皮亞諾誕辰 │ 科學史上的今天：8/27

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒，那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬．霍金（Stephen Hawking）　英國理論物理學家

大約在八十年前，當第一台數位計算機出現時，一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧；但七十年後，還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」（Artificial Intelligent，簡稱 AI）的能力最近十年突然起飛，在許多（所有？）領域的測試中擊敗了人類，正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元（graphic process unit，簡稱 GPU）是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia（英偉達）股票從每股不到 $5，上升到今天（5 月 24 日）每股超過 $1000（註一）的全世界第三大公司，其創辦人（之一）兼首席執行官、出生於台南的黃仁勳（Jenson Huang）也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人！可是多少人了解圖形處理單元是什麼嗎？到底是時勢造英雄，還是英雄造時勢？

在回答這問題之前，筆者得先聲明筆者不是學電腦的，因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事，不是我們外行人需要了解的；但作為一位現在的知識分子或公民，了解基本原理則是必備的條件：例如了解「能量不滅定律」就可以不用仔細分析，即可判斷永動機是騙人的；又如現在可攜帶型冷氣機充斥市面上，它們不用往室外排廢熱氣，就可以提供屋內冷氣，讀者買嗎？

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」（central process unit，簡稱 CPU）。CPU 是電腦的「腦」，其電子電路負責處理所有軟體正確運作所需的所有任務，如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作；但為了簡單化，我們在這裡所談的工作將只是執行算術和邏輯運算的工作（arithmetic and logic unit，簡稱 ALU），如將兩個數加在一起。在這一簡化的定義下，CPU 在任何一個時刻均只能執行一件工作而已。

在個人電腦剛出現只能用於一般事物的處理時，CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後，CPU 開始顯示心有餘而力不足：例如電玩動畫需要應用程式處理數以萬計的像素（pixel），每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年，英偉達將其一「具有集成變換、照明、三角形設定／裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」（註二）定位為「世界上第一款 GPU」，「GPU」這一名詞於焉誕生。不像 CPU，GPU 可以在同一個時刻執行許多算術和邏輯運算的工作，快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢？因每一時刻只能做一件事，所以其步驟為：

• 計算 7×5；
• 計算 6/3；
• 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢？很多工作便可以同時（平行）進行：

• 同時計算 7×5 及 6/3；
• 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間，但如果我們有 16 對 a×b 要相加呢？單獨的 CPU 需要 31 個運算的時間（16 個 × 的運算時間及 15 個 + 的運算時間），而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間（1 個 × 的運算時間及 4 個 + 的運算時間）！

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了，如何將它擺正成右圖呢？ 一句話：「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點（座標 x, y）組成的，所以這句簡單的話可讓 CPU 忙得不亦樂乎了：每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

即每一點均需要做四個 × 及兩個 + 的運算！如果每一運算需要 10^-6 秒，那麼讓《我愛科學》一書做個簡單的角度旋轉，便需要 6 秒，這豈是電動玩具畫面變化所能接受的？

人類的許多發明都是基於需要的關係，因此電腦硬件設計家便開始思考：這些點轉換都是獨立的，為什麼我們不讓它們同時進行（平行運算，parallel processing）呢？於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 10⁶ 運算，那上圖的轉換只需 10^-6 秒鐘！

GPU 的興起

GPU 可分成兩種：

• 整合式圖形「卡」（integrated graphics）是內建於 CPU 中的 GPU，所以不是插卡，它與 CPU 共享系統記憶體，沒有單獨的記憶體組來儲存圖形／視訊，主要用於大部分的個人電腦及筆記型電腦上；早期英特爾（Intel）因為不讓插卡 GPU 侵蝕主機的地盤，在這方面的研發佔領先的地位，約佔 68% 的市場。
• 獨立顯示卡（discrete graphics）有不與 CPU 共享的自己專用內存；由於與處理器晶片分離，它會消耗更多電量並產生大量熱量；然而，也正是因為有自己的記憶體來源和電源，它可以比整合式顯示卡提供更高的效能。

2007 年，英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後，科學家發現獨立 GPU 不但能夠快速處理圖形變化，在需要大量計算才能實現特定結果的任務上也非常有效，因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理，不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化，也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬（註三）等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分，正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲，遠遠落在英偉達（80%）及超微半導體公司（Advance Micro Devices Inc.，19%，註四）之後，大約只有 1% 的市場。

事實上現在的中央處理單元也不再是真正的「單元」，而是如圖二可含有多個可以同時處理運算的核心（core）單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心，因此其核心功能不如 CPU 核心強大，但它們能同時高速執行大量相同的指令，在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心；GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書，不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等，也知道它擺斜了。這種「平行運作」的能力不僅限於視覺，它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是：嘴巴在講，腦筋思考已經不知往前跑了多少公里，常常為了追趕而越講越快，將不少學生拋到腦後！這不表示筆者聰明，因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技，因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣（matrix）的讀者應該知道，如果用矩陣和向量（vector）表達，上面所談到之座標轉換將是非常簡潔的（註五）。而矩陣和向量計算正是機器學習（machine learning）演算法的基礎！也正是獨立圖形處理單元最強大的功能所在！因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石：它們的架構就是充分利用並行處理，來快速執行多個操作，進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」（deep learning）。

黃仁勳在 5 月 22 日的發布業績新聞上謂：「下一次工業革命已經開始了：企業界和各國正與英偉達合作，將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升，幫助企業降低成本和提高能源效率，同時擴大收入機會。」

附錄

人工智慧的實用例子：下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後，讀者是不是認為筆者該退休了？

GPU（圖形處理單元）和 AI（人工智慧）之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力，特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步，使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率，使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐，而且使其更具成本效益，因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展，GPU 的角色可能會變得更加不可或缺，推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標，這些神經元網路可以獨立但有凝聚力地工作，使我們能夠執行複雜的任務，例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外，研究表明，與非人類動物相比，人類大腦具有更多平行通路，這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上，一邊聽音樂一邊做飯，或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技，因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵：透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

（註一）當讀者看到此篇文章時，其股票已一股換十股，現在每一股約在 $100 左右。

（註二）組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」（GeForce 256）插卡吧?

（註三）筆者於 1984 年離開清華大學到 IBM 時，就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士（fellow）」Enrico Clementi 的團隊：因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層，我們只能自己寫軟體將 8 台中型電腦（非 IBM 品牌！）與一大型電腦連接來做平行運算，進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

（註四）補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商：英偉達及 ATI（Array Technology Inc.）。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立，2006 年被超微半導體公司收購，品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐（Lisa Tzwu-Fang Su）博士為執行長後，股票從每股 $4 左右，上升到今天每股超過 $160，其市值已經是英特爾的兩倍，完全擺脫了在後者陰影下求生存的小眾玩家角色，正在挑戰英偉達的 GPU 市場。順便一題：超微半導體公司現任總裁（兼 AI 策略負責人）為出生於台北的彭明博（Victor Peng）；與黃仁勳及蘇姿豐一樣，也是小時候就隨父母親移居到美國。

（註五）或。

延伸閱讀

• 「熱力學與能源利用」，《科學月刊》，1982 年 3 月號；收集於《我愛科學》（華騰文化有限公司，2017 年 12 月出版），轉載於「嘉義市政府全球資訊網」。
• 「網路安全技術與比特幣」，《科學月刊》，2020 年 11 月號；轉載於「善科教育基金會」的《科技大補帖》專欄。

• 文／游森棚｜臺灣師範大學數學系教授

讀者手上的書是一本非常特別的數學科普書。

這本書談的數學，會和絕大部分讀者心中的「數學」非常不一樣，也和絕大部分的數學科普書非常不一樣。一言以蔽之，這本書用淺顯的語言介紹現代高等數學中幾個抽象的核心領域：拓樸、分析、代數，最後提及數學的哲學基礎、建模與自動機。所有篇章都談「概念」，都沒有「數字」。

沒有數字的數學是數學嗎？！

讀完初稿，不禁啞然失笑，回憶起自己年輕時在數學系的惶恐與不知所措。僅僅一個月我就發現大學的數學和高中數學「很不一樣」。高中數學範圍有限，目標是解設計好的題目：不要有計算失誤，快速地解題得到正確的答案。但是大學的數學範圍茫茫無際，大一的微積分（Calculus）與線性代數（Linear Algebra），除了像高中數學一樣的計算與解題，更多的是要求理解與論證。我在這兩門課的證明題中掙扎前行，不知不覺進了大二。

然後我就在大二的高等微積分（Analysis）與代數學（Algebra）卡關了。這兩門課是數學系真正的入門課程，幾乎沒有像高中數學一樣的計算題，而是一整片的理論。前面沒弄懂，後面就根本無法前進。簡單來說，這兩門課從課本內容、習題、到考試，全部是證明題。我可以整個下午在書桌前，只為了想弄懂從這一行到下一行的理由。一道敘述只有十幾個字的習題，可以耗掉好幾天，而且還做不出來，更糟的是書後面還沒有答案。同學們互相自嘲，一本薄薄的課本可以讀這麼久，真的太划算了。

我原以為這兩門課已經嘆為觀止，但到了大三時，修了一門更誇張的課，叫做拓樸學（Topology）。幾百頁的課本中沒有任何數字（數字只出現在頁碼、定理標號、足碼）。每星期連續幾堂課老師寫滿七、八個滿滿的黑板，可以完全不出現任何一個數字。我們一路顛簸，掙扎忍耐到快要學期末，然後老師很興奮地預告，下學期，在書本的後半，我們將會證明 Jordan Curve Theorem 這個大定理：這個定理是說，你拿筆在紙上畫一個圓，會把紙分成兩部分，「圓內」和「圓外」。台下同學一片譁然，這能不譁然嗎！我簡直矇了，那一瞬間，我覺得我在外星球上……

這是數學嗎？！

「數學」研究的是純粹的論證與推理

是的，這是數學。經過大學數學系，我知道從定義出發，純粹的論證與推理，推出夠一般的結論，是數學理論發展的步驟。而論證與推理，才是數學的核心本質。數學和其他學門非常不同，數學是一步推一步的，要下結論必須要有理由。「論證」與「推理」在數學各個不同的主題或領域上所佔的份量不盡相同，但這個本質不會改變。即使是小學的九九乘法表，三七是二十一也是有理由的。

如果我們抽離出最根本的概念，數學就是在研究形狀，研究變化，研究結構，應用之以解決實際問題，資訊時代又賦予數學新的觀點與力量。

用數學專業的語言來說，數學研究形狀，就是「幾何學與拓樸學」；數學研究變化，就是「分析學」；數學研究結構，就是「代數學」；數學解決實際問題，就是「應用數學」；數學與資訊結合，就是「離散數學」。這幾個領域，就是當代數學這棵參天大樹的幾個主幹。

作者的野心藏在這本書中

這正是本書的內容。這本書的五個章節中，第一章是拓樸學（形狀），第二章是分析（變化），第三章是代數（結構），第五章是建模（應用數學與離散數學）。數學既然是一步推一步，根基是否穩固就很關鍵，這個部分穿插在第四章的基礎（數學基礎與數學哲學）。

由此可看到作者的野心非常宏大——他想要在一本小書中一網打盡介紹數學的各個主幹。這當然是不可能的，因此本書作者相當努力，在每一章中，盡量選取那些可以用口語解釋概念的主題材料。在解釋的過程中，盡可能貼近讀者的生活經驗，或是藉由各式各樣生活上的例子來讓讀者體會數學的概念。

要對一般讀者講解抽象的高等數學，細節與精確定義是不可能講清楚的。但是既然只抽離出概念，還是有機會在概念上讓讀者體會的。一個簡單的例子如下：三角形、橢圓、長方形、叉叉，這四個東西哪一個「看起來跟別人最不一樣」？很顯然就是叉叉，這個小朋友都能做。但這樣的直覺，就已經碰觸到拓樸學中的核心概念了，這正是本書第一章的第一部分要介紹的內容。所以很容易理解吧！讀者如果想學嚇人的專業術語，我來註解如下：三角形、橢圓、長方形是同胚的（homeomorphic），但是叉叉和它們不同胚。

書中有些材料作者介紹得非常精妙，即使以我專業數學家的眼光來看，都覺得眼睛一亮，比如對稱群、自動機、物理基本粒子等等。既然作者原來的想法就是用口語敘述介紹高層次的概念，讀者就不要有壓力，當作有趣的故事書來讀，會有驚喜的發現：重複圖案的壁紙本質上只有十七種、數學中不同的主義、連續與離散真的天差地遠……

宏觀與有趣的文筆，道出數學的精妙

最後再回到讓全班譁然的 Jordan Curve Theorem。到了研究所後我才知道為什麼這個定理這麼特別─這是平面獨有的一個特別性質。到了三維空間中的流形（manifold）事情就變得非常複雜，讀者可以查「Alexander horned sphere」看看有多詭異。至於什麼是「維度」和「流形」，可以看這本書的第一章……

我欣見這本書的出版，也佩服作者的宏觀與有趣的文筆，把數學某些本質層面藉由適當的選材呈現出來。但數學何其浩瀚，不管是哪個主幹，本書提及的材料都還只是很小的部分，茫茫數學大海，還有非常多新奇的事物。但囿於篇幅與主題限制，許多重要的領域本書沒有碰觸，是較為可惜之處。但這是我太苛求了，本書的視野和高度在數學科普書中是非常少見的，碰觸到的領域已經非常廣闊，足以讓讀者對數學有完全不同的認識與體悟。

無論如何，希望本書能開一扇門，引領有緣的讀者或未來的數學家，體會當代數學的面向，從而進入數學的嚴肅、深邃與美麗。

——本文摘自《不用數字的數學：讓我們談談數學的概念，一些你從沒想過的事……激發無窮的想像力！》，2022 年 9 月，經濟新潮社，未經同意請勿轉載。

本文轉載自中央研究院研之有物，泛科學為宣傳推廣執行單位

• 採訪編輯／郭雅欣，美術編輯／林洵安

愛因斯坦的廣義相對論中，以重力方程式來描述時空中的物質如何影響整個時空的幾何，顛覆了牛頓的古典時空概念，並成為廣義相對論的核心。科學家用重力方程式預測了黑洞存在、宇宙膨脹、重力波等等現象，後來一一獲得驗證。

不過，在愛因斯坦建構重力方程式的過程，幾何學家在背後擔任著「藏鏡人」的角色……中研院數學所研究員鄭日新，在 2019 年院區開放日的科普演講「幾何學–重力研究的好幫手」，跟民眾暢談愛因斯坦與幾何學家的故事。

先別管相對論了，你真的懂幾何學嗎？

大家都聽過「一個成功的男人，背後一定有個偉大的女人。」但你應該沒想過，一個成功的物理學家，背後可能有著好幾個偉大的幾何學家──愛因斯坦在重力方程式上的成功，就是一個經典的例子。2

「幾何學，不就是數學課上教過的那些三角函數、充滿各種性質的各種圖形？怎麼會跟相對論扯上關係呢？」

我們一般認知的幾何屬於「歐氏幾何」，是以西元前 330~275 年古希臘數學家歐幾里德所撰寫的《幾何原本》做為基礎，歐氏幾何的一切性質都是建立在平面上的。但近代許多數學家紛紛找出不同的幾何，例如：建立在球面上的正曲面幾何、馬鞍形狀曲面上的負曲面幾何等等。其中一個突破性的概念，就是黎曼於 19 世紀中葉提出的「黎曼幾何」。

黎曼幾何中，所有度量的幾何量和選取的座標無關，例如兩點間的「長度」，是存在於黎曼幾何的內在性質，而不是我們一般認為的從外觀去判斷、測量而得。

黎曼幾何這個「和座標無關」的特性，後來成為愛因斯坦重力方程式誕生的重大關鍵。

不受座標影響的重力

愛因斯坦在 1905 年完成狹義相對論後，便一直想解決重力的問題。在牛頓所發展的古典力學中，空間中的質量分布會產生重力場，也就是一旦知道了空間中每一點的質量分布，就能找出每一點的重力位能。

然而，如果將愛因斯坦的狹義相對論加入考量，立刻產生問題。狹義相對論為了解決光速恆定，推導出質量會隨著速度而改變，這意味著，當兩個人所在的慣性座標不同——例如一人靜止於地面，另一人在等速前進的火車上，兩人看待的物體質量也會不同。

那麼，宇宙中的質量分布及重力場，不就會受到座標的不同影響了嗎？

由於在愛因斯坦發展重力理論之前，著名的數學物理學家馬克士威 (James Clerk Maxwell) 已經在 19 世紀中葉提出完整的電磁學理論──馬克士威方程式組。這組方程式不論在任何慣性座標下，數學形式都不會改變，稱為符合「勞倫茲轉換」(Lorentz transformation)。

因此愛因斯坦深信，重力理論一定也有符合某種廣義的勞倫茲轉換的方程式，不會因為座標改變而不同。於是，愛因斯坦踏上了尋找重力方程式的路程。

重力場和因電磁感應而產生的電場類似，其存在只有相對的意義。因為對於一名從屋頂自由落下的觀測者而言，至少在他的附近，重力場並不存在。——愛因斯坦

黎曼幾何裡的寶藏

愛因斯坦以一個二階張量來描述質量分布，此二階張量是一個四乘四的對稱矩陣，包含了 10 個分量，速度、動量等等項目都能含括進去，才能完整的描述質量分布。

牛頓古典力學中，質量分布是重力場（位能） 二次微分的結果，所以愛因斯坦希望能找到另一個（也必須是二階） 張量，其二次微分可以得到描述質量分佈的張量，此外又符合某種廣義的勞倫茲轉換。

他找了自己的大學同學格羅斯曼 (Marcel Grossmann) 幫忙，格羅斯曼的研究專長是黎曼幾何。如之前所說，黎曼幾何的一大特點便是度量與座標無關，建立在稱為「度規張量」的基礎上。

因此，如果能從黎曼幾何中找到符合所需的張量，或許就能完成愛因斯坦想要的「不隨座標改變的重力方程式」。

你一定要幫我，不然我要瘋了！——愛因斯坦給格羅斯曼的信

格羅斯曼翻閱圖書館的資料後，發現在黎曼幾何中有一個「里奇曲率張量」(Ricci curvature tensor)，剛好符合愛因斯坦的需求。於是愛因斯坦把它納入方程式，於 1912、1913 年和格羅斯曼共同發表，並試著以這個方程式解決當時困擾科學家許久的「水星近日點進動之謎」。

行星是以橢圓軌道在繞行太陽的，太陽就位於橢圓軌道的其中一個焦點，而軌道上最靠近這個焦點的位置，就是行星的近日點。

不過行星的軌道並非完全穩定的，軌道本身也會慢慢的旋轉，也就是近日點的位置會一點點的改變，每一次行星繞到近日點時，位置都會和上一次有些許不同，稱為「進動」。

相較於多數行星的進動幅度都在每一百年 10 角秒以內，水星的近日點進動的幅度多達每一百年 43 角秒，牛頓所發展出的天體運動學一直無法解釋這個現象。

「當時的重力方程式雖然還沒有完整，但已經可以解決水星近日點進動之謎。」鄭日新繼續說故事：「不過，愛因斯坦當時並沒有成功解釋，可能是……他算錯了。」

總之，愛因斯坦的方程式還未完整，旅程還沒有結束。

重力方程式的最後一塊拼圖

原來，雖然找到了里奇曲率張量，但它可能只是用來描述重力場的方程式的最高項而已。後面應該還要加上其他項，才能讓方程式完整。

1915 年，愛因斯坦受邀到哥廷根科學院演講，邀請他的是一位幾何學專家希爾伯特 (David Hilbert)，在那次見面交流的過程中，希爾伯特得知了愛因斯坦正在推導重力方程式。

接下來，希爾伯特也投入了尋找重力方程式的工作，並在一次信件往返中，向愛因斯坦提出可以利用變分方法及最小作用量原理，來推導出完整的重力方程式。

愛因斯坦於該年 11 月，發表了完整的重力方程式。由於希爾伯特也幾乎是同一時間提出了重力方程式，對於第一個找出重力方程式的人究竟是誰，也引起了許多討論。但可以確定的是，希爾伯特在數學上提供的協助，是重力方程式能成功誕生的一大關鍵。

哥丁根街上任何一個小孩對於四維幾何的了解都要強過愛因斯坦，儘管如此，做出廣義相對論的是愛因斯坦，而非數學家！——希爾伯特

從格羅斯曼到希爾伯特，幾何學一直在愛因斯坦研究重力方程式的過程中，擔任關鍵且不可或缺的角色。身為數學家的鄭日新，對於數學時常在物理研究提供重要協助，有怎樣的看法呢？

您會怎麼形容幾何學在宇宙中所扮演的角色？

幾何學有點像宇宙的「法身」，這是宗教的用語，就是描述這個真正世界背後的道理，用的是數學的語言。我們看得見這個世界，但我們看不見數學語言，幾何學就是這樣隱藏在宇宙的道理之中。

許多數學概念最初只是純理論，後來卻在真實世界找到應用，您怎麼看？

因為如此，所以我們做理論的，有時候不太相信那些從數學公式推導出來的東西真的有物理意義。像重力波一開始被提出時，許多人都保持懷疑的態度，總覺得是從數學公式預測出來的，雖然理論上只要愛因斯坦的重力方程式是對的，應該可以測得到重力波。

但在真實的物理世界是不是真的有意義？真的有這樣的東西存在呢？我們無法確定。

後來天文觀測慢慢發現，宇宙中有許多中子星、黑洞等大質量天體，有些是以雙星的系統彼此繞行，才讓我們漸漸相信可能檢測得到重力波，後來也真的偵測到重力波的存在。

站在數學家的視角，您覺得宇宙是什麼樣子？

現在一般天文學家相信宇宙是膨脹的，無限且沒有邊界，但我喜歡「宇宙是有限但沒有邊界」這樣的說法。就像一個三維的球，也可以膨脹，它沒有邊界，但是有限的。

在數學上如果曲率夠大，是可以推論出宇宙是「有限無邊」的。而我們知道幾何學上的曲率，可以從愛因斯坦的重力方程式解釋成物理上的質量分布。

所以，如果我們能夠觀測到宇宙深處有很多稠密的質量分布，很可能宇宙真的是有限無邊的。

對於近代的科學研究中，數學或幾何學是否也可能扮演愈來愈重要的角色？

幾何學或數學不會只對重力有幫助，尤其是幾何學，它的核心是希望有一個觀念可以應用廣泛，或是統一解釋各種不同的現象。我覺得幾何學對生命科學也可能有幫助，只是生命科學的發展可能還很零散。

不過，就像早期科學家對於各種電、磁的現象也是零散的發現、研究，後來才慢慢統合成馬克士威方程式，或許未來生命科學的研究也會慢慢綜合起來，然後有人看出裡面好像有某個數學觀念，可以做為基礎來建立一個統一的理論。

如果是這樣，很可能那個「好的觀念」在數學裡已經有人建立了，正在靜靜等待下一個愛因斯坦來發現。

本文轉載自中央研究院研之有物，原文為〈幾何學－愛因斯坦重力研究的好幫手〉泛科學為宣傳推廣執行單位

1854 年，兩顆丟到數學之池的石子，激起了不斷擴散的漣漪，對現代數學的發展產生巨大的影響。

一是英國數學家布爾發明布爾代數（或稱布林代數），將自亞里斯多德以降，超過兩千年歷史的邏輯學改用明確的數學符號表示，還賦予可以判定命題真假的運算規則。自此數學家們紛紛致力於建立符號化的邏輯系統，而衍生出全新的數理邏輯。

另一個則是德國數學家黎曼發表了超越平面幾何的黎曼幾何，推翻歐幾里得兩千年來無庸置疑的平行公設。自此數學家們不得不回頭檢視向來視為理所當然的基本觀念與定義。例如算術中最基本的自然數如何定義？啊不就「1、2、3、4、5、……，以此類推」？但這樣並未定義如何類推，無法保證涵蓋範圍，因此是無法被數學家接受的。

1889 年，義大利數學家皮亞諾（Giuseppe Peano, 1858－1932）發表了影響深遠的「皮亞諾公設」。他仿效布爾發明邏輯符號，只用 0 與「後繼數」這兩個概念，就簡潔地賦予自然數嚴格完整的定義。當自然數的概念建立起來，就可以以它為基礎，嚴密地定義整數、有理數、實數，現代分析學才得以展開。

皮亞諾公設若以文字表達，可以整理成下列五條：

• 0 是自然數；（當時仍把 0 當成自然數）
• 如果 a 是自然數，則 a 的後繼數也是自然數；
• 0 不是任何自然數的後繼數；
• 如果兩個自然數的後繼數相等，則這兩個自然數相等；
• 如果有一個自然數的集合 S 包含 0，同時，任一個自然數只要在 S 之中，它的後繼數也一定在 S 之中的話，則 S 包含所有自然數。

其中第五條公設可以用骨牌來比喻：有排望不見盡頭的骨牌，如果知道第一張骨牌會倒，同時其中任一張骨牌倒下也會使下一張倒下的話，那麼這列骨牌全部都會倒。這條公設首度賦予數學歸納法邏輯基礎，自此數學歸納法才成為數學證明的普遍方法；沒有它，一大堆定理就都無法成立。

皮亞諾公設的影響無遠弗屆，幾乎所有重要的數理邏輯和現代集合論的定理都直接或間接與它有關。羅素就是在 1900 年的第一屆國際哲學會議上遇見皮亞諾，得知他的傑作後才受到啟發，決心仿效皮亞諾的作法，而與懷海德花了十年時間撰寫出曠世巨著《數學原理》，試圖從頭打造一個「形式化」的數學體系。後來哥德爾以「不完備定理」粉碎羅素等人的夢想，關鍵也在於皮亞諾公設，不過這已是後話了。

本文同時收錄於《科學史上的今天：歷史的瞬間，改變世界的起點》，由究竟出版社出版。