数学不是工具箱，而是未来技术的共同语言

On this page · 6 sections

在计算之前，我们已经做了选择

“数学是工具箱”容易让人以为：现实先提出一个完整问题，然后我们挑选公式求解。但很多困难发生在公式之前。把什么当作对象，哪些差异可以忽略，什么算作更好，都会改变问题本身。

我更愿意把数学理解为一门翻译语言：它把模糊诉求转成可讨论的结构，再让计算检验这些结构的后果。这个理解并不意味着数学比材料、软件或组织更高一等；翻译若遗漏了关键语境，表达得越精确，反而越容易让人过度相信它。

考虑一张说明性有向图：A 到 B 的代价为 2，B 到 C 为 2，A 直接到 C 为 7。若目标仅是总代价最小，A→B→C 的代价为 4，优于直接路径。这里的数字只是教学设定，不代表某个城市的距离或实际项目结果。

说明性图结构 · 同一个目标，在可行边集合变化后产生不同答案

min cost(path), subject to every edge being available

目标是总代价最小；约束是路径中的每条边都可用。先限定可行集合，再比较代价。

现在关闭 B→C。把原先的最短路径继续显示出来，会得到一个数值漂亮却无法执行的答案。正确处理是从可行图中移除这条边，重新求解，选择代价为 7 的直接路径。这不是算法变差了，而是问题已经改变。

从现实到程序的四个接口

程序需要的不只是一个最短路函数，还包括明确的数据结构、输入验证和无解分支。只有当代价满足所用算法的前提，计算保证才适用；假设改变时，不能只换一份输入，却保留原来的保证。

测试也应从模型出发：关闭某条边后结果不能再包含它；所有出口都关闭时应返回不可达；返回路径的总代价应该等于各段代价之和。这样的检查把数学语言变成了程序可以承担的约束。

假如代价只表示时间，模型不会自动考虑台阶、照明或使用者的体力。对于不同的人，同一条路径的可行性就可能不同。算法无法主动补上我们没有表达的需求。

反过来，把所有关切都压成一个分数也不总是进步。安全或基本可达性可能应成为硬约束，而不是允许用少量时间收益抵消的惩罚项。某些取舍需要先与实际使用者讨论，再决定能否量化。

数学抽象让问题可以被证明、比较、实现和反驳。但一次访谈、一段异常记录，可能提醒我们重新画图，而不是继续优化求解速度。共同语言的力量，在于让不同领域看见彼此的假设，不在于消除领域知识。

因此，我希望把学习分成一个循环：提出结构，写出前提，做出实现，再让现实指出缺口。数学不是最终裁判，而是让这个循环更清晰的一种纪律。

我曾用数学指导物理、物理指导技术的链条整理知识。它能说明基础知识的重要，但现实关系也会反过来发生：工程遇到新问题，推动模型与方法改变；测量工具进步，又让原来无法观察的现象进入研究。

因此，“数学为王”对我更有用的含义，是掌握一种跨问题组织结构的能力，而不是给所有学科排等级。它需要与领域经验相遇，才能知道该抽象什么、该保留什么。