永不下车 - 第七五〇章 分解

    先用不着动怒，我的意思是，这些知识理论体系反映的客观现实，当然是存在的，但是这些知识、理论本身，则是人类的发明创造。
    这一点，用不着举艰深的实例，恐怕我也不会。
    但说到物理学的应用，描述粒子的波动性，既可以使用薛定谔方程的形式，也可以使用其矩阵形式，两种形式都可以解决问题，那么我不禁要问，究竟哪一种才更“真实”、更“现实”，是方程，还是矩阵？
    不论方程，还是矩阵，是客观世界中真实存在的吗，并不，真正存在的只有粒子，
    以及被‘人类的数学’所描绘的粒子特性。
    说到这里，各位应该已能明白，正如若干年前本人在nep区的会议上，对在场者指出的那样：
    数学，其所反映除的客观规律，才是真实的，切莫认为这一人造的工具也因此而‘鸡犬升天’，变为横贯宇宙的真理，我所要警示、批驳的，正是这种思潮，你们在座的研究者中，有将数学神秘化、乃至神圣化的倾向；
    如果说，这还算不上危险，至少也是很不合时宜的。
    为什么今天要将这些？
    我想，你们已特别注意到，当今时代的it技术、特别是计算机技术，已经取得了极大的成就，甚至连‘强人工智能’这种东西，
    都已被制造出来，并在决定全人类命运的斗争中，发挥了决定性的作用。
    在这种态势下，可想而知，任何自然科学领域的研究工作，除原则上不可能的那一些命题外，都不会超出‘强人工智能’的能力，数学，乃至其他科学，也不再会是人类垄断的专利，而完全可能有迥异的体系形式。
    虽然这种可能的形式，根据实验，一时半刻并无法被人类理解，
    也无法否认，其存在于ai的核心逻辑之中。
    今后，文明的数学研究，完全出于我个人的决断，在相当长一段时期内仍将以人为主导，各位无须担心失去研究、探索的机会。
    但，你们也必须认识到，时代变了：
    凭借空前强大的‘强人工智能’，不仅在算力、也在逻辑思维层面超越了人的存在，人类的数学研究，也必须与时俱进，甚至逐步向ai的思维体系靠拢，而不能抱残守缺，死守为运算、存储与并行能力极差的人脑，而准备的数学规则。
    直白的讲，现代数学的绝大多数领域，从拓扑学、到李群等等，几乎全都是能力严重受限的人，为描述、分析与探索复杂现象，而编造出的复杂理论体系。
    这些东西，虽然可能对应现实中的现象，但，更有可能的，
    只是一类空泛的头脑游戏。
    在研究、探索这些高深莫测的数学，进而沉浸其中时，你们，但凡还有一丝理智，对这些稀奇古怪的理论，是否现实，难道会没有丝毫的自觉？
    唯一真实存在的，是现实，而非任何精妙绝伦的理论，
    希望在座的所有人，都能牢记这一点，不论是否认同，至少在人类文明进入关键期、即将跨越奇点的这段时间里，暂时撇开那些华丽而虚幻的东西，向现实，向实践应用，底下自认高贵的头颅。”
    说到这里，阿达民暂且喘口气，会场一时间变得十分寂静。
    片刻后，才有迟疑的声音响起：
    “那么……阿达民先生，您，究竟想让我们做什么，全都去研究所、设计院吗。”
    一句基本中性的疑问，表明在场大都数人的立场，众人则缄口不言。
    在场的数学家、研究者们，即便内心深处对分明就是一个外行的阿达民，并谈不上敬畏，却不得不谨慎考虑自己的言行。
    这种奇怪的氛围，即便身在“替身机器”里，方然也不难感觉到，他摆摆手。
    “那要看各位自己的选择，今天的盖亚净土，一点也不缺乏科学研究领域的人才，因而，在谨慎利用资源的基础上，各位尽可以发挥自己的特长、遵从个人选择，去进行自己最愿意从事的工作。
    只不过，在文明极大发展、跨越奇点前，天马行空的纯粹理论研究与探索，无法得到充裕的资源支持，
    对，说白了，就是不能任意调动算力，其他一切倒还好。”
    对数学研究者们的要求，经过发言，阿达民并不确定在场的每一个人，是否都能明白。
    他只想告诫这些理论造诣或许极高、却沉浸在自我之中的家伙，哪怕是出于学术探讨、研究突破的角度，也务必正视科技、特别是it与ai带来的变革，进而将人类的数学研究，推进到一个全新的高度。
    数学，正如他在会上所言，形势上的一堆符号、公式、方程与矩阵，看似眼花缭乱，实则不过是人类因自身条件所限，而发明出来的“拐杖”。
    但凡是人，天资、教育与努力，可以让能力相差极大，与生俱来的“硬件”却一成不变。
    再怎样智慧的研究者，也只能同时处理至多几十个立即数，依靠单线程处理机与规模庞大、调取速度却极差的存储器，进行单路的顺序操作，即便运用抽象思维，也仍然无法脱离基本处理能力的桎梏。
    正因如此，面对的问题越大、越繁杂，一个人就越需要时间，去将其用自身能够应付的符号体系，进行转码、分解，
    然后才能用自己那可怜的单线程机，化整为零的尝试解决。
    纵观整个科学史，作为自然科学基础之一的数学，这种特性尤为突出。
    任何问题，要想被人类解决，首先要被人理解，科学研究与应用的一大部分工作，其实都是在后者上花费时间，譬如数学建模，将现实世界的问题转化为数学形式，直到“强人工智能”出现前，仍必须由人类来完成。
    一旦完成建模，原则上，接下来的工作便可用数学“无脑”解决，
    或直接丢给电子计算机去处理。
    多少年来，人类解决现实问题，往往便是这样的一种思路，其中大部分时间、资源与人力，都花费在“分解、重构与描述问题”上。