Loading [MathJax]/jax/output/HTML-CSS/config.js

0

0
0

文字

分享

0
0
0

圓錐曲線與射影幾何-《這才是數學》

PanSci_96
・2015/03/22 ・2957字 ・閱讀時間約 6 分鐘 ・SR值 568 ・九年級

接下來我要告訴你一個很漂亮的發現,它是在第四世紀初做出來的,當時已是古典幾何時期的尾聲。當中的概念,最早出現於希臘幾何學家帕普斯(Pappus of Alexandria,西元320年前後)的數學著作裡。

首先我得說,要進入這個主題讓我有點惴惴不安,因為它的某些層面相當棘手,我不清楚該如何解釋。(可能有些地方我只能兩手一攤。)

我們從甜甜圈開始談起──呃,我所指的是甜甜圈形狀,不是指甜點。

sdsf

到現在為止,我們還不真正需要精確描述出形狀。形狀是由平面上或空間裡的點,以某種簡單、賞心悅目的排列方式組成的。我們可說已經很熟悉球體、圓錐或長方形了。那麼甜甜圈又是什麼樣的形狀?

-----廣告,請繼續往下閱讀-----

我最喜歡的思考方式,是想像有個圓形繞著空間裡的一條直線旋轉。

jmyj

這種甜甜圈狀的抽象幾何形狀,叫做環面(torus)。所謂的環面,就是指一個圓沿著圓形路徑在空間中移動所構成的軌跡。

我認為,像這樣把一個幾何形狀描述成另一個形狀的運動軌跡,是很了不起的想法。這不僅產生了類似環面這種新奇的形狀,也讓我們能夠以新的眼光看待熟悉的事物。譬如立方體,就可以看成是一個正方形沿著直線路徑運動的軌跡。

ghbdrg

偶爾我喜歡假裝正方形是一隻史前動物,在數百萬年前沿著這條路徑爬行,於是立方體就是牠奮力爬行的「化石紀錄」。我想到的另一個畫面則是雪地裡的足跡。長方形正是一根棍子側向移動留下的「足跡」。

-----廣告,請繼續往下閱讀-----

dgfb

重點是,許多漂亮的形狀可以視為某種運動的結果。

你能不能想出兩種把圓柱體解釋成運動軌跡的方式?

問題是,以這種方式來解釋一個形狀,對於度量是否有任何幫助。描述與量度之間的關係,是幾何學上一再出現的主題。物件的量度會如何隨著描述方式的不同而改變?

尤其,一個物件如果是某個更簡單形狀的運動軌跡,它的量度與這個簡單形狀及其移動方式,究竟有何關係?這是一千六百年前帕普斯提出的問題,而我想要解釋的,正是他的偉大發現。

-----廣告,請繼續往下閱讀-----

我就從我們在前面看過的鳳梨片開始好了。

fjviospe

我們現在所講的,是夾在兩個同心圓之間的空間。這種區域叫做環形(annulus)。對於這個形狀,我們很自然會想成是中間去掉了一個小圓的圓形區域。

另一方面,環形也可以看成一根棍子沿圓形路徑運動所掃出的形狀,就像鏟雪車繞著一棵樹鏟完雪的結果。

fjvpsei

假如棍子(或鏟雪車)是直線行進,當然就會掃出一個矩形。現在我們就能把環形與矩形,視為與同一個概念有關連的不同面貌──此概念就是「由棍棒的運動所形成的形狀」。這很有意思,因為環形與矩形在幾何上大不相同。譬如說,如果你試圖把矩形彎成一個環形,可能不會太順利;內圈的邊會扭曲變形,而外圈的邊會扯破。這情景不大妙。

-----廣告,請繼續往下閱讀-----

與環形和矩形有關的有趣問題,就是該怎樣比較兩者的面積。假設我們手邊有根棍子,讓它繞著圓形路徑掃一圈,構成一個環形。那麼需要多長的直線路徑,才能夠掃出同樣的面積?這正是帕普斯想知道的事情。

sdfjsiod

如果預期正確答案介於環的內、外圓周長之間,這很合理。最自然的猜測是兩圓周長的中間值。我們就假設可以特別安排,讓矩形的長度剛好等於這個「平均」圓周長。那麼兩者的面積一定相符嗎?

結果真的相同。事實上,還有個好方法可以看出這件事,這個方法關連到巴比倫的平方差公式rfvwr

概念如下。這個環形完全由內、外圓的半徑來決定。令外圓半徑為R,內圓半徑為r。當我們把這個環形想成兩圓的差,它的面積就會等於wem

-----廣告,請繼續往下閱讀-----

對於矩形,我們需要知道棍子的長度以及路徑長。棍子的長度很容易,就是R – r。知道為什麼嗎?而通過環形中央的圓,它的半徑是內、外圓半徑的平均,所以就此意義來說確實是平均值。換句話說,中間圓的半徑是fowr

由於圓周長永遠是2p 乘以半徑,因此路徑長(連同矩形的長度)必為

jmpo 最後,矩形的面積等於長寬的乘積,也就是

mpi

恰好是環形的面積。我很喜歡代數與幾何像這樣互相連結起來。屬於代數的平方差公式,由環與矩形的幾何等價關係呈現出來。

-----廣告,請繼續往下閱讀-----

不妨把中間的圓形,想成是棍子中心點的移動軌跡。換句話說,中心點行進的距離才是重點。具體來說,我們已經發現,如果棍子的中心點沿著圓形路徑移動一段長度,所掃出的面積會和沿著直線路徑時的面積相同。不管是直線還是圓形路徑,掃出的面積都等於棍子長度與路徑長的乘積。

這個例子正說明了描述(把環形描述成棍子的移動)對於量度(棍子和路徑很巧妙地決定了面積)的影響。就像我先前講過的,幾何學討論的正是描述與量度之間的關係。

這個例子還可以進一步延伸。假設我們是沿著任意路徑推棍子(的中心點)。

kpmk

這樣我們仍然會得出同樣的結果嗎?我們仍能說,所掃出區域的面積會和直線路徑的情形相同?面積就等於棍長與路徑長的乘積嗎?或說我們根本就是得寸進尺?

-----廣告,請繼續往下閱讀-----

實際上,不管路徑是何形狀,上述的結果都是對的。看我能不能解釋一下為什麼如此。首先可以觀察到,這個結果也適用於圓弧(整個圓的局部)路徑。

pm;o

這是因為,弧長及所掃出的面積,都會與整個環形的弧長及所掃面積成比例。特別是,對於環形「小段」和非常細的矩形,此結果也會成立。概念就是,把這些小碎片拼組成更複雜的形狀。

jilo

棍子中心點的各種移動軌跡,合起來就構成了一條大的路徑,細部來看是由許多圓弧線段及直線段組成。我們還可以經由適當的安排,讓所做出的路徑盡可能接近我們想達成的路徑形狀。

特別是,我們可以(透過這樣的無窮逼近)讓路徑的總長度,接近我們所想的路徑的長度,而組成小段的總面積,也會接近我們所想的區域的實際面積。由於面積近似值是棍長與路徑長的乘積,且逼近做得越好時,這仍是對的,因此對於我們所想的實際區域,這必然也是對的。窮盡法又幫了大忙。

這正是第一個例子,可說明帕普斯發現的結果適用範圍廣泛:移動棍子而掃出的區域面積,就等於棍長乘上棍子中心點的移動距離。

但有幾個微妙的細節。第一點是,棍子必須隨時與運動方向保持垂直。如果成一個角度斜著推棍子,情況會變得一團糟。

ko8i

舉例來說,對於歪斜的矩形,帕普斯定理就束手無策了。因為形狀是由小片的環與矩形組成(至少大致上是),而在這些小片上棍子和路徑始終成直角,因此垂直運動是這個方法可處理的唯一一種移動方式。垂直運動正是帕普斯哲學的重要元素之一。

第二個問題是自相交的情形。

jisfd

如果路徑彎得太劇烈,部分區域就會重複掃過,重疊處的面積也會重複計算。只要保持垂直,並防止急轉彎,就一切順利。

由移動的棍子所掃出的區域周長是多少?

unnamed本文摘自泛科學2015三月選書《這才是數學:從不知道到想知道的探索之旅》,經濟新潮社出版。

-----廣告,請繼續往下閱讀-----
文章難易度
PanSci_96
1262 篇文章 ・ 2411 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

0
0

文字

分享

0
0
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)」!

-----廣告,請繼續往下閱讀-----

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。

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。

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。/ 圖片提供:研華科技

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----
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。/ 圖片提供:研華科技

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

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

3
2

文字

分享

0
3
2
圓形 = 三角形?形狀之間的秘密關係——《不用數字的數學》
經濟新潮社
・2022/09/27 ・1427字 ・閱讀時間約 2 分鐘

-----廣告,請繼續往下閱讀-----

數學家通常都想很多,這是我們的習性。我們會分析對稱或相等這類大家都知道的基本概念,試圖找出更深層的意義。

形狀就是一個例子。我們多少都知道形狀是什麼。我們看到一個物體時,很容易就看得出它是圓形、方形還是其他形狀。但數學家會問:形狀是什麼?構成形狀的要素是什麼?我們以形狀分辨物體時,會忽略它的大小、色彩、用途、年代、重量、誰把它拿來的,以及最後誰要負責歸位。我們沒有忽略的是什麼?當我們說某樣東西是圓形時,看到的是什麼呢?

形狀百百種,可以量化嗎?

當然,這些問題沒什麼意義。就實際用途而言,我們對形狀的直覺理解就已經夠了——生活中沒有什麼重大決定是需要仰賴我們對於「形狀」的確切定義。但如果你有空又願意花時間來想一想,形狀倒是個很有趣的主題。

假設我們現在要思考了,我們或許會問自己這個問題:

-----廣告,請繼續往下閱讀-----
世界上有多少形狀?圖/經濟新潮社

這個問題很簡單,但不容易回答。這個問題有個比較精確和有限的說法,稱為廣義龐卡赫猜想(generalized Poincaré conjecture,或譯龐加萊猜想)。這個猜想提出至今已經超過一百年,目前還沒有人解答出來。嘗試過的人相當多,有一位數學家解出這個問題的大部分,因此獲得了100萬美元獎金,但還有許多種形狀沒有找到,所以目前我們還不知道世界上一共有幾種形狀。

動手把形狀畫出來

我們來試著解答這個問題。世界上有幾種形狀?如果沒有更好的點子,有個不錯的方法是畫出一些形狀,看看會有什麼結果。

我們可以試著畫出一些形狀。圖/經濟新潮社
我們可以試著畫出一些形狀。圖/經濟新潮社

看來這個問題的答案取決於我們區分形狀的方式。大圓和小圓是相同的形狀嗎?波浪線(squiggle)應該全部算成一大類,還是應該依彎曲的方式細分?我們需要一種通用規則來解決這類爭議,才不用每次都需要停下來爭論。

從幾何學到拓樸學

可用於決定兩個形狀是否相同的規則相當多。如果是木匠或工程師,通常會希望規則既嚴謹又精確:必須長度、角度和曲線都完全相等,兩個形狀才算相同。這樣的規則屬於幾何學(geometry)這個數學領域。在這個領域裡,形狀嚴格又精確,經常做的事情是畫垂直線和計算面積等等。

-----廣告,請繼續往下閱讀-----
決定兩個形狀是否相同的規則相當多。圖/經濟新潮社

但我們的要求比較寬鬆一點。我們想要找出所有可能的形狀,但沒時間慢慢區分幾千種不同的波浪線。我們想要的是在比較兩個形狀是否相同時比較寬鬆的規則,它能夠把所有的形狀分成若干類別,但類別的數量又不至於太多。

所以三角形可以等於圓形。圖/經濟新潮社




——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。

-----廣告,請繼續往下閱讀-----

1

9
3

文字

分享

1
9
3
傳入歐洲的阿拉伯數字推動代數改革──《無限的力量》
PanSci_96
・2020/11/28 ・3331字 ・閱讀時間約 6 分鐘 ・SR值 580 ・九年級

-----廣告,請繼續往下閱讀-----

崛起於東方的代數學

雖然微積分的確是在歐洲達到頂峰,但這支數學的根基其實是從別的地方開始的。比如說代數學,它起源於亞洲和中東地區。代數的英文名稱來自於阿拉伯文 al-jabr,原意為「修復」或「碎片重聚」,這是在平衡一道方程式並求解時所需的操作。舉例而言,在處理方程式時,我們經常將一個數字從等號的某一邊移除並加到另一邊,這便是一種先將方程式的一部分拆下再重新修復的過程。

另外,如同我們之前提過的,幾何學事實上源自於埃及。據傳,希臘的幾何學之父泰利斯(Thales)便是在埃及學到這門學問的。還有,幾何學中最著名的一個理論——「畢氏定理」實際上也不是畢達哥拉斯首先發現的;早在公元前 1800 年前的美索不達米亞泥板上就已經存在,證明巴比倫人知道這個定理的時間點比畢達哥拉斯早了至少一千年。

公元前 1800 年的巴比倫石板上,早已刻有畢氏三元數組。圖/Wikipedia

同時必須要注意的是,當我們提到古希臘時,其實是指一個遠超過雅典(Athens)和斯巴達(Sparta)的超廣大領土。在面積最遼闊的時候,它的南方邊界延伸到了埃及、西至義大利與西西里島、而東邊更是橫跨了地中海至土耳其、中東、中亞、甚至是部分的巴基斯坦與印度。畢達哥拉斯是在薩摩斯島(Samos)出生的,這是一座位於安納托利亞(Asia Minor;屬於今日的土耳其)西部海岸線之外的島嶼。阿基米德生活於敘拉古,它位在西西里島的東南方。而歐幾里得則在亞歷山大城附近活動,這是一座位於埃及尼羅河口的巨大港口,並且是當時的學術重鎮。

但在羅馬攻佔了希臘,特別是當位於亞歷山大城的圖書館被燒毀,以及西羅馬帝國隕落以後,數學研究的中心就又回到了東方。阿基米德、歐幾里得、托勒密、亞里斯多德和柏拉圖的作品都被翻譯成了阿拉伯文,並且被當時的學者和抄寫員流傳了下來。這些人同時也在過去的理論中添加了許多嶄新的想法。

-----廣告,請繼續往下閱讀-----

代數如何興起,幾何又為何衰落?

在代數降臨前的幾個世紀,幾何學的進展就已經陷入了龜速慢爬時期。在阿基米德於公元前 212 年去世以後,似乎就沒有人能在這個領域超越他的成就。喔,抱歉,應該說「幾乎」沒有人可以超越。大約在公元 250 年,中國的幾何學者劉徽對阿基米德計算圓周率的方法做了改良。兩個世紀以後,祖沖之(公元 429 – 500 年,南北朝時代)使用劉徽的方法及一個 24,576 條邊的多邊形做計算,並在經過一段想必非常史詩級的算術處理後,成功將 π 值限制在以下的兩個數字之間:

3.1415926 < π < 3.1415927

祖沖之對 π 值的計算成功達到小數點後第六位正確。圖/pixabay

又過了五個世紀,進步再度來臨,這一次是由一位名為哈桑‧本‧海什木(Al-Hasan Ibn al-Haytham;在歐洲通常寫作 Alhazen)的人完成。他於約公元 965 年時出生在伊拉克(Iraq)的巴斯拉(Basra),在進入伊斯蘭黃金時代後,他來到開羅(Cairo)從事包括神學、哲學、天文、醫學等各式各樣的研究。在海什木的幾何著作中,他思考一種阿基米德從未想過的立體圖形,並嘗試計算它的面積。與這個發現本身同樣令人吃驚的是,關於幾何學的重大進展也就這些了,且中間竟然花了十二個世紀的時間。

而就在這段時間裡,代數與算術正在經歷快速且重大的發展。來自印度的數學家發明了「零」這個概念,並創造了十進制系統。另外,關於如何解方程式的代數技巧也在埃及、伊拉克、波斯和中國遍地開花。這些進展大多源自於解決真實世界中的問題,例如:遺產繼承規則、納稅評估、商業活動、計帳、利息計算、以及其它可能用到數字與方程式的主題。

-----廣告,請繼續往下閱讀-----
別忘了,阿拉伯數字可是印度人發明的喔!圖/pixabay

代數在當時仍是用文字敘述,也因此這些問題的解決方法都被寫成類似處方箋一樣的東西,上面包含了如何一步步得到答案的文字指引。其中一本著名的教科書是由穆罕默德‧伊本‧穆薩‧花拉子米(Muhammad Ibn Musa al-Khwarizmi;公元 780 – 850 年)所編寫的,因此作者的姓氏被用來泛指所有透過一系列步驟達成目的的程序,也就是演算法(algorithm,即 al-Khwarizmi 的拉丁文譯名)這個字的由來。最終,貿易商和探險家把這種以文字敘述為基礎的代數、以及從印度與阿拉伯發源的十進制帶往了歐洲,與此同時,人們也開始將阿拉伯文的文獻轉譯成拉丁文。

到了文藝復興時期的歐洲,除了應用層面的探索以外,將代數學符號化的研究也開始盛行起來,並且在 1500 年代達到頂峰。於是,方程式的樣貌開始類似於我們現今看到的樣子,也就是用字母來取代數字的形式。1591 年時,法國的弗朗索瓦‧韋達(François Viète)以母音字母(如:A 和 E)來代表未知值,並用子音字母(如:B 和 G)來代表常數。而如今我們用 x、y、z 表示未知值;a、b、c 表示常數的的習慣則源自於約五十年後出現的笛卡兒。這種使用符號與字母來取代文字敘述的作法,使得方程式的推導與求解更為容易。

在算術上也有同樣重大的突破,那就是來自荷蘭的西蒙‧斯蒂文(Simon Stevin)將阿拉伯十進制數字從整數擴大運用到了小數上,並藉此成功消除了亞里斯多德思想中關於數字(即今天的整數,兩相鄰整數間沒有更小的單位存在)與大小(一種連續的數量,可以被分割成無限小的單位)之間的差異。

西蒙‧斯蒂文(Simon Stevin)對小數的運用讓算數有了重大的突破。圖/Wikipedia

在斯蒂文以前,十進制只適用於整數上,而任何小於一單位的數就用分數來表示;但在斯蒂文的新方法中,一個單位的整數可被切割成更小的單位,也就是小數。這對於今天的我們來說是理所當然的事,但在那時卻是一項革命性的想法。當整數具有可分割性,則整數、分數或無理數便可以被整合到一個被稱為「實數」的大家庭中,這給了微積分描述連續空間、時間、運動與變化一項強大而必需的工具。

此圖展示「芝諾悖論」中的「阿基里斯與烏龜」,當缺乏小數帶來的「連續性」與無限帶來的「極限」概念時,會出現跑比較快的阿基里斯永遠追不上烏龜的奇怪解釋。圖/Wikipedia

就在幾何學即將與代數合而為一的前夕,阿基米德所用的舊幾何學方法還有最後一次成功的應用:克卜勒將帶有弧度的物體(如:酒桶和甜甜圈形狀的物體)在腦中切成無限多片且無限薄的圓盤,並藉此計算它們的體積;另外,伽利略與他的學生埃萬傑利斯塔‧托里切利(Evangelista Torricelli)、博納文圖拉‧卡瓦列里(Bonaventura Cavalieri)也是透過將物體視為無限多條線或面的堆疊來求得面積、體積或重心。

-----廣告,請繼續往下閱讀-----

然而,這些人在對待「無限大」或「無限小」的概念時可以說是漫不經心,因此他們的方法雖然有力且直覺,卻一點兒也不嚴謹。儘管如此,由於這些方法能比窮盡法更容易且更快速地找到答案,所以也不失為一項讓人感到興奮的進步(當然,如今我們已經知道阿基米德早就使用過這種技巧了,他在關於「方法」的論述裡早就提過相同的點子,只不過當時這些敘述被深埋在一本收藏於修道院的祈禱書之中,直到 1899 年才被人發現)。

無論如何,雖然那些新阿基米德派的做法在當時看上去相當有效,但它們卻不足以應付未來的挑戰。而符號代數此時已經蓄勢待發,與之相關的兩支強大分支,即解析幾何與微分,也已如春芽一般呼之欲出。

──本文摘自《無限的力量》,旗標出版,2020 年 09 月 09 日
-----廣告,請繼續往下閱讀-----
所有討論 1
PanSci_96
1262 篇文章 ・ 2411 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。