的“砖块”。对于任意的有限群，我们可以将其分解为一系列单群，且分解方法是唯一的。通过研究这些“砖块”，我们可以进一步发现由它们所组成的物质的结构和性质。与当年化学家寻找新元素一样，数学家也开始了对于单群的寻找——列出一个单群的“元素周期表”，并证明这个“周期表”中包含了所有的单群。其中，“魔群”是最大的“散在单群”。“魔群定理”的证明散落在100多篇论文中，合计超过10 000页，涉及数百名数学家。单群的“元素周期表”中含有26个散在单群，对于是否存在第27个散在单群，人们总是持怀疑态度。对于这种类型的复杂证明，进行人力审核几乎是不可能的，那么，是否可以通过计算机程序来检验数学定理的证明呢？
1700516764
1700516765
新的问题又出现了，用计算机程序去检验计算机证明的步骤，是否可信？怎么确保计算机程序中没有缺陷？再用另一台计算机去查证吗？这会陷入一个永无休止的死循环。你怎么能确定你的方法正在引导你走向真正的知识的“圣杯”？真理的产生取决于你的证明方法。
1700516766
1700516767
正如哲学家大卫·休谟（David Hume）指出的，大多数科学研究都建立在归纳法之上——通过观察特定的例子来推断出一个普遍的规律或原则。为什么归纳法是一种产生科学真理的好方法呢？这主要是因为在归纳法里我们可以举出许多例子来说明。基于归纳法，曾产生了许多著名的科学理论，这反过来证实了归纳法确实是一种科学研究的好方法。
1700516768
1700516769
1700516770
1700516771
[
上一页 ]
[ :1.700516722e+09 ]
[
下一页 ]