陶哲轩:什么是好数学? (上)

2018 年 7 月 19 日 遇见数学

作者:Terence Tao    

译者:卢昌海 

转自:

https://www.changhai.org/articles/translation/mathematics/good_maths1.php


向上滑动阅览译者序: 

译者序: 本文译自澳大利亚数学家 Terence Tao 的近作 “What is Good Mathematics?” (arXiv:math/0702396v1 [math.HO])。 Tao 是调和分析、 微分方程、 组合数学、 解析数论等领域的大师级的年轻高手。 2006 年, 31 岁的 Tao 获得了数学界的最高奖 Fields 奖, 成为该奖项七十年来最年轻的获奖者之一。 美国数学学会 (AMS) 对 Tao 的评价是: “他将精纯的技巧、 超凡入圣的独创及令人惊讶的自然观点融为一体”。 著名数学家 Charles Fefferman (1978 年的 Fields 奖得主) 的评价则是: “如果你有解决不了的问题, 那么找到出路的办法之一就是引起 Terence Tao 的兴趣”。 Tao 虽然已经具有了世界性的声誉, 但由于他的年轻, 多数人 (尤其是数学界以外的人) 对他的了解仍很有限。


Tao 的这篇短文在一定程度上阐述了他的数学观, 在这点上类似于英国数学家 Hardy 的名著《A Mathematician's Apology》, 相信会让许多读者感兴趣 (如果哪位读者想接受 Fefferman 的忠告, 让自己的问题有朝一日引起 Tao 的兴趣, 那么读一读这篇文章可能会有所助益:-)。 不过 Tao 的这篇文章远比《A Mathematician's Apology》难读得多。 从表面上看, 它不带任何数学公式, 这点甚至比《A Mathematician's Apology》做得更为彻底 (后者还带有一些诸如 12+12=2 之类的公式), 但实际上, 文章的主要部分 - 即第二节 (对应于译文 中篇 的全部及 下篇的大部分) - 所涉及的数学概念相当密集, 足以给非数学专业的读者造成很大的困难, 因此译文对译者知识所及且能用简短方式加以说明的若干概念进行了注释。 本译文略去了原文的摘要、 文献及正文中单纯与文献有关的个别文句 (即诸如 “感兴趣的读者请参阅某某文献” 之类的文句)。



01

数学品质的诸多方面

我们都认为数学家应该努力创造好数学。 但 “好数学” 该如何定义? 甚至是否该斗胆试图加以定义呢? 让我们先考虑前一个问题。 我们几乎立刻能够意识到有许多不同种类的数学都可以被称为是 “好” 的。 比方说, “好数学” 可以指 (不分先后顺序):

  • 好的数学题解 (比如在一个重要数学问题上的重大突破);

  • 好的数学技巧 (比如对现有方法的精湛运用, 或发展新的工具);

  • 好的数学理论 (比如系统性地统一或推广一系列现有结果的概念框架或符号选择);

  • 好的数学洞察 (比如一个重要的概念简化, 或对一个统一的原理、 启示、 类比或主题的实现);

  • 好的数学发现 (比如对一个出人意料、 引人入胜的新的数学现象、 关联或反例的揭示);

  • 好的数学应用 (比如应用于物理、 工程、 计算机科学、 统计等领域的重要问题, 或将一个数学领域的结果应用于另一个数学领域);

  • 好的数学展示 (比如对新近数学课题的详尽而广博的概览, 或一个清晰而动机合理的论证);

  • 好的数学教学 (比如能让他人更有效地学习及研究数学的讲义或写作风格, 或对数学教育的贡献);

  • 好的数学远见 (比如富有成效的长远计划或猜想);

  • 好的数学品味 (比如自身有趣且对重要课题、 主题或问题有影响的研究目标);

  • 好的数学公关 (比如向非数学家或另一个领域的数学家有效地展示数学成就);

  • 好的元数学 (比如数学基础、 哲学、 历史、 学识或实践方面的进展); [译者注: 此处 “元数学” 译自 “meta-mathematics”, 不过这里所举的有些内容, 如历史、 实践等, 通常并不属于元数学的范畴。]

  • 严密的数学 (所有细节都正确、 细致而完整地给出);

  • 美丽的数学 (比如 Ramanujan 的令人惊奇的恒等式; 陈述简单漂亮, 证明却很困难的结果);

  • 优美的数学 (比如 Paul Erdős 的 “来自天书的证明” 观念; 通过最少的努力得到困难的结果); [译者注: “来自天书的证明” 译自 “proofs from the Book”。 Paul Erdős 喜欢将最优美的数学证明说成是来自 “the Book” (我将之译为 “天书”), 他有这样一句名言: 你不一定要相信上帝, 但应该相信 “the Book”。 Erdős 去世后的第三年, 即 1998 年, Martin Aigner 和 Günter M. Ziegler 以《Proofs from THE BOOK》为书名出版了一本书, 收录了几十个优美的数学证明, 以纪念 Erdős。]

  • 创造性的数学 (比如本质上新颖的原创技巧、 观点或各类结果);

  • 有用的数学 (比如会在某个领域的未来工作中被反复用到的引理或方法);

  • 强有力的数学 (比如与一个已知反例相匹配的敏锐的结果, 或从一个看起来很弱的假设推出一个强得出乎意料的结论);

  • 深刻的数学 (比如一个明显非平凡的结果, 比如理解一个无法用更初等的方法接近的微妙现象);

  • 直观的数学 (比如一个自然的、 容易形象化的论证);

  • 明确的数学 (比如对某一类型的所有客体的分类; 对一个数学课题的结论);

  • 其它[注一]。

[注一] 上述列举无意以完备自居。 尤其是, 它主要着眼于研究性数学文献中的数学, 而非课堂、 教材或自然科学等接近数学的学科中的数学。

[注二] 特别值得指出的是数学严格性虽然非常重要, 却只是界定高品质数学的因素之一。

如上所述, 数学品质这一概念是一个高维的 (high-dimensional) 概念, 并且不存在显而易见的标准排序[注二]。 我相信这是由于数学本身就是复杂和高维的, 并且会以一种自我调整及难以预料的方式而演化; 上述每种品质都代表了我们作为一个群体增进对数学的理解及运用的不同方式。 至于上述品质的相对重要性或权重, 看来并无普遍的共识。 这部分地是由于技术上的考虑: 一个特定时期的某个数学领域的发展也许更易于接纳一种特殊的方法; 部分地也是由于文化上的考虑: 任何一个特定的数学领域或学派都倾向于吸引具有相似思维、 喜爱相似方法的数学家。 它同时也反映了数学能力的多样性: 不同的数学家往往擅长不同的风格, 因而适应不同类型的数学挑战。


我相信 “好数学” 的这种多样性和差异性对于整个数学来说是非常健康的, 因为它允许我们在追求更多的数学进展及更好的理解数学这一共同目标上采取许多不同的方法, 并开发许多不同的数学天赋。 虽然上述每种品质都被普遍接受为是数学所需要的品质, 但牺牲其它所有品质为代价来单独追求其中一两种却有可能变成对一个领域的危害。 考虑下列假想的 (有点夸张的) 情形:

  • 一个领域变得越来越华丽怪异, 在其中各种单独的结果为推广而推广, 为精致而精致, 而整个领域却在毫无明确目标和前进感地随意漂流。

  • 一个领域变得被令人惊骇的猜想所充斥, 却毫无希望在其中任何一个猜想上取得严格进展。

  • 一个领域变得主要通过特殊方法来解决一群互不关联的问题, 却没有统一的主题、 联系或目的。

  • 一个领域变得过于枯燥和理论化, 不断用技术上越来越形式化的框架来重铸和统一以前的结果, 后果却是不产生任何令人激动的新突破。

  • 一个领域崇尚经典结果, 不断给出这些结果的更短、 更简单及更优美的证明, 但却不产生任何经典著作以外的真正原创的新结果。

在上述每种情形下, 有关领域会在短期内出现大量的工作和进展, 但从长远看却有边缘化和无法吸引更年轻的数学家的危险。 幸运的是, 当一个领域不断接受挑战, 并因其与其它数学领域 (或相关学科) 的关联而获得新生, 或受到并尊重多种 “好数学” 的文化熏陶时, 它不太可能会以这种方式而衰落。 这些自我纠错机制有助于使数学保持平衡、 统一、 多产和活跃。

[注 三] 一个相关的困难是, 除了数学严格性这一引人注目的例外, 上述品质大都有点主观, 因而含有某种不精确性与不确定性。 我们感谢 Gil Kalai 强调了这一点。

现在让我们转而考虑前面提出的另一个问题, 即我们到底该不该试图对 “好数学” 下定义。 下定义有让我们变得傲慢自大的危险, 特别是, 我们有可能因为一个真正数学进展的奇异个例不满足主流定义[注三]而忽视它。 另一方面, 相反的观点 - 即在任何数学研究领域中所有方法都同样适用并该得到同样资源[注四], 或所有数学贡献都同样重要 - 也是有风险的。 那样的观点就其理想主义而言也许是令人钦佩的, 但它侵蚀了数学的方向感和目的感, 并且还可能导致数学资源的不合理分配[注五]。 真实的情形处于两者之间, 对于每个数学领域, 现存的结果、 传统、 直觉和经验 (或它们的缺失) 预示着哪种方法可能会富有成效, 从而应当得到大多数的资源; 哪种方法更具试探性, 从而或许只要少数有独立头脑的数学家去进行探究以避免遗漏。 比方说, 在已经发展成熟的领域, 比较合理的做法也许是追求系统方案, 以严格的方式发展普遍理论, 稳妥地延用卓有成效的方法及业已确立的直觉; 而在较新的、 不太稳定的领域, 更应该强调的也许是提出和解决猜想, 尝试不同的方法, 以及在一定程度上依赖不严格的启示和类比。 因此, 从策略上讲比较合理的做法是, 在每个领域内就数学进展中什么品质最应该受到鼓励做一个起码是部分的 (但与时俱进的) 调查, 以便在该领域的每个发展阶段都能最有效地发展和推进该领域。 比方说, 某个领域也许急需解决一些紧迫的问题; 另一个领域也许在翘首以待一个可以理顺大量已有成果的理论框架, 或一个宏大的方案或一系列猜想来激发新的结果; 其它领域则也许会从对关键定理的新的、 更简单及更概念化的证明中获益匪浅; 而更多的领域也许需要更大的公开性, 以及关于其课题的透彻介绍, 以吸引更多的兴趣和参与。 因此, 对什么是好数学的确定会并且也应当高度依赖一个领域自身的状况。 这种确定还应当不断地更新与争论, 无论是在领域内还是从通过旁观者。 如前所述, 有关一个领域应当如何发展的调查, 若不及时检验和更正, 很有可能会导致该领域内的不平衡。

[注 四] 稀缺资源的例子包括钱、 时间、 注意力、 才能及顶尖刊物的版面。

[注 五] 这一问题的另一个解决方法是利用数学资源也是多维这一事实。 比如人们可以为展示、 创造性等等设立奖项, 或为不同类型的成果设立不同的杂志。 我感谢 Gil Kalai 对这一点的洞察。

[注 六] 这一现象与 Wigner 所发现的 “数学的不合理有效性” (unreasonable effectiveness of mathematics) 有一定的关联。 [译者注: Wigner 的这一说法见于他 1960 年发表的文章 The Unreasonable Effectiveness of Mathematics in the Natural Sciences。]

上面的讨论似乎表明评价数学品质虽然重要, 却是一件复杂得毫无希望的事情, 特别是由于许多好的数学成就在上述某些品质上或许得分很高, 在其它品质上却不然; 同时, 这些品质中有许多是主观而难以精确度量的 (除非是事后诸葛)。 然而, 一个令人瞩目的现象是[注六]: 上述一种意义上的好数学往往倾向于引致许多其它意义上的好数学, 由此产生了一个试探性的猜测, 即有关高品质数学的普遍观念也许毕竟还是存在的, 上述所有特定衡量标准都代表了发现新数学的不同途径, 或一个数学故事发展过程中的不同阶段或方面。(未完待续)

你也许还喜欢 ▼

» 豆瓣书评9.4,陶哲轩在数学领域超级经典

登录查看更多
0

相关内容

数学是关于数量、结构、变化等主题的探索。
【硬核书】群论,Group Theory,135页pdf
专知会员服务
125+阅读 · 2020年6月25日
机器学习速查手册,135页pdf
专知会员服务
338+阅读 · 2020年3月15日
《代码整洁之道》:5大基本要点
专知会员服务
49+阅读 · 2020年3月3日
【2020新书】简明机器学习导论,电子书与500页PPT
专知会员服务
200+阅读 · 2020年2月7日
做机器学习和AI必备的42个数学知识点
AI前线
9+阅读 · 2018年12月6日
如何完成一篇有效的英文写作
中科院物理所
7+阅读 · 2018年4月13日
机器学习不能做什么?
引力空间站
5+阅读 · 2018年3月28日
机器学习各种熵:从入门到全面掌握
AI研习社
10+阅读 · 2018年3月22日
数学不好能搞人工智能吗?
算法与数学之美
3+阅读 · 2017年11月27日
PCA的基本数学原理
算法与数学之美
11+阅读 · 2017年8月8日
How to Fine-Tune BERT for Text Classification?
Arxiv
13+阅读 · 2019年5月14日
Arxiv
23+阅读 · 2018年10月1日
Relational recurrent neural networks
Arxiv
8+阅读 · 2018年6月28日
Arxiv
3+阅读 · 2018年5月21日
VIP会员
相关VIP内容
【硬核书】群论,Group Theory,135页pdf
专知会员服务
125+阅读 · 2020年6月25日
机器学习速查手册,135页pdf
专知会员服务
338+阅读 · 2020年3月15日
《代码整洁之道》:5大基本要点
专知会员服务
49+阅读 · 2020年3月3日
【2020新书】简明机器学习导论,电子书与500页PPT
专知会员服务
200+阅读 · 2020年2月7日
相关资讯
做机器学习和AI必备的42个数学知识点
AI前线
9+阅读 · 2018年12月6日
如何完成一篇有效的英文写作
中科院物理所
7+阅读 · 2018年4月13日
机器学习不能做什么?
引力空间站
5+阅读 · 2018年3月28日
机器学习各种熵:从入门到全面掌握
AI研习社
10+阅读 · 2018年3月22日
数学不好能搞人工智能吗?
算法与数学之美
3+阅读 · 2017年11月27日
PCA的基本数学原理
算法与数学之美
11+阅读 · 2017年8月8日
相关论文
How to Fine-Tune BERT for Text Classification?
Arxiv
13+阅读 · 2019年5月14日
Arxiv
23+阅读 · 2018年10月1日
Relational recurrent neural networks
Arxiv
8+阅读 · 2018年6月28日
Arxiv
3+阅读 · 2018年5月21日
Top
微信扫码咨询专知VIP会员