公設化集合論的奧秘(13) 追查有理數失蹤之謎

• 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！

對數學家與哲學家而言，無限大就像個怪物。哲學碰上無限就會產生一堆悖論，例如芝諾悖論、無限大飯店、⋯⋯等等。無限大更是在數學製造了一堆矛盾，例如：無限序列 1 – 1 + 1 – 1 + ⋯⋯的總和到底是等於 0 或 1、或是 1/2？我們可以讓自然數與平方數的數列彼此一一對應（1→1, 2→4, 3→9, ⋯⋯），但平方數顯然又只占自然數的一小部分，那麼自然數的集合究竟比平方數的集合大還是兩者一樣大？

面對這些令人困惑的矛盾，大家的共識就是：無限只能當作一種概念，一個持續的未完成狀態，所以不能計算或比較大小。數學王子高斯就嚴肅表示：「我反對將無限量看成真實的實體來運用，這在數學之中是永遠不被允許的。無限只是一種說法而已。」直到不信邪的德國數學家康托爾出現，祭出集合論這面照妖鏡，才讓無限這個怪物現出原形，扭轉了千年以來對於無限的認知。

康托爾創立集合論，將無限當成可以一一對應其中元素的集合來處理。經由他無懈可擊的證明，無限的確有大小等級不同之分。自然數、平方數、整數、有理數的集合都是「可數無限」，屬於最初級（第零級）的無限，它們都一樣大。但無理數、實數的集合就是另一種「不可數無限」，硬是比第零級的無限還大，屬於第一級的無限。不只如此，還有更大的無限，一級一級往上沒有止盡。也就是說，世人以為無限是一隻神秘的怪物，但康托爾卻撥開迷霧，指出無限其實是一群數不完的大小不同的怪物。

然而康托爾天才般的洞見卻被當時的學界權威批評為「並無重要意義」、「騙局」。康托爾一方面承受極大的壓力，一方面又受困於自己提出來的疑問──存不存在大小介於第零級與第一級之間的無限？他試圖證明並不存在這樣的無限集合（稱為「連續統假設」），但搏鬥多年卻始終未果，乃數度精神崩潰住院治療。到了一次大戰，因實施食物配給而健康更加惡化，終於在 1918 年於精神療養院中過世，享年 73 歲。

如今康托爾的貢獻已被普遍認同，他開創的集合論已成為現代數學的基石。大數學家希爾伯特曾捍衛地宣稱：「沒有人能將我們從康托爾為我們創造的樂園中驅逐出去」。他的連續統假設仍列於有待解決的 23 個最重要的數學問題之首，等待後人征服。

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。

「一尺之棰，日取其半，萬世不竭」       莊子

如果我們把莊子以上的想法稍作改變，不要把木棍每天鋸掉一半，而是在本該鋸掉的地方刻上一道細線，這樣一直刻劃下去，有一天是否能把木棍劃滿呢？如果你拿一枝美工刀實際去做的話，幾秒鐘刻上一道刀痕，估計木棍很快就會佈滿刀的刻跡，因為刻痕是有寬度的。若是刻痕真能像幾何學所說的那樣寬度等於零的話，直覺上木棍或許不會被蓋滿，在取1/2不斷縮小的眾多段落裡總是會有間隙存在。

但如果增加刀痕的切刻密度，比如把棍子按1/3比例切刻，然後將被切成1/3的部分再切1/3這樣無限執行下去呢？若將1/4, 1/5, 1/6, …, 1/n , … 的切刻比例都加進來如法炮製呢？你的直觀還能那麼確定棍子不會被刻痕佈滿嗎？

讓我們回到那個由無限顆白沙顆粒所形成的海灘，還有那條發出橙色亮光的實數線，數學證明告訴我們，這些與有理數等量的沙粒確實無法填滿實數線（請參考《公設化集合論的奧秘(11)》），同理以上的方法也無法將刻痕佈滿莊子家那根棍子。

僅管我們在《公設化集合論的奧秘(11)》中已經證明實數是不可數的，也就是說實數比有理數多，但我們並不清楚實數到底比有理數多多少？將這些美麗的白沙填充到橙色的實數彩虹時，彩虹到底變白了多少？是整個實數彩虹都呈現灰白狀，還是只有白色的帶狀，或者更像量子力學的双狹縫實驗中的細干涉條紋線呢？

答案我們前文已經說過，實數彩虹完全不會改變顏色，那似乎暗示無限顆白沙就像憑空消失一樣，即使請菩提祖師加持讓每顆沙粒再變成無窮的沙粒也於事無補，無數美麗的白沙消失在實數線的橙光之中。於是我們面臨一宗最詭異的疑案，這些數量等同於一切有理數的美麗白沙為何消失了？它們跑到哪裡去了？有數學上的方法能說明這個怪異現象嗎？

要破解這件玄案，首先要知道無數白沙失蹤等同於有理數失蹤，因為它們是等量的，有著相同的基數。所以我們的目標是要追查失蹤的有理數，看它們為何消失，但一個好的偵探不會被表象蒙蔽，或許這些有理數並沒有消失，只是被藏了起來罷了，甚麼情況下能將這麼多的東西藏起來？除非有比它們多得多的東西將其淹沒，所以我們才看不到有理數，讓我們來驗證這個猜測是否屬實。

由於已經證明整體實數跟（0, 1）區間裡的實數一樣多，所以只要處理開區間（0, 1）就相當於處理了整個實數。假設這個區間內所有有理數的集合為S，因為其尺寸為可數無限，所以我們可以將其成員編碼成S={x₁, x₂, x₃,…}，S就是灑到實數線上的沙粒集合。接著找一段1/10長的開區間I₁將第一粒沙x₁包住，然後用更小的一段 1/100長的開區間I₂將第二粒沙x₂包住，依此類推，我們用10ⁿ 長的開區間I_n來覆蓋第x_n粒沙。這樣做的結果就是用來覆蓋S元素的區間總長必定大於x₁, x₂, x₃, …的總和，因為每段I_n總是把某個x_n覆蓋住。

現在我們把所有的I_n加起來看看占有多少比例，它等於：

1/10 + 1/10² + 1/10³ +… + 1/10ⁿ   +… = 1/9

用簡單的等比級數公式就可以得出以上的結果。這個結果令人驚訝，因為我們發現沙粒的總和S頂多只占有區間的1/9，其餘的部分都不屬於S，合理的猜測就是8/9以上的區域屬於無理數的領地。

但更驚爆的事情還在後面，第一個開區間I₁的長度1/10是我們任意選取的，我們可以選得更小，比如說1/10²同樣可以包住x₁，之後的區間長度也是依比例遞減。這樣覆蓋S所有元素的開區間總合就等於：

∑I_n = 1/10² + 1/10³ + 1/10⁴ … + 1/10ⁿ   +… = 1/90

經過這個調整，有理數S所占的比例只剩不到1/90，其餘89/90以上的區域都是無理數。

敏銳的讀者已經發現，我們可以將選取的覆蓋區間不斷縮小，因而有理數集合S所占實數區間（0, 1）的比例也就會依照1/900, 1/9000, 1/90000逐漸下降而最後趨近於0。難怪那麼多沙粒都消失不見，原來與實數相比它們所占的比例是零。

這是甚麼意思呢？這是不可數無限集合最深奧難解的性質之一，雖然同屬於無限集合，但若把有理數全數放到實數堆裡的話，它們將完全被淹沒而看不到蹤影。有理數的「數量」跟實數相比實在太過渺小，幾乎可以忽略不計，這就是整個白沙星球「失蹤」的真正原因。

經由以上的推演，我們不但證明了實數比有理數多，還進一步知道由於它們之間懸殊的比例，導致有理數無法被觀察到而造成失蹤的假象。那麼這種遠遠超出我們直觀經驗的不可數無限集合 R和由全體自然數集合N所形成冪集合 P (N) 是否一樣大呢？我們能找到方法來證明它們誰大誰小嗎？這只有等下回再分解了！