计算机应用中存在性证明的代数拓扑方法（附顾险峰教授简历，公号回复“代数拓扑”、“顾险峰”可下载PDF资料，欢迎赞赏转发支持社区）

计算机应用中存在性证明的代数拓扑方法（附顾险峰教授简历，公号回复“代数拓扑”、“顾险峰”可下载PDF资料，欢迎赞赏转发支持社区）

原创 2018-05-01 顾险峰 数据简化DataSimp

数据简化DataSimp导读：美国纽约州立大学石溪分校计算机系终身教授顾险峰《计算机应用中存在性证明的代数拓扑方法》，综述了计算机中的代数拓扑，数据简化社区获顾老师授权转发。附顾险峰教授简历。

用数学方法描述世界、解决问题，是科学发展的核心动力。知识是如何被发现产生出来，以及不同知识间的渊源和启发关系，比记住很多知识更重要。对于人类来说，文字知识是记录人类智能和思想的手段，而非终点。把文字考试作为教育目标，是极其简单粗暴不负责任的。从启迪思想来说，应试是舍本逐末。这方面，愚昧落后的教育者要负责任。AI时代来临，在大多数研究者仍然没有掌握计算机设计制作技术精髓的情况下，很难相信如何跨过计算机科学“弯道超车”步入人工智能科学。我们必须理解计算机、人工智能是如何诞生，背后的科学思想和原理是什幺？加油！只会空想空谈喊口号表忠心可不行，而浪费人财物时间精力投入骗经费的则可耻。（秦陇纪，2018）

 目录

计算机应用中存在性证明的代数拓扑方法（8565字).... 1

01计算机应用中存在性证明的代数拓扑方法汉译文 (4312字).... 1

02纽约石溪大学教授－顾险峰简历 (3856字).... 8

1 求学经历.... 8

2 主要贡献.... 8

3 几何之恋.... 8

4 学术交流.... 11

参考文献(192字).... 12

Appx(626字).数据简化DataSimp社区简介..... 12

01计算机应用中存在性证明的代数拓扑方法汉译文 (4312字)

计算机应用中存在性证明的代数拓扑方法

来源：顾险峰，原创2018-04-16老顾谈几何

“代数拓扑的语言为什么这么古怪？它究竟在说些什么？我们为什么要学习代数拓扑？在计算机方面有什么实际应用吗？”发问的是一位少年，目光澄澈，表情无辜，虽然满脸胶原蛋白，但是已经稍显谢顶的倾向，这是典型的早期男博士生的形象。

这些问题令老顾陷入深思。其实老顾内心很清楚，如果这位同学潜心钻研代数拓扑，那么不出一年，他自己应该可以完全回答前面几个理论问题，假以时日，他自然会找到计算机方面的应用。但是，令老顾纠结的是目前深度学习的方法迅猛发展，几乎颠覆了计算机视觉领域的所有分支，那么是应该让这位同学潜心学习抽象的代数拓扑还是训练他实际的调参能力？

斟酌再三，老顾决定给这位同学讲一下自己亲身经历的一些计算机科学方面的研究项目，这些项目的关键思想来自代数拓扑，再让这位同学自行决定自己未来的道路。

 

人工智能的符号主义

在上一次人工智能的浪潮中，人们普遍认可的方法是符号主义。人类的知识体系一直遵循着古希腊人创立的公理-定理体系，从显而易见的基本事实开始搭建公理体系，用逻辑从公理推演，从而建筑宏伟的理论体系。从欧几里得几何学到牛顿力学，直至广义相对论，都是如此构造。代数拓扑遵循这一框架，从直观的公理体系出发，通过严格的代数运算来推演一切定理。

如果将公理符号化，用逻辑代数，我们可以计算出来理论体系中的所有定理。因此，人们认为智慧在很大层面上就是逻辑推理。人工智能的主要目标之一就是开发各种算法来实现自动推理。这方面的最为成功的领域是机器定理证明，其中最为杰出的代表是吴文俊先生所创立的“吴方法”。这里的基本思想是将条件和结论都表述成多元多项式，然后判断结论多项式是否在条件多项式生成的理想里面。应用吴方法，计算机完全可以自动证明欧几里得几何学中的所有定理。后来，吴先生的高足高晓山研究员推广出“微分结式”方法，从而可以用计算机证明局部微分几何的定理，例如从黎曼度量得到高斯曲率公式。

老顾有幸有机会和高晓山教授、王东明院士请教机器定理证明的问题。他们认为目前机器定理证明依然无法证明整体微分几何定理，例如著名的高斯-博纳定理，即高斯曲率在整个曲面上的积分和欧拉示性数的关系。陈省身先生曾经指出从局部微分几何到整体微分几何的桥梁在于代数拓扑。如果机器定理证明方法能够证明代数拓扑定理，那么整体微分几何定理就可以被计算机自动证明。

 

人工智能的联结主义

目前我们所处的人工智能浪潮以联结主义为主，人们更加注重相关性而非因果性，用联合概率分布来取代传统的定理、定律，并在图像、语音、文本处理等很多方面取得了突破性进展。深度学习方法的理论根基在于统计概率分布的表示和变换。那么，概率分布变换的最为基本而普适的理论自然是最优传输理论（Optimal Mass Transportation Theory）。

图1. 最优传输映射可以实现流形上概率分布的变换。

最优传输理论被广泛应用于生成模型（GenerativeModel），例如近年来非常热门的对抗-生成网络（Generative-AdverserialNetworks）。最优传输理论涉及到蒙日-安培方程（Monge-AmpereEquation），从而有一个非常直观的几何解释：闵可夫斯基（Minkowski）问题和亚历山大（Alexandroff）问题。

图2. Alexandroff