Monsoon

梦沉在海平面以下, 在最后的黑暗里变成太阳升起 / pro player for theoretical physics / 成都→東京→香港 / ADHD

[Monsoon @ukitheocog]

之前的帖介绍了微扰量子场论是如何看待这个世界的。
关于相对论和量子场论的矛盾，拜各种或好或差的科普所赐，已经算是家喻户晓。但事情真的是一些营销号不明就里的“量子的世界是不连续的，相对论的世界是平滑连续的”那样吗？或者说就算这样讲，这句话背后的物理图景究竟如何呢？

[Monsoon @ukitheocog]

本来想说关于相对论和量子力学，乃至量子场论的矛盾，打完发现可能过于长了，这一帖就先讲讲粒子物理是如何看待这个世界的，以及它创造的辉煌成就。还有所谓的大一统的设想是怎么来的。

[Monsoon @ukitheocog]

@Pyuyi233 London's burning with boredom now (clash乐队的《London's burning》

[Monsoon @ukitheocog]

@chqx_15 是哥哥的任务!

[Monsoon @ukitheocog]

@Redstone_Bi 抱抱

[Monsoon @ukitheocog]

@Pyuyi233 前进!

[Monsoon @ukitheocog]

@Realxiaoxing 哔哔哔

[Monsoon @ukitheocog]

还有分别时叮叮咚咚交通灯的吵闹. 18岁的时候不知道的事情还有很多, 未来还是五光十色的迷雾.

[Monsoon @ukitheocog]

@Nikikiki8964 阿叶真的很适合欧美妆

[Monsoon @ukitheocog]

@chqx_15 成都草子

[Monsoon @ukitheocog]

如果以后我们有机会再碰面的话, 是该先说近况呢还是往事呢. 如果我们没有机会再见的话, 我是该当你有时也会想起我呢, 还是该当你彻底消失进了人潮人海.
我想念那时候的你, 也顺带想念那时候的自己, 没有参透世界的参差, 也没有历经纷扰和算计.

[Monsoon @ukitheocog]

@Pepperoni00000 他们那么多要求，伤心难过一千秒钟

[Monsoon @ukitheocog]

@Pepperoni00000 可爱呀可爱

[Monsoon @ukitheocog]

@greatpainterdog 其实这样也挺好的了x

[Monsoon @ukitheocog]

@Pyuyi233 ｡｡꒰ ´･~･꒱੭՞՞

[Monsoon @ukitheocog]

@shibainu_vodka 第一个确实有, 阿贝尔第一次用传统方法证明的时候(非常像现在ai干的工作)大家也没什么感觉. 但是伽罗瓦用群论的时候事情就变了. 因为现在有了一个系统性的关于集合操作的理论, 其中高于五次的代数方程无法通过普通运算得到某种集合间的传递关系, 而这对应了以前神秘的"可解性", 也彻底终结了这个问题.

[Monsoon @ukitheocog]

也是两个故乡了🥲对香港就没太多感觉
[阴秋秋和雨兮兮都是四川话里形容天气的]

[Monsoon @ukitheocog]

@bingo2x10 大部分男孩子身材不太行，所以需求小，但是也有拍的哦😲

[Monsoon @ukitheocog]

@EAgony580 well, that's indeed of computability. I'd like to say, the ability to identify similarities and commonalities in systems is unique to humans, just as is done in theoretical physics and category theory, we can transform between different problems without calculate anything.

[Monsoon @ukitheocog]

数学结构出来不是为了迁就脑容量, 它就是对自然的一种探索.
"如果不是人类对于积分理论的研究, 所有的定积分对于AI来说就只是一串数字而已; 如果不是人类对于代数方程的研究, 五次以上的方程不可解对于AI来说是一个暴力结果而已"

[Noe1017 @Noe1017_Monad]

所谓优雅的数学结构，本质上是人类为了迁就自己那点可怜的脑容量，被迫发明出来的拐杖。

一个顶尖人类数学家的工作内存，撑死也就同时追踪五六个变量的交互。

当你在算一个偏微分方程或者组合不等式时，一旦展开到三阶以上，几十个交叉项涌出来，人脑就直接宕机了。

所以人类数学家极其厌恶展开高阶项，一旦看到高阶项发散，人类的本能反应是此路不通，赶紧退回来找对称性、找不变量、搞同调代数或者几何直观，试图不展开式子就把问题绕过去。

但 AI 没有这个生理缺陷。

对于上万个并发的 Agent 来说，同时追踪一万个五阶交叉项的系数变化，跟我们算 1+1 一样轻松。

在它的视野里，根本不需要什么几何直观，它直接站在高维的代数展开式里往下看，人类觉得像乱麻一样的百项高阶余项，在它眼里就是一张明明白白的线性方程组。

既然把式子硬展开到第七阶，再凑几个待定系数就能让所有讨厌的发散项精准归零，它为什么要费劲去帮你发明一个人类能看懂的新概念？

这 700 个结果背后最无奈的黑色幽默：我们终于拿到了上帝账本里的答案，却发现上帝算账根本不用微积分，他老人家是直接拿计算器硬按出来的。

[Monsoon @ukitheocog]

@Steven136697 你说的这些都是几百年前的方法了，人类做积分早就已经不是奇技淫巧了是有系统的理论的，甚至在这个过程中人类还搞懂了积分的本质。这些变换换元什么的，现代学数学的自己都瞧不上。

[Monsoon @ukitheocog]

@obveinae 所以Bourbaki的理念后来基本上失败了...

[Monsoon @ukitheocog]

@Cairos2002 不过AI在这个问题上被数学界诟病主要还是方法的针对性太强。不能像以前一样，一个理论出来不仅解决了目标问题，还带来了一整套工具箱，影响其他领域的发展。