闪耀中文网syzww.com

江遥赶到数学院那间教室时,里面已经坐了二十来个人。

所谓“非正式讨论”比她预想得更不像一门课。没有签到,也没有投影,讲台边只放着几支粉笔,前面黑板上写了三道题,其中两道甚至看起来像高中数学竞赛里会出现的东西。顾苓陪她走到楼下就去图书馆了,临走前还问,要是听不懂是不是就早点回来。江遥说听不懂才更应该待到最后,顾苓看她一眼,说你这个毛病最好别带进所有事情里。江遥当时没觉得这话有什么,真正坐进教室以后才发现,自己确实很快又进入了那种“既然来了,就要把它弄明白”的状态。

主持讨论的是一个大三男生,姓季,穿一件洗得有些发白的黑色T恤。他没有介绍自己拿过什么奖,也没有讲数学院培养方案,只说今天想做一件很简单的事:把几件“看起来明明对”的东西,真正证明出来。第一道题写在最左边:任意一个大于一的整数,都可以分解成若干个素数的乘积。有人看到以后笑,说这不是小学就知道。季学长也笑,问:“那你证明一下。”

教室很快安静了。

江遥知道这是算术基本定理的一部分,当然不是第一次见。真正严格的证明她也读过,可如果现在不借书,直接从最基础的定义出发说清楚,仍然需要一点整理。前排一个男生先举手,思路很自然:如果这个数本身是素数,结束;如果不是,就拆成两个更小的因子,如果因子不是素数,继续拆。因为每次都变小,所以最后总会停在素数。

季学长没有说错,只在黑板旁边写了一个小小的问号。

“‘总会停’,你凭什么?”

男生愣了一下。

“因为数越来越小。”

“哪一种越来越小就一定会停?”

“正整数。”

“为什么正整数不能一直严格下降?”

这一次教室里有人开始笑,不是笑回答者,而是已经知道他在追什么。男生也笑,说那就用正整数的良序性。

季学长点头,又问:“良序性是你现在可以直接用的,还是你还要证明?”

“看我们从哪里开始。”

“对。”

他把粉笔放下,转身看着黑板上那道几乎所有人都觉得“不需要证明”的题,说数学里一个很麻烦、也很重要的事情,就是没有哪句话天然属于“显然”。显然只是相对于你已经允许使用的东西而言。如果从算术基本性质出发,良序性可以成为工具;如果在更底层的体系里工作,连它也要有来历。所谓证明,并不是把所有事情从宇宙第一天重新推一次,而是要清楚自己站在哪一层地板上。

江遥在本子上写下“地板”,很快又划掉。

这个比喻太容易记,也太容易让人误以为数学体系真的像楼一样一层层整齐叠上去。过去几年,她最擅长的正是从低层局部事实中找到高层结构,如今却开始越来越敏感于一种危险:结构一旦太漂亮,就会让人忽略那些不服从它的边角。

第二道题更简单。

黑板上写的是一个连续函数在闭区间上一定能够取到最大值和最小值。高中时这几乎属于图像直觉。画一条不断裂的曲线,从左到右走完,总会有最高点和最低点。可真正证明时,所有直觉里的词都变得不够用:“不断裂”到底是什么,“最高”凭什么一定被某个点达到,而不是像某些数列一样无限接近却永远碰不到?区间为什么非要闭,为什么还要有界?少一个条件会怎样?

这次季学长没有让任何人直接给标准证明,而是先让大家拆条件。

一个女生说去掉闭区间不行,比如在开区间\((0,1)\)上函数\(f(x)=x\),没有最大值。另一个男生说有界也不能随便删,不然整个实轴上的\(x^2\)没有最大值。有人又指出,这里“闭且有界”其实是在实数空间里导向紧致性,真正支撑结论的是更一般的东西。话题很快滑向江遥还没有系统学过的拓扑语言。

她听得懂大意。

却第一次清楚地感觉到,高中竞赛里自己经常做的是“在已经搭好的地面上往前跑”,而大学数学会不停问这块地面为什么能承重,换一种空间以后还承不承重。一个定理的力量不只是结论,而是它究竟依赖哪些条件,其中哪一个条件一拿掉,世界会以什么方式坏掉。

季学长在黑板中间写了四个字:

**条件会坏。**

随后让大家自己造反例。

江遥几乎立刻来了精神。

她过去就喜欢这个。

一个命题摆在那里,与其先顺着它的证明走,她常常更想知道怎样才能把它弄死。条件改变一点,结论会从哪里先裂开;如果完全杀不死,反过来才说明也许有更深的结构。国际赛理论第三题里,她最后能相信那个关系表示,很大一部分原因就是连续试过几个极端情况以后都没坏。

可今天的“找反例”比竞赛训练里更彻底。

有人提出把连续改成“几乎处处连续”,教室里马上有人问“几乎处处”相对于什么测度;有人想用一个只有一个间断点的函数破坏结论,另一个人提醒即便不连续也可能恰好取到极值。大家不断把一句话拆成比原句更细的条件,黑板上原本只占一行的定理,半小时以后周围已经长出一圈箭头、反例和变体。

江遥一直没有发言。

她不是跟不上,恰恰因为跟得上,才越来越明显地意识到这里的节奏和国家队不一样。竞赛讨论往往有很强的方向:题目已经存在,最重要的是在有限时间内找到那条高效路径。这里却允许绕。一个明显不能成为正式解法的反例,也可能因为暴露某个条件而值得花十分钟;有人问一个最后被证明毫无价值的问题,也没人急着把他拉回主线。

这种“低效率”让她想起第一次听别人逐字讲杜甫诗时的想象。

原既白过去一定会烦。

现在可能也未必。

第三道题终于真正让她停住。

黑板上只有一句:

**设有一列看似随机的0和1,怎样证明它“随机”?**

教室里最初有几秒没人说话。

季学长也没有解释“随机”是什么,只问,看到一串数字:

011010011001011010100101……

你凭什么说它随机?

有人说频率接近一半。

马上有人反驳,0101010101的0和1也是一半,显然不随机。有人说看连续模式出现频率,比如00、01、10、11都应该差不多;另一个人立刻说可以人工构造一条序列,让短模式频率都符合,却仍然完全由一个确定规则生成。有人提概率生成机制,季学长问,你如果只拿到结果,不知道生成过程怎么办?

江遥慢慢坐直。

这已经不是她熟悉意义上的一道证明题。

季学长说,这个问题今天不打算解决。事实上“随机”有很多不同定义,概率论、信息论、算法复杂性里都有自己的方式。我们真正要看的不是答案,而是一件更麻烦的事:很多数学对象在你说“证明它具有某种性质”以前,首先要决定那种性质到底是什么意思。

定义不是开场白。

定义本身可能就是工作。

他说完以后,教室里短暂地安静了一阵。

江遥脑子里最先出现的不是0和1。

是“理解”。

三天前原既白给她讲机器人实验时,两个人讨论那个系统究竟抓住了颜色,还是形状,还是某种训练环境里的偶然相关。再往前,是测量讲座里那个问题:一个数从哪里来;再往前,是翻译讨论里“忠实于什么”。这些事情当然不能直接等同,但它们不断把她推到类似的位置——很多争论看起来像在争答案,真正更早的困难却是你究竟在问什么。

她没有立即把这些写下来。

黑板上的0和1仍然在。

季学长开始讲一个很初步的例子。他写下圆周率展开的一部分,说如果有人统计很长一段数字,发现0到9分布看起来很均匀,这能不能证明它是随机?当然不能。圆周率由完全确定的数学对象定义,数字展开却可能在很多统计检验下表现得“像随机”。反过来,一个真正由随机机制生成的有限序列,也完全可能恰好是1111111111。看到结果以后,人总会觉得后者“不够随机”,但随机过程并不承诺每一次结果都长得像我们对随机的审美。

教室里笑了一阵。

江遥没有笑。

她想起自己早年做实验时,对“漂亮数据”的偏爱。

一条曲线如果太漂亮,会怀疑人为;太乱,又会怀疑仪器。可真正的随机、噪声和结构,并不需要迎合观察者对“像真的”的感觉。人在判断数据时始终带着自己的图样期待。很多时候,所谓异常不是世界偏离规律,而是世界偏离了我们脑子里那张规律应该长什么样的图。

讨论到这里,季学长终于让大家休息。

江遥起身去走廊接水。

数学院楼比物理学院更安静一些。周六晚上仍有教室亮着,但不像国家队训练楼那样从一间走到另一间都是同一种问题。隔壁一间教室门开着,里面几个高年级学生围着黑板,整块黑板已经写满,最左边一行公式明显是下午留下来的,新的推导只能从空隙里继续长。没有人擦掉。

江遥站在门口看了两秒。

其中一个学生注意到她,以为她找教室,问:“哪个活动?”

江遥说隔壁新生讨论。

对方点头,又回去写。

没人问她是不是江遥。

这种匿名感让她很舒服。

她接完水回来时,座位旁边多了一个人。

是下午在物理学院“什么是测量”讲座上见过的那个数学新生。两人当时没有说话,只因为胸牌颜色记住彼此。男生先认出她,问:“你也是物理学院的?”

“嗯。”

“那你为什么来这个?”

江遥反问:“你为什么去测量?”

男生笑了一下。

“我对概率有兴趣。”

他说自己叫闻朔,数学院。他高中没有走完整竞赛路线,最早做过一段,后来主要自学概率和统计。昨天去听测量,是因为一直觉得很多概率问题到了现实里以后,最先碰到的不是怎么算,而是“数据到底是什么”。他说得有点快,像这个问题已经在脑子里放了很久。

江遥问:“你为什么学概率?”

“因为我不信确定。”

回答出来以后,他自己先觉得说得太装,马上补了一句:“不是哲学意义。我以前做题很烦那种什么都给全的世界。现实里很多东西本来就不知道。”

这句话江遥听得很熟。

她忽然想到原既白交通项目里那个“不知道”字段。

闻朔继续说,他最近在读一些关于随机过程的东西,越看越觉得“未知”有很多种:有的是系统本身真的包含随机性,有的是你不知道初始条件,有的是模型太粗,有的是观察不到,还有些只是计算能力不够。数学里经常为了处理,把这些不同的“不知道”装进相似的概率语言,但它们背后的现实含义可能完全不同。

江遥听到这里,第一次主动问了一个比今天三道题更远的问题:“那如果一个智能体在世界里行动,它怎么区分这些不知道?”

闻朔看她。

“什么智能体?”

江遥这才意识到自己把原既白那边的讲座带进来了。

她简单解释了机器人开放讨论,不谈人工智能的大词,只说一个系统根据传感器做判断,如果它预测错了,错可能来自传感器噪声、环境变化、内部模型错误,也可能只是某件事情本来不可预测。能不能区分,对下一步怎么行动应该很重要。

闻朔听完,没有马上回答。

“这应该是很大的问题吧。”

“我知道。”

“而且我不懂机器人。”

“我也不懂。”

两个人都笑了。

-->>(本章未完,请点击下一页继续阅读)