《趣谈AI》续集之五：算力为王？不，数学才是祖宗

在AI这个江湖里，要是你只知道“算力”是炼丹炉、“数据”是柴火，那今天咱必须聊聊那个画符念咒的“算法”——这可是决定炼出九转金丹还是废铁的核心技术。



作为一个在福州三坊七巷的青石板路上跑大的“理工男”，我对数学的执念，大概是从小被巷口榕树下的老人们“熏陶”出来的。那时候，我们福州人嘴里念叨的明星，不是现在的小鲜肉，而是一个穿着中山装、口袋里插着钢笔、走路经常撞电线杆的“书呆子”——陈景润。



说起这位老乡，那可真是咱们福州人的“顶流”。徐迟那篇报告文学《哥德巴赫猜想》，简直是我的“追星”启蒙读物 。在那个物资匮乏的年代，陈景润在六平方米的小屋里，用麻袋装草稿纸，试图用一支笔去勾那颗数学皇冠上的明珠 。



我当时就想，这哪儿是“理工男”啊，这分明是用血肉之躯去撞击数学铁门的“钢铁侠”。他证明了“1+2”，却成了社会上一度被调侃的“怪人”——仿佛数学学好了，除了当老师，就只能去菜市场算账。

到了中学，我的偶像库里又加进了一个开挂的印度人——拉马努金。这哥们儿的奇闻趣事简直比小说还玄幻。



他没受过正规的高等教育，却声称在梦里得到了女神娜玛卡尔的启示，醒来就能写下一堆匪夷所思的公式 。他写信给英国数学家哈代，哈代看着那些密密麻麻的数学符号，如同看天书，后来才发现这哪是天书，这是上帝的手稿 。



更神的是，他临终前留下的一个函数，直到2012年才被破解，竟然和黑洞理论有关——而那时候人类连黑洞的照片都没见过 。这种“老天爷赏饭吃，顺便把饭碗都焊死在手上”的天赋，让我彻底对数学五体投地。原来，这世界上真的有人是用“意念”在写代码的。



带着对这两位“大神”的崇拜，我一头扎进了大学的流体力学专业。那时候的“理工男”可没那么风光，在舞厅和情书横飞的年代，我们抱着厚厚的《概率论》与《数理方程》，活像一群苦行僧。



印象最深的是我的老师何友声教授。这位老先生不仅是工程院的院士，更是一个能把枯燥公式讲成交响乐的大师 。有一次上课，他要推导一个高速运动的物体从水下窜出水面、直接蹦进大气层的运动规律。好家伙，这场景听着像不像科幻片里的导弹发射？何院士从基本假设开始，拿起粉笔，在黑板上开始了一场长达两节课的“思维马拉松”。满黑板的偏微分方程、矩阵变换，洋洋洒洒，环环相扣。按理说这种高强度的推导最催眠，可我们全班七八号人，眼珠子瞪得比铜铃还大，愣是没一个人觉得累。为什么？因为那不仅仅是公式，那是逻辑的美学，是用数学语言描述宇宙暴力美学的史诗。



那时候学流体力学，核心就是解方程。纳维-斯托克斯方程（就是那个著名的NS方程），它描述的是流体的运动，比如水流、气流。为了搞定它，我们不得不搬出各种数学工具：概率论用来处理湍流的随机性，矩阵用来做有限元分析，把连续的流体切割成无数个小方块去逼近计算。

多年以后，当我回头再看如今AI领域的神经网络，我差点拍断大腿——这不就是当年流体力学的“亲兄弟”吗？



你看，AI的神经网络，本质上就是个超级复杂的数学模型。它把数据输入，通过各种“激活函数”扭曲、变形，再通过矩阵乘法（权重）一层层传递，最后输出结果 。这和我们当年解流体力学方程有什么区别？区别只是在于：流体力学在用数学公式去拟合物理世界的规律（这叫“物理驱动”），而AI在用数学公式去拟合数据里的统计规律（这叫“数据驱动”）。



当年我们苦哈哈地在纸上解矩阵，恨不得自己变成人肉计算机；现在的AI，不过是把同样的矩阵乘法，搬到了GPU（图形处理器）上，用海量的算力去暴力求解。所谓的“训练”神经网络，其实就是在解一个超级巨大的优化问题——这不就是找那个能让误差最小的“最优解”吗？学数学的“理工男”干这个，那简直是老中医开方子，手拿把掐！

写到这儿，看着窗外的高楼大厦，再想想三坊七巷里那些关于陈景润的传说，不禁感慨：风水轮流转。



以前，人们觉得学数学的“理工男”木讷、不解风情，找工作都犯难。可谁能想到，在这场AI引发的工业革命里，这群当年被冷嘲热讽的人，反而成了最稀缺的“香饽饽”。那些在草稿纸上爬格子的陈景润们，那些从梦里记下天书的拉马努金们，还有那些在黑板上推导两节课不带喘气的何院士们，他们用最笨的功夫，打磨出了最锋利的武器——数学思维。

所以你看，算法的本质是什么？是数学。是那个让我们能在混沌中找规律、在无序中找秩序的思维体操。当算力堆到边际效应递减，当数据喂到过拟合，最后能捅破天花板的那一下，还得靠算法的精妙设计。



在这个AI狂飙的时代，真正的大魔王，依然是那些能把现实世界翻译成几行矩阵的“算法魔法师”。而我很庆幸，在三坊七巷的榕树下，在那个听着陈景润故事长大的童年里，我也曾做过这样的梦。（供稿：陈建榕）

图片来源网络