公設化集合論的奧秘(11) 探索神奇的實數尺寸

本文與 研華科技 合作，泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？

想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。

什麼是邊緣 AI ？

邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。

那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。

第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。

第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？

第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。

所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！

邊緣 AI 的實戰魅力：從工廠到倉儲，再到你的工作桌

知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！

所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。

以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。

當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。

你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。

但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。

語言模型瘦身術之一：量化（Quantization）—用更精簡的數位方式來表示知識

當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。

模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！ 

然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。

模型剪枝（Model Pruning）—基於重要性的結構精簡

建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。

這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。

模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾（Knowledge Distillation）—讓小模型學習大師的「精髓」

想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。

舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。

但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。

邊緣 AI 的強心臟：SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！

你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。

台灣製造 × 在地智慧：打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。

台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

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！