中国数学家拿了菲尔兹奖，跟你天天用的AI有什么关系

今天刷到一条新闻，北大2007级的王虹和邓煜，双双拿下菲尔兹奖。中国籍数学家拿这个奖，有史以来头一回。

菲尔兹奖

菲尔兹奖四年才发一次，只给40岁以下的年轻人，一次不超过4个人，号称数学界的诺贝尔奖。王虹1991年生的，广西桂林人，在法国高等科学研究所当终身教授，她证明了困扰数学界一百多年的三维挂谷猜想。邓煜1989年生，深圳人，芝加哥大学教授，他把希尔伯特第六问题给收尾了，一个拖了125年的老难题。

两个人同届本科，同一个学院，同一届拿奖。北大数院2007级，后来被人叫「白金一代」。

你可能会问，这跟什么值得买有什么关系。关系大了。

你天天用的AI，骨架全是数学

很多人觉得AI是魔法。是算力堆的，是数据喂的，是工程师调参调出来的。这些说法都对，但都漏了最底下那一层。底座是数学，而且不是什么高深的新数学，是你大学里睡过去的那几门课。

线性代数，神经网络的一砖一瓦

神经网络的本质，是一层接一层的矩阵乘法。每一层干的事就是 y = Wx + b，W是权重矩阵，x是输入向量，b是偏置，然后套个非线性函数，传给下一层。就这么简单，简单到让人怀疑这玩意儿凭什么能识别猫狗。

Transformer架构里的注意力机制，听着唬人，核心操作是向量点积，算的是两个向量有多像。一个句子里每个词跟其他词的关联程度，拿点积一乘就出来了。你大三线性代数课本第三章的内容。

微积分，AI会学习的根

AI怎么学习的，梯度下降。每一步都算损失函数对参数的偏导数，往误差减小的方向挪一步。反向传播用的是链式法则，高数下册的东西。

没有微积分就没有反向传播，没有反向传播就没有深度学习，没有深度学习你现在用的所有AI工具一律不存在。ChatGPT也好，Midjourney也好，底层都是同一套链式法则在跑。

概率统计，AI做判断的尺子

AI的输出不是板上钉钉的，是概率性的。它说「这张图是猫」，实际意思是「根据我学过的模式，这张图是猫的概率最高」。交叉熵损失、贝叶斯推断、置信区间，全是概率统计的工具箱。

你觉得AI在思考，其实它在算概率。你觉得AI在理解，其实它在找最大似然估计。

优化理论，AI变聪明的发动机

训练AI本质上是一个优化问题，在几十亿维的参数空间里找最低点。这个空间不是个碗，是个到处是坑和鞍点的烂地。怎么逃出局部最优，怎么调学习率不发散，怎么在偏差和方差之间找平衡，全靠优化理论。

菲尔兹奖得主干的事，跟AI有关系吗

王虹证明的挂谷猜想，跟调和分析、傅里叶分析紧密相关。傅里叶分析是信号处理的根基，信号处理是通信、雷达、图像压缩的底层工具。你刷视频不卡，导航不偏，背后都有这套理论。

邓煜攻克的希尔伯特第六问题，涉及从微观粒子到宏观方程的数学推导。这种从底层规律到宏观行为的建模思路，跟AI里从数据到模型的抽象过程，底层逻辑是通的。

说这些不是要证明数学家的成果马上能用在AI上。基础数学的价值恰恰在于，你不知道它什么时候会变成什么技术的地基。

傅里叶变换刚提出来的时候，没人想到它会变成JPEG压缩的核心。图论发展初期，没人想到它会变成社交网络和推荐算法的基础。今天数学家证明的某个定理，可能二十年后变成某个AI架构的理论支撑。

中国AI的天花板在哪

算力可以买，数据可以爬，框架可以抄。数学底子薄，你就只能跟着跑，跑不远。

我们聊国产大模型，聊得热火朝天。参数多少亿，评测多少分，跑分多接近GPT-4。但很少有人往深了想，下一代的突破从哪来。不是更多的卡，不是更多的数据，是更好的数学。

Transformer架构是Google的人想出来的，背后是注意力机制，注意力机制的数学基础是线性代数和概率论。扩散模型是搞物理的人启发出来的，背后是随机微分方程。每一次AI的大跃进，背后都站着一个数学idea。

王虹和邓煜拿奖证明了一件事，中国人能在最高难度的数学舞台上啃下硬骨头。这意味着中国AI的底层创新，有了人才储备。

说到底

今天是个值得记住的日子。不是两个奖牌的事，是基础研究的种子终于发了芽。

你手机里的AI助手，你用的搜索引擎，你刷的推荐流，背后都站着一群搞数学的人。他们证明的定理你不需要懂，但你应该知道，那些你看不懂的公式，正在重塑你每天的生活。

恭喜王虹，恭喜邓煜。北大2007级，白金一代，名不虚传。

作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～