公設化集合論的奧秘(11) 探索神奇的實數尺寸

• 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。

有一種說法認為集合論的發明是在1873年12月，精確地說是1873年12月7日，因為那一天康托證明了連續統（continuum）是不可數的，所以應該把那一天當成現代集合論的生日。不論你是否同意這個出生證明，但康托1873年年底所用的證明方法並非後來廣為人知的對角線法，也就是我們在《公設化集合論的奧秘 (11)》所採用的方法，對角線法的提出要到大約19年後的1892年才公諸於眾。

但從那一天起，人類對無限的了解進入了一個全新的階段，我們知道實數（連續統）比自然數還大。在證明實數是不可數之後，我們可否進一步下結論說自然數的冪集合P(N)與實數的尺寸一樣大，因為它們都是不可數集合？在沒發現不可數集合之前，我們原以為無限只有一種，那就是像自然數一樣可以從0, 1, 2, 3, 4, 5, 6 … 一直往下數沒有盡頭這種無限，直到這種想法被康托的證明方法擊碎。有了這個教訓，我們最好更加謹慎，任何直觀的想法都應該由嚴格的證明來確認，所以尋找證明是必要的工作。

假如要證明實數集合R與P(N) 等量，那麼根據定義1 （請參考《公設化集合論的奧秘 (8)》） ，就必須找到一個一對一且映成的函數F: R → P(N)才行。但這可不是件容易的事，我們如何在浩如星辰的實數和全體自然數的冪集合之間找到這種一一對應呢？先別失望，我們之前介紹的戴德金左集合（請參考《公設化集合論的奧秘 (16)》和《公設化集合論的奧秘 (17)》）或許可以在此危難之際發揮作用。由於戴德金實數是由一堆有理數（實際上是可數無限個）來定義的，這給了我們一個透視實數集合結構的絕佳機會。

既然每個戴德金實數就相當於無限多個有理數的集合，比如0被定義為 {q〡q ∈ Q 且q<0}，也就是所有負有理數的集合，那我們正好可以定義一個一對一的恆等函數，使得每個實數r （相當於一個戴德金左集合）對應到一個相等的有理數子集合：

f: R → P(Q)

 r → r

也就是說定義域R裡裝了哪一堆有理數那我的値域就取同樣一堆有理數來配對，因為這樣一堆有理數正好符合對應域P(Q)的定義條件—全體有理數的子集合。這麼容易就完成證明啦？還是個恆等函數，這也簡單到有點欺負人了吧！

且慢，有兩個問題尚待解決。首先，我們所要證明的函數關係是從 R → P(N)而不是R → P(Q)。其次，R和P(N)等量的條件是找到一個一對一且映成的函數，但我們剛剛找的f: R → P(Q)只滿足一對一的條件卻不映成，這一點可以很容易看出來。由於戴德金實數必定由無限個有理數所構成，因為左集合會往負數方向無限伸展，可是對於P(Q)來說，它顯然也必須包含由有限元素所構成的集合，比如{1/6, 37, 522}就是Q的一個有限子集合，但我們無法找到與之相對應的戴德金實數r。

現在回顧《公設化集合論的奧秘 (14)》裡的定義：

定義5：如果在集合A和B之間存在一個一對一函數ƒ : A→B，則說A小於或等量於B，寫成A ≤ B。相當於〡A〡≤  〡B〡，也就是A的基數小於等於B的基數。

由這個定義得知，我們目前能確定的只是〡R〡≤ 〡P(Q)〡，而不是〡R〡= 〡P(N)〡。證明定理有時候就像擬訂作戰策略，對於無法一次消滅的敵人，你要分段把它逐步吃掉，而不能急於蟒蛇吞象最後把自己噎死。千萬不要輕忽每一次的小進展，那就讓我們把以上成果當成是一個好的開始吧。

有了半壁江山，就想辦法湊出另一半吧！這提醒我們之前提到的施洛德—伯恩斯坦定理（Schröder-Bernstein theorem） ，它的一般表述形式是：

對任意集合A和B，如果〡A〡≤ 〡B〡且〡B〡≤ 〡A〡

則〡A〡=〡B〡。

這個定理的威力在於它允許我們使用和有限數值一樣的方式來辨認集合的尺寸。比如有兩個數a和 b，如果a ≤ b 而且b ≤ a的話，那一定會得出a = b，施洛德—伯恩斯坦定理把這層關係從有限數推廣到不可數無限集合。

此外，這個定理還有一個實際功能，那就是當我們想證明兩個集合等量卻苦於找不到一對一且映成函數時，可以有個更簡潔的辦法。我們只需找到兩個一對一函數，一個從A到B，另一個從B到A就成了，對於許多複雜的集合等量證明來說，這不啻是天降福音。接下來只須稍稍解決一個小問題，那就是之前我們已經證明有理數和自然數一樣多（《公設化集合論的奧秘 (9)》），所以〡Q〡=〡N〡，得到〡P(Q)〡=〡P(N)〡，因此原來的戰鬥成果〡R〡≤ 〡P(Q)〡就可以順理成章地變成〡R〡≤ 〡P(Q)〡=〡P(N)〡，用小學的數學就能得到〡R〡≤ 〡P(N)〡。

以施洛德—伯恩斯坦定理的觀點來看，證明已經完成了一半。接下來我們想要在2^N和R之間建立起一個一對一函數，也就是讓〡2^N 〡≤ 〡R〡成立。我們再次用小學數學來解釋這樣做的理由，在《公設化集合論的奧秘 (15)》我們證明了〡P(N)〡=〡2^N〡，因此只要〡2^N 〡≤ 〡R〡成立，那麼〡P(N)〡≤ 〡R〡就會成立。

這讓我想起一個卡通節目，每次當兩位總在冒險旅途的主角一遇到甚麼災難，只要把兩枚原本一體的神奇戒指結合，就會跑出一個法力無邊的阿拉伯神祇名叫蘇仙，祂的神通可以打退各方的妖魔鬼怪。數學式〡R〡≤ 〡P(N)〡和〡P(N)〡≤ 〡R〡就有如集合論中的神奇戒指，當它們一結合就能招喚出法力無窮的蘇仙讓我們見識到集合論的奇蹟：〡R〡= 〡P(N)〡。

但要如何打造另外一半的戒指呢？我們需要找到一個一對一函數

θ: 2^N → R

之前說過2^N是指以下這種函數類型所成的集合

F: {0, 1, 2, 3, 4…} → {0, 1}

所以我們的目標是找一個這種類型的函數f對應到某個實數r。它的形式就是：

θ: 2^N → R

     f →  r

化繁為簡是數學思考的靈魂，所以在尋找f之前我們先將θ的對應域R做點簡化工作。在《公設化集合論的奧秘 (11)》一文我們已經證明全體實數R的個數和開區間(0, 1)裡的實數一樣多，因此我們可以把目標函數θ: 2^N → R調整為θ: 2^N → (0, 1)，也就是讓2^N 中的元素f對應到(0, 1)間的某個實數即可。這個函數的樣貌如下：

θ: 2^N →(0, 1)

     f →  0.a₀a₁a₂a₃a₄…a_n…

我們之前介紹過 2^N的成員，它的成員是某個函數f，有如一排編上號碼從0一直延伸至無窮的燈泡，每個燈泡可以是亮燈或關閉的狀態，而f就相當於某種特定的亮燈組合方式。比如現在給出一種亮燈組合，它規定只有第一個編號為0的燈點亮，其餘所有的燈都是暗的，這時f函數的値有如下的規律：

f(0) = 1, f(1) = 0, f(2) = 0, f(3) = 0, f(4) = 0,  … f(n) = 0 …

每個不同的函數f代表一種特定的亮燈組合方式。

現在只要把f的第一個函數值f(0)指定為a₀ ，第二個函數值f(1)指定為a₁，第三個值f(2)指定為a₂，依此類推，我們就能夠得到一個介於0和1之間的實數，其小數點之後的位數只由0與1構成。以剛才的函數為例，我們得到a₀ =1, a₁=0, a₂=0, a₃=0… 因此和它對應的實數就是0.100000000…，也就是0.1。顯然如果函數不同f₁ ≠ f₂，則其指定的每個a_n值當然不同，這就導致與其相對應的實數0.a₀a₁a₂a₃a₄…a_n …也不同，於是我們得到 θ(f₁) ≠ θ(f₂)，因此θ為一對一函數。於是我們證明了蘇仙戒指的另一半：

〡2^N 〡= 〡P(N)〡≤ 〡R〡

於是我們所知道的不可數集合的三種形態全部等量，形成一個相當優雅簡潔的集合等式〡R〡= 〡P(N)〡=〡2^N〡。

我們之前用ℵ₀來標示自然數和有理數這種可數無限集合的基數，因此我們有等式：

〡N〡= 〡Q〡= ℵ₀

而對於比ℵ₀還大的不可數集合我們用ℵ₁來表示，因此又有如下的等式：

〡R〡= 〡P(N)〡=〡2^N〡= ℵ₁

經過長期的努力，我們終於將這些主要的無限集合之間的尺寸關係弄清楚了， 但這就是故事的終點了嗎？發揮想像力，朝著變大和變小的方向飛行，兩個有趣的問題又會浮現出來。第一個問題是有比ℵ₁更大的集合嗎？如果有，那要如何才能發現它呢？或者怎樣才能把它製造出來呢？第二個問題是在ℵ₀和ℵ₁之間有沒有一種中等尺寸的無限集合，它既比ℵ₀大但又比ℵ₁小，比如說是否存在一個基數為ℵ_1/2的集合？要回答這些有趣的問題就只有等下回再分解了！

有理數是能夠用分數形式m/n來表達的數，其中m和n為整數且n ≠ 0。雖然到現在為止我們的公設只建構出自然數，但用自然數來建構有理數並不困難，它的基本概念是取序對（m, n）的型態來定義有理數。由於自然數和序對我們都已相當熟悉，況且有理數的概念在直觀上也很容易理解，因此我們並不打算在此介紹和證明如何用自然數定義出有理數的技術細節。可是對實數裡的「另一半」— 無理數來說，情況就大不相同了。

我們很難想像給出任意兩條線段，居然會找不到另一個線段作為衡量前兩者的共同單位。對有些情況來說，不論我們上天下地，卻永遠找不到這個共同單位，這在幾何學上叫做不可通約（incommensurable）。但這種讓古希臘畢氏學派震驚的「知識瘟疫」卻並非雪山靈芝而是隨處可見，比如從任一個正方形劃出對角線就可以根據畢氏定理1² +1² = x² 得出√2這個數，而√2就無法表示成m/n的分數形式。

根據傳說，畢氏學派把無理數的發現視為最高機密並禁止門徒對外洩漏，然而希臘的「斯諾登」希帕蘇斯先生卻冒死對外公佈了這個秘密，因而遭到如同黑社會懲罰臥底一般的待遇—扔到海裡餵魚。我們不知道這個傳說的真實性如何，但這意謂在某個歷史時期公佈某項知識成果的後果可能和今天所謂「洩漏國家機密」的後果沒兩樣。

既然無理數的性質那麼「無理」，可見要用自然數或有理數的概念來對其進行嚴格定義是很困難的。但現代實數系的兩位奠基者康托和德國數學家戴德金（R. Dedekind）雖然從不同的角度和進路用不同的方法來破解這個問題，但他們在推進人類對實數的理解時也同時發展了集合的概念。現在就來看看戴德金最重要的發明—如何用有理數來重新定義實數（因而自然把無理數也包含進去）的偉大創見，它稱之為戴德金切割(Dedekind cut) 。

由於有理數建立在自然數的基礎上，而自然數又建立在集合論的公設上，所以它們早已取得明確的「身分」，現在身分不明且難以被直觀掌握的就剩下無理數了。戴德金切割到底是個甚麼東西呢？首先來看看切割（cut）的定義：

一個切割就是一個序對（A, B），其中A, B ≠ Ø且A 和B不相交（也就是A ∩ B = Ø）。此外A ∪ B = P，也就是說切割是把某個集合P給切開，分成沒有共同元素的A, B兩半。

第二個條件是A的所有元素都比B的元素小，也就是說從數線的觀點來看，A的元素都在B元素的左邊。

滿足上述兩個條件的序對（A, B）就是一個對P集合的切割。由於序對（A, B）是集合，所以一個切割本身就相當於集合。而所謂戴德金切割必須加上第三個條件，那就是序對左邊的A集合沒有最大元素。它的直觀意思是說如果我們用某個點來切開P集合，那麼這個點不在A裡面。

我們現在手頭的武器是全部的有理數，所以可以把集合P用全體有理數Q來替代，那麼戴德金切割就成了把全部有理數分成A, B兩半的序對（A, B） ，所以A ∪ B = Q。由於A與B不相交，因此確定了其中一邊也同時確定了另一邊，習慣上我們用序對左邊的集合A來定義實數，稱之為戴德金左集合（Dedekind left set）。也就是說一個實數就是一堆有理數所形成的戴德金左集合，而全體實數就是這些戴德金左集合所形成的集合。

為了更容易理解戴德金左集合的定義，我們用√2來具體說明。如下圖所示，雖然目前我們尚不知道無理數√2的定義，但我們可以利用畢氏定理將邊長為1的正方形取對角線，然後用圓規將與對角線等長的線段畫到數線上，這樣就標出了長度相當於√2在數線上的位置。

我們發現它正好把大於此數和小於此數的有理數Q分成兩半，紅色部分為所有小於√2的有理數，而藍色部分則為所有大於√2的有理數。紅色部分和藍色部分沒有共同成員，它們的聯集等於全體有理數，所以顯然滿足戴德金切割的第一個條件。而紅色集合內的有理數顯然都在藍色成員的左邊，因此滿足第二個條件。此外以√2為分界的戴德金左集合（紅色部分）顯然沒有最大元素，因為作為分界的√2不屬於有理數，所以第三個條件也滿足了，它是一個戴德金切割。

接下來就看怎麼樣來定義這個特殊的戴德金左集合。有人會說這很容易啊，只要定義 A = {q〡q <√2 且 q∈ Q}不就得了？但請注意，我們目前還不知道√2是甚麼，我們只知道有理數是甚麼東東，正絞盡腦汁想把√2的定義找出來，所以上面對A的定義等於是拿未知的東西來定義未知，也是拿尚待定義的東西來作為定義，這是不可接受的。

為了要避開這種循環定義，我們把上式梢作修改成

A = {q〡q² < 2 且 q ∈ Q}

這樣一來所有的條件就都符合有理數的規定範圍。但仔細一看問題又來了，因為戴德金左集合會一直往負的方向無限延伸，因此越往左其平方值會越來越大，比如：

-2 ∈ Q 且-2∈ A，但顯然 (-2)² > 2，這與A的規定顯然不合。該怎麼辦呢? 只要利用邏輯概念將小於√2的正負數分開處理就行了，因此我們重新把A定義為

A = {q ∈ Q 〡q² < 2 或 q為負數}

如果有耐心地依序檢查，會發現這個定義符合戴德金切割的條件，因而正是用來定義√2的戴德金左集合。

這個看似古怪的定義讓我們可以單憑有理數重新定義出所有實數（尤其是無理數），而且這樣定義出來的無理數完全可以滿足實數所須具備的各種運算和性質，真可謂鬼斧神工。更重要的是透過戴德金切割我們發現，無限集合居然可以用來標定某個特定實數，這實在太神奇了。戴德金左集合宛如實數的基因密碼，透過對這些密碼的識別和辨認達到對實數本身身分的確認。僅管構成生物基因的分子為數眾多但卻是有限的，然而每個戴德金左集合的元素個數卻都是無限，任何一個實數都可以用某個無限集合來唯一確定。

如果你還沒有意識到此中令人驚奇之處，那麼我們再把戴德金切割比喻成商品的條碼，每一個條碼都指向一種特殊的商品。讓我們感到驚異的是，在實數的定義裡，構成每個條碼的信息單元（有理數）竟然不是有限而是無限。

雖然戴德金切割用這種有理數的「無限條碼」奇蹟似地界定出實數，但有些數的意義似乎產生了奇怪的病變。比如自然數0原來是用空集合來定義，所以0 = { } ，可是在戴德金左集合的新包裝下，0 不再是空無一物而成了 {q〡q ∈ Q 且q<0} ，這到底是怎麼回事呢？難道同一個數可以同時由兩個集合來定義嗎？要解開這個難題，這就只有等下回再分解了！