数学为何如此艰深？为何数学如此强大？物数哲神科又有什么关系？

数学的强大源自何处？为什么数学总让人感到困难重重？学习数学的意义何在？物理、数学、神学、哲学与科学之间又有什么关系？

本文，将会给出一种“独特视角”下的答案。

主题目录如下：

• 数学为何强大
• 数学难在哪里
• 数学的艰深之处
• 数学与我们的关系
• 学习数学的意义
• 物数哲神科
• 数学与宇宙现实
• 结语
• 后记1：宇宙的限制与数学的预测
• 后记2：数学的局限性
• 后记3：数学与非数学
• 后记4：人类的数学

数学为何强大

数学根本性的重要作用，就是——预测未来。

数学抽象出万物结构之间的关系，通过公式呈现关系的逻辑性，通过严格证明保证公式的正确性，最后这些公式——因为刻画了万物结构之间固有的关系，从而使得我们能够对事物的发展，进行有效准确的预测。

而数学证明所使用的方法——推理与归纳，这两种思维模式，就是对万物内在规律，进行抽象总结的有效模式（即方法论）。

由此可见，数学公式提供了——预测工具，数学思维提供了——预测模式（它可以创造预测工具），合起来即是：数学提供了预测未来的能力。

那，预测未来有何作用？

从某种角度来看，预测未来的能力就是人类智能的体现（或度量），即智能越强大，对未来的预测就越准确。而数学作为大脑思维的产物，其代表的——就是大脑预测能力的延展与延伸，即智能的增强。

显然，人类是所有生物中，最擅长预测未来的物种，因为其它生物，基本上都是“活在当下”，只有人类可以“遥想未来”，甚至没事就喜欢“幻想未来”（当然也有追忆过去），有研究就发现，在一天之中，人们竟有接近50%的时间，是在“想象未来”的事情。

事实上，大脑无时无刻不在预测未来，短期预测——形成了潜意识、下意识与直觉（没有逻辑推理与归纳），长期预测——形成了思考、判断与决策（有逻辑推理与归纳），前者是本能，后者是智能（有时会与本能混合）。

潜意识——是本能潜在的推理预测，代表着你对环境信息的 判断和情绪（来自腹内侧前额叶）。

下意识——是本能对外界刺激预设的行为反馈，代表着你对环境信息的 非自控行为（来自边缘系统，尤其是其中的杏仁核）。

那么，正是凭借智能，不断调整预测误差，提高预测未来的能力，我们才能够推动事物的发展，创造期望中的未来。

而作为无处不在的二级混沌系统（受预测影响的系统，会产生二级效应），其结果非常依赖于预测行为本身，即：预测参与决定了结果。

对于这种情况，预测未来其实就是在创造未来——就如图领奖得主，阿伦·凯（Alan kay）所说：“预测未来的最好方式，就是创造一个预测的未来”——而这取决于预测未来的准确率。

例如，关于一个人的未来，往往取决于他对未来的预测，因为人的行为与感受，构成一个循环二级系统，也就是说，你对未来的预测决定了你的行为，你的行为决定了你的感受，而你的感受又会决定你对未来的预测。

那么，预测未来——其实有时间和连接两个维度。

也就是说，预测准确率会随着，预测时间和连接的增长而不断下降，但如果预测能力越强，预测准确率就会越高，可以预测的时间和连接也就会越多。

显然，数学公式（即预测工具）能够在特定范围内，进行忽视时间的准确预测，但超过了一定范围（即连接数量），其预测准确率就会开始下降；而数学思维（即预测模式），则可以在提供充分数据和算力的情况下，进行更多时间和连接范围内的有效预测。

试想，如果没有数学公式所提供的预测能力，那么在工程实践中，我们就不得不进行大量的随机试错与穷举试错——就如爱迪生为了发明电灯测试了约1600种材料。

而从某种角度来看，数学在抽象之地，利用演绎归纳法，在坚实永真的基石之上，所能够“看见”（预测）的未来，是远远超越于——我们的观察、观测和感知的。

例如，在宇宙加速膨胀的观测现实，与广义相对论的数学推算之上，神秘未知又不可见的暗能量，就是必然存在的，并且暗能量可能还占据了宇宙总能量的绝大部分。

暗能量——提供了“看不见”的斥力，均匀分布在宇宙中，占宇宙总质能的68%（暗物质提供了“看不见”的引力）。

例如，量子遂穿，起初只是薛定谔方程的一个数学求解——被形象的称为“穿墙解”，这个反常识与反直觉的“数学预测”，没人相信它会与现实世界有什么关联，但最终发现“量子遂穿”是自然界普遍存在的现实，如：太阳核聚变、放射性衰变、光合作用、基因的突变与修复等等，都与之相关。

例如，虽然我们的科技，把我们限制在地球及太阳系附近，但依靠数学推理，我们却在探索整个宇宙的奥秘。

综上可见，数学预测未来的能力（即超越本能的智能），正是人类文明能够发展，并发展到今天的重要基石。

当然，从基石到建筑，从预测到结果，中间需要并隔着的是——迭代试错，而这个过程就是不断地调整预测误差，然后逼近预测结果——或永远无法抵达，就换个方向继续迭代试错。

关于数学迭代，需要特别说明的是，数学的迭代不是一个人在一生之中的迭代，而是人类群体在整体上、智力上、信息积累上、以及时间线上的迭代。

因为，数学规律的突破与进展太难了，往往需要很多代数学家，在跨越时间的维度上，进行随机探索与接力迭代——待到基石定理与思路方向积累成熟，并在特定的时刻，即“被选中”的那个数学家的大脑中，因为运气（包括天赋）创造出了特定的脑结构之后，才能够最终给出，连接历史路径的答案。

那么，数学定理的坚实与环环相扣，正是支撑了数学这种（跨越时间和空间）合作发展模式的关键所在。

例如，费马大定理从1637年被提出到1995年，整个“接力证明”的过程，历时358年。

例如，微积分体系，由牛顿和莱布尼茨初建，到柯西和魏尔斯特拉斯完善，最后再经由黎曼和勒贝格等人的工作，才基本构建完成，整个过程历时2个多世纪。

数学难在哪里

概括来说，有三个层面：

第一，信息路径缺失。

数学游戏的规则，注定了每一步都有迹可循，每一次推理都有逻辑的前后关联，那么在环环相扣的上下文之间，必定就会有一条——可抵达与可理解的路径。

但如果，缺失了构建路径的哪怕任意微小的一个环节，那么整条路径就会被隐藏起来，或是变得不可理解。

学习数学，就是要把整条信息的逻辑路径（即逻辑链）存储到大脑结构里——这依赖于与整条路径相关联的千千万万条路径——而这就是信息的积累和认知的上下文。

那么，数学推理过程中的不可理解，就意味着这个过程的步骤，没有详细到每一步的信息呈现，都足以让一个人的信息积累，拥有可抵达的路径。

这可以理解为，数学模型在大脑结构之中的映射，丢失了太多的细节信息，以至于在关联的模型之间，缺少了有效的转换路径。

所以，不同的人，有着不同的信息积累（即不同的脑神经结构），理解相同推理过程的难易度，都将会是不同的。

第二，本能排斥抽象。

数学的抽象，让其完全脱离了现实，而大脑天生就喜欢存储与现实息息相关的信息——因为这有利于适应环境，从而在进化过程中，被环境筛选留存下来。

那么，数学信息脱离现实的抽象（包括符号、语义与概念），就有很大的概率让——基因构建的本能算法所排斥，甚至是强烈地排斥。

特斯拉电动车（Tesla）、太空探索（SpaceX）等公司的创始人——埃隆·马斯克（Elon Musk），就曾说：

“我们大脑的进化方式是记住跟我们相关的事物，所以一定要建立相关性，不然记忆的过程会很痛苦，也很困难，因为看上去太抽象而无关紧要。所以必须有相关性和重要性，要理解事物的原因，才能自然而然地吸收知识。”

而如果进化本能（基因信息的排列组合）随机到了——“强烈排斥抽象”的这个模式，就会严重影响信息路径的积累，从而让层层路径依赖的数学学习过程，变成一个步步惊心、举步维艰的恶性循环，最终无可避免地演变成——从入门到放弃的结局。

显然，有些进化本能，并没有随机到“排斥抽象”的模式，而是随机到了“喜欢抽象”的模式，这就会发展成为——对数学（即抽象）的好奇、喜欢、兴趣与热爱（热爱能产生热情与激情），甚至是“无尽的爱”——这称之为数学天赋——这种爱，可能还伴随着惊叹、折服、兴奋、崇拜、欲望与征服，等复杂情感。

第三，信息不对称。

很多有数学信息积累和训练的人，在使用语言或文字叙述证明过程时候，会不自觉或下意识地省略某些在他们看来，是已知、易证或显而易见的过程及步骤，更或是，他们会把某些重要（但别人未必知道的）结论，来当做推理的基础或前提。

那么，缺少了这些过程、步骤、基础和前提，必然就会让证明过程变得难以理解，或是不可理解。这都是因为信息不对称——形成了推理路径上下文逻辑关联信息的缺失，所造成的结果。

当然，解决这个信息不对称的办法，不能是依靠别人事无巨细的解读，或给出一个冗余繁琐的推理过程。

因为大脑，是会遵循最小能量消耗来处理问题的，而共识的认知基础，就是一种简洁和捷径——代表着能量的最小消耗。

并且，为了配套能量消耗的算法，人类心理还进化出了一个本能模式，即是：每多一分知识，就会少一分对没有这个知识人的理解——这被称为“知识的诅咒”（The Curse of Knowledge）。

那么，“知识的诅咒”就会让一个人的信息积累——与“鄙视”成正比，与“耐心”成反比——而这都是本能模式的运作。

所以，唯有通过不断训练，来提高个人的信息积累，才能彻底解决信息不对称造成的——理解困难与交流困难（否则就只能不交流了），而这在无形之中，就形成了数学的信息壁垒。

最后，数学家——菲利克斯·克莱因（Felix Klein），曾说过：

“数学最令人困难的地方，在于不管任何人，想要进入它，就必须在自己心里，依靠自己的力量，一步一步的把它的发展（推理演绎）再现一次。所以，哪怕只是掌握一个简单的数学概念——如果不能把它所赖以成立的所有前提（信息上下文），以及它们之间所有的相互联系（逻辑路径），都加以理解消化——那么，则都是不可能的。”

由此可见，或许理解一个数学问题，所需要的细节，就是信息在大脑的神经网络结构中，产生具有逻辑相似性或一致性的——映射结构（即路径与回路）。

因此，我们可以说，世界上并没有难到学不会的已知信息，只有不完整的信息路径——让人感到走投无路到无路可走——此时，颅内奖励回路瘫痪，惩罚回路激活，压力激素无限循环，直到你怀疑人生与自己存在的意义。

所以，可以想象，只要是被人类所能够掌握的信息——尤其是被总结成书籍教程，或被应用到实际产品与生产之中的——就一定是拥有可学习理解的“信息路径”，而那些真正复杂到难以学会的信息——就一定是那些还没被人类所突破和确认（或只被少数人秘密掌握）的信息。

数学的艰深之处

概括来说，有四个层面：

第一，随机性。

数学结论的探索，充满了随机信息的过滤和筛选，有时候一层纸的概念和一个角度的理解，就可以挡住人们几天、几个星期、几个月、甚至几年。

那么，在正确信息的路径出现之前，只有随机的猜想和探索，能够找到那个正确的猜想，并能够坚持走出，并走完，整条信息路径的概率是不可想象的。

因为在获得确定的正确之前，你怎么知道哪个方向就是正确的？你怎么知道还需要坚持多久才能有结果？

很容易出现的是，错误的方向、错误的结果、错误的一生，以及微不足道的结果和没有结果，而于此同时，放弃——却是由本能给你撑腰的“异常容易”。

例如，证明了费马大定理的数学家——安德鲁·怀尔斯（Andrew Wiles），在回忆研究时光的时候，曾打了一个比方，他说：

“好比解决费马大定理，就是要穿过一个一个的黑屋子。首先我来到一个黑屋子，什么都看不见，我先得去摸，摸这个屋子里的所有家具、所有摆设。等摸得烂熟，对这个房间的每一个纹理都清楚的时候，我才能找到它的电灯开关。我打开电灯开关，才能知道下一个屋子的门在哪儿，打开那个门，然后进入下一个屋子，然后又开始这个过程，而且不知道什么时候是一个头。”

——最终，为了寻找出正确的（费马大定理的）数学证明，他花费了七年时间。

例如，弦理论专家——布赖恩·格林（Brian Greene），在《宇宙的琴弦》中，指出：

“爱因斯坦曾生动描述过，他本人对引力的追求经历：那是在黑暗中焦虑地摸索的年月，满怀着强烈的渴望，有过信心，也有过动摇和疲惫，但最后终于看见了光明。 ​​​​”

——最终，为了寻找出正确的（广义相对论的）数学方程，他花费了十年时间。

那么，随机性就给数学带来了一个问题，即：正确的推理与正确的结论，未必就可以抵达那个我们所期望的终极答案，因为随机路径未必就是，指向终点的路径。

第二，信息量。

已知的信息越多，信息的关联性就越多，可连通路径的可选择性也就越多，显然这就降低了找到正确路径的概率。

同时，信息量增加，不仅增加了信息的复杂性，也增加了信息噪声的干扰，这会让大脑能够记住和理解的有效信息，以及对信息的处理解析能力，都不断下降（想象少即是多原理）。

而已知的越多，与已知交接的边界——未知也就更多，这无形中分散了针对某个具体问题的探索力量——也就是减少了相关的有效信息，从而增加了突破的难度。

第三，智能上限。

数学领域的信息，细分艰深之后，信息路径就会变长，于是探索一个具体细分的问题，首先就需要走完前面与之相关的整条路径，并掌握上下文路径上的所有信息，这在筛选掉很多人——削弱局部探索力量——的同时，也是对大脑智能上限的巨大挑战。

第四，现实问题。

人类智能只要一天被困于身体，就会一天受制于本能的控制。用爱可以发电，但爱的电源来自于本能，因此发电的前提是“取悦本能”（个人或他人及众人），而本能会本能地排斥抽象，即用数学非常难以取悦本能。

数学与我们的关系

我们可以对数学公式一无所知，同时也可以没有经过特定的数学思维训练。但数学思维，即推理（排列组合）与归纳（抽象提取），是根植于大脑智能的工作模式。

换言之，文明社会的每一个人，都在使用数学思维进行工作与生活，即：预测未来，包括短期预测与长期预测。

事实上，万物都是结构，结构的关系呈现了逻辑性——其中包括了合理性与存在性。所以，没人可以逃离结构与关系所构建的“底层”，而数学捕捉了结构与关系，并提供了行之有效的对结构与关系的预测能力。

甚至可以说，基因都是借助了“数学”才构建了可以“预测未来”的大脑及其智能。

而我们与数学，真正的关系是——数学预测未来，更好的生活依赖于预测未来才能达成，并且人脑本身就内建了“数学功能”，需要通过数学训练来激活——试想，为什么动物无法学习数学？

学习数学的意义

学习数学，即掌握数学公式与训练数学思维，可以激发并强化大脑智能，增强预测能力，并在大脑中生成“特定”的神经网络结构，而这个脑结构，可以帮助我们更好地做出预测、判断与决策。

试想，在没有任何（或只有少量）数学知识的时代，那时候的人们与社会，都对未来都进行了什么样的预测，接着又根据这些预测产生怎么样的行为，最后又得到了什么样的结果——由此我们就可以看到，数学对于预测和生活以及文明的发展，有着怎么样的效用，以及二级混沌系统有多么的普遍了。

例如，在历史上，传染病（如黑死病）大爆发的黑暗时代，人们毫无数学逻辑的“推理”，为疾病寻找了各种原因（如女巫），不仅给自己带来了无尽的恐慌，还迫害了数不尽的无辜人群。

那么，如果不学习数学，其实对生存没有“0或1”的影响，只不过随着时间的推移，就无法拥有越来越强的预测能力。

而预测能力，能够让我们在面临每一次选择的时候，都做出（更大概率）更好的选择，而一次次更好的选择，积累起来，就会产生从量变到质变的结果——可以展开想象，但质变是无法想象的。

这里学习数学的意思是，进行数学思维（即推理与归纳）的具体使用和训练，而不是死记硬背数学公式，或练习解数学题，或理解数学证明过程，更不是进行数学规律的探索发现。

显然，术业有专攻，数学规律的版图扩充，是数学家的工作，这需要天赋、积累与运气。

对于数学家，数学大师——阿兰·孔涅（Alain Connes），就曾说：

“在我看来，关于数学首先要知道，我们无法通过学习数学成为数学家，而是通过做数学才能成为数学家。”

那么数学思维，是说在面对任何问题时，善于使用数学知识，去过滤噪声、限定边界、排除错误、找出选项、分析方案，从而做出正确判断，并有效解决问题。

显然，数学思维——是一种“工具”，任何现实问题，只要能够转换抽象成——数学问题，那么就可以利用数学思维这个“工具”，很好地解决掉。

例如，广义相对论是借助黎曼几何这个数学工具，才得以完成的；而对于大统一理论，目前并没有一个很好的数学工具（目前只有“卡-丘”空间这个几何工具），所以大统一理论仍未完成。

例如，当机器翻译与人工智能，被成功转换成一个数学问题的时候，其发展结果，就可以利用数学工具，取得突破性的成果。

例如，如果有一天，人类意识的本质问题，可以被合理的转化成一个数学问题，那么数学工具就会帮助我们，找到我们想要的答案。

因此，我们需要树立这样一种工具思维，即：学习数学，其实就是在学习掌握一种非常强大的工具，而有了强大的工具，那么剩下来能够制约你的，就只有你自己的想象力了。

然而，不仅如此，数学工具所带来的等价视角，还可以让我们把一个无解的复杂问题，转化成一个等价的简单问题，从而获得问题的解决，如反证法、归纳法都有这种功效。

更宏观地说，数学视角——就如同一个可以预测未来的水晶球（这是一个魔法工具），让我们能够看到和想到，那个变化的可以成为现实的未来，以及可以抵达那个未来现实的千万条路径——这相当于给想象力注入了“魔法视角”。

事实上，在现实与实践中，尤其是在解决复杂的实际问题时，如果能有与之相关或对应的数学模型，我们的心情就会顿然从纠结惆怅转换到轻松释怀，因为只要把数据代入数学公式，我们几乎就能得到——我们想要的“一切结果”。

所以，当你没有“工具”去解决一个必须解决的问题时——你会渴望数学工具、数学模型、数学思维，以及有关数学的一切。

那么最后，在没有足够数学思维的时候，我们甚至都无法知道我们为什么需要数学，以及数学能够为我们带来什么——但大脑中的“数学工具”却在无时无刻地运转着。

物数哲神科

物理

它是从可触及的现实出发，观察总结，并抽象出规律，而当这些规律符号化、抽象化，到一定程度的时候，就只剩下数学模型上的逻辑推理与自洽解读了。

或许在未来，理论物理最终会被量子几何（Quantum Geometry）和范畴论（Category theory），纳入数学体系。

例如，在弦理论中，有十维空间和一维时间，除了三维空间，其它多余的空间维都卷缩在极小的尺度下，当弦振动着在空间运动时，多维的几何形态将决定它的共振模式，而弦的共振模式，就是基本粒子的质量和力荷（如电荷、磁荷、色荷，或者别的什么更一般的荷），所以宇宙的基本性质，在很大程度上取决于多余维度的几何形态和大小——这是弦理论的一个深远洞察。

事实上，物理理论诞生，只需要三步：首先设定初始假设，然后数学计算推演，最后如果预测与实验观测一致——那么这个理论则可以被接受，即这是一个成功的物理理论。

物理 = 假设 + 数学 + 验证（符合观测）。

需要指出的是，物理学的源头是若干“基本假设”与“基本常数”，而这些是无法被逻辑证明或被逻辑推出的，所以物理定律必须要用实验验证，并且由于模型与观测的误差，也准许实验结果具有一定范围的误差。

数学

它是在颅内神经现实所运行的虚拟现实里，进行的逻辑演绎，其结果既可以与物理现实有关系，也可以没有关系，充满了随机性，其随机的结果，有时可以抵达虚拟现实的底层（如0和1）与哲学相遇。

从某种角度说，数学不属于自然科学，因为数学不存在于自然界，不是自然现象或自然规律，而是人脑中的创造。

但人脑又是自然的创造，所以再从另一个角度说，数学还是自然创造的自然现象，只不过是“间接创造”——也因此，数学可以作用于并发展自然科学。

数学 = 公理 + 抽象 + 推理（符合逻辑）。

哲学

它是神经现实递归运作的产物，即：认知功能试图去认知其自身运行的底层构建。

例如，宇宙的外面、人生的意义、意识的本质等等，都是对“系统”底层构建的思考，而认知功能本身，就是构建在这个“系统”之上的，所以哲学思考一定无解且会带来痛苦——因为递归而找不到最底层，因为自我指涉而出现无限死循环。

事实上，哲学是自然的“形而上学”，即从自然的“形”向着更加抽象的方向思考，但却没有数学的严格证明（有些假设未验证）与可证伪性（有些结果无法验证）——也因此，最初先有的哲学，然后哲学中严谨可证的纯粹逻辑（抽象到不对应自然的部分），分离出来发展成了数学。

哲学 = 具体 + 抽象 + 推理（符合逻辑）。

形而上学（Metaphysics）——是通过抽象思考，确定事物的本质和意义，翻译来自《易经·系辞》中“形而上者谓之道，形而下者谓之器”。

神学

它是一种笼统抽象，带有主观心理暗示和感官模仿的“心灵拟合”，用来修补哲学思考中的失落、空虚与恐惧，以维持神经现实运作的稳定。

显然，神学是哲学的形而上学，并剔除了严谨的逻辑论证（符合逻辑规律）与可证伪性（能够证明真假）。

神学 = 具体 + 抽象 + 想象（无需逻辑）。

科学

它是建立在数学之上，专门用来操控物理现实的认知工具。

事实上，科学包括了——自然科学与非自然科学，非自然就是与人类相关的事物，如社会与思维等，但非自然只是自然的一个子集，它们都是自然现实，或说是物理现实。

从某种角度来说，自然科学是自然的形而下学，即：从自然的“形”向下进行实验总结的产物。而哲学与数学属于思维，即非自然科学（非经验性的感知和总结），它们是形而上学。

但请注意，神学不属于科学，虽然它属于思维，但不属于哲学，也不属于非自然科学，或许它可以叫作——超自然“想象”或“故事”、以及“颅内模拟”（即虚拟现实的一种）。

思考——基于信息的推理过程（动词），如思考问题、思考一下——在想。
思维——基于模式的思考方法（名词），如逻辑思维、理性思维——怎么想。
思想——基于思维的认知结果（名词），如成熟思想、深刻思想——想出什么。

注：系统的方法，有时会被看成工具，如哲学思维、数学思维，就是一种思维工具。

那么有趣的是，科学研究的工具，却是形而上学的数学，所以科学必然是——形而上下结合的产物。

科学 = 具体 + 推理 + 验证（符合观测）。

需要指出的是，科学要求你心甘情愿，放弃你的信念，接受失败的证据，然后继续向前思考——这就是现代科学的核心思想，即：可检测（Testable）、可反驳（Refutable）、可证伪（Falsifiable）、可理解（Comprehensible）。

换言之，伪科学只求证实，而科学想尽办法去证伪——因此通过科学得到知识，其实是视情况而定的概率，所以我们的信念应该随着证据不断变化，这才是信念的意义所在——否则，信念只是各种颅内模拟的故事。

因此，科学的进化，其实是从一次证伪赶往另一次证伪。

综上可见

我们可以得到以下关系：

• 自然（形）=> 哲学（而上）=> 神学（而上）=> 数学（而上）。
• 自然（形）=> 科学（下结合上）=> 物理（下结合上）。

而“数哲神科”的一些重要不同，就在于：

• 科学与数学：由于科学基于观测、依赖经验、需要证据，而观测、经验和证据都可能是局部片面的，所以科学并不能保证绝对永远的正确，但数学有严格的逻辑证明，其结论是永真保真的。
• 哲学与数学：哲学可以既不证明也不证伪，数学要求证明与证伪。
• 哲学与神学：哲学要求逻辑自洽且不能和科学结论相矛盾，神学可以自身逻辑矛盾且可以和科学结论相矛盾。

最后，如果说物理是——第一原理，那么数学就是——第一工具，利用数学可以书写整个宇宙的——故事，即：

• 数学可以让我们变得复杂，然后看什么都会变得简单；
• 物理可以让我们变得透彻，然后看什么都会变得清晰；
• 掌握数学抽象与物理模型，就能荣辱不惊又洞察一切；
• 把握数学视角与物理思想，就能看透人生又理解世界；

而回顾历史，数学点亮了物理，物理照亮了化学，化学通向了生物，生物研究了数学，正是这个回路增强推动了人类智能与文明的发展与繁荣。

可以说，数学定义了宇宙，物理创造了宇宙，化学渲染了宇宙——通过数学，可以逆向工程整个宇宙，而在数学源码之上，可以（利用物理与化学）重构我们的世界。

数学与宇宙现实

数学说的——是有关宇宙奥秘的故事，即：用数学编写的故事，代表了逻辑现实，对应了逻辑世界。

又因为，逻辑是抽象之物（不是具象之物），所以可以等价地说，数学是在抽象之地的抽象故事，代表了抽象现实，对应了抽象世界。

尽管我们主观上，可以构造客观不存在的事物，但这些“不存在”依然存在于，我们大脑中的神经现实，其下层是物理现实，最底层是（物理上无法验证的）宇宙现实，如：宇宙奇点、黑洞内部、多重宇宙等等。

在此，我们可以把客观现实，看成是主观对物理现实的认知——如果是错误认知，就是非客观的现实，但依然是物理（神经）存在的现实。

所以，现实层层外推的顺序是：

客观现实 => 主观现实 => 神经现实 => 物理现实 => 逻辑现实 => 宇宙现实。

可见，主观现实也只是宇宙现实的一个子集，而逻辑现实（来源于主观现实）却可以绕过物理现实，直逼宇宙现实的“真相”——从我们无法主观想象出，数学中的构造之物，如高维空间、时空弯曲、时空循环等等，就可以看清这一点。

事实上，在黑洞奇点或平行宇宙，现有的物理定律可能会失效或不同——因为规律的假设成立，要依赖物理现实；但数学规律却必然有效且相同——因为规律的假设成立，只依赖逻辑现实。

更或许，数学上说“存在”，即符合逻辑现实之物，就一定会存在于某个“宇宙现实”之中，只不过未必是我们身处的这个宇宙现实，即：物理模型是我们的宇宙，数学模型是某一个宇宙，物理模型是数学模型的子集。

换言之，数学结构是超越物理结构的，物理结构是超越大脑结构的，即：我们可以理解与感知的“客观结构”，只是大脑结构的一部分，大脑结构只是物理结构的一部分，而物理结构只是数学结构的一部分。

类比来看，数学就像是一座隐秘在黑暗之中的“宏大宫殿”，和人类密切相关的部分，只是宫殿的小小一角，而数学家研究的部分，可能是宫殿的任意一角，那么宫殿的更多部分，则是人类永远无法触及的“宫殿全貌”。

综上来看，真实世界与现实世界的区别，就在于：

前者强调客观真假，后者强调客观存在——但客观存在不一定就是真实的，因为判断是否真实，依赖物理现实（即可感知与可检验），而客观存在的逻辑现实，是超越物理现实的（即不可感知与不可检验），如：数学宇宙与平行宇宙。

因此，从逻辑上说，任何一个“真实世界”，都不能排除是“虚拟世界”，但它一定是客观存在的“现实世界”。

结语

如果真实世界，是一台计算机的模拟，那么：

• 数学就是代码的语言，即本质的编码；
• 哲学就是代码的解释，即本质的理解；
• 物理就是代码的注释，即本质的说明；
• 科学就是代码的测试，即本质的验证；
• 神学则是代码的故事，即本质的想象。

事实上，数学描述只是“事实”，是绝对客观中立的，因为它只是用符号对结构关系的映射，而任何非数学描述就可能存在倾向性，即存在主观的“立场”和“观点”，因为数学之外的信息会让“关系映射”出现不对称性，所以这一种“对称性破缺”，但这就是“认知现实”。

那么，物理模型，则连接了数学模型与我们赋予数学模型的物理意义，即：物理模型 = 数学模型 + 物理意义——因此，物理模型不完全是“事实”，它具有解释性，也就具有“认知对称性破缺”，但它是一种可验证的解释。

可以说，数学是描述（代码本身），物理是诠释（代码注释）——诠释是对真理的解释，解释有多种，诠释也不例外。

而哲学模型，虽然它和数学一样具有推理逻辑性，但它是对“事实”与“未知”的解释，并且还可能是没有验证或无法验证的解释，所以哲学模型具有“强立场”与“强观点”，也就是——“强认知对称性破缺”。

从某种角度看，“解释”就是用一种模型描述一种“现象”，有些“现象”还没有验证有效的模型描述，就是还没有得到“解释”，但仍可以有各种“解释”，如哲学与故事。

当然，如果我们对某个模型继续寻求“解释”，那么就会得到“另一个层级”的模型，不断追问，直至没有模型可以“解释”，而在某个层级停止了追问，此时对应的模型——就是我们想要的“解释”，也是“答案”。

例如，粒子物理学家——布莱恩·考克斯（Brian Cox），在《量子宇宙》中，就指出：

“在物理学中，「不要问太多问题」是一项必要的技能，因为不存在完全孤立的物体体系，我们必须在某处画下界线，才有可能回答一些问题。”

所以说，模型只是现实的近似，物理模型在现实世界之下（简化约化，缺少细节，分辨率不足），数学模型在现实世界之上（超集超越，多余映射，分辨率溢出）——因此，所有数学都是对的，只是有些是“可用的”，所有模型都是错的，只是有些是“有用的”。

最后显然，数学现实构造了无数个现实世界，但物理现实只能选择其中一个，作为真实世界。

题图是美剧 《西部世界》（Westworld）第三季中的人工智能——“雷荷波”（Rehoboam），祂可以准确地预测世界（包括人类自由意志）的一切未来。

后记1：宇宙的限制与数学的预测

方程是一个数学关系，没有数学之外的意义；公式是一个数学模型，有现实映射的意义，可以描述现实运作及变化；通常数学公式用数学方程表示，所以公式是一类方程。

方程（Equation）——是含有未知数的等式，其中未知数又称变量，已知数又称常数、参数或系数。

公式（Formula）——是两个相等的数学表达式，表明了特定量之间的关系。公式是一类方程。

函数（Function）——是自变量和因变量的映射关系。函数是一对一的关系，方程是一对多的关系。函数是方程（即把自变量和变量看成未知数），方程不一定是函数（因为变量存在不唯一的关系）。映射关系的公式（也就是一对一关系的方程）可以看成函数。

那么，有很多方程是不对应现实的，或说是不对应这个宇宙的——比如广相中爱因斯坦场方程的特殊解；而在对应现实的公式中，有些方程目前是解不出来的——比如三体问题的方程组。

对于解不出来的公式，有两种可能：

• 第一，求解方程的工具不行，未来有了更好的工具，就可以解出来。
• 第二，公式模型的映射不行，未来有了更好的模型，就可以解出来。

然而，还存在一种可能性，即：模型是对的，工具也很好，但公式对应的方程就是无解。

这种情况，其实是一个预测问题。

也就是说，公式模型，已经正确描述了现实的运作，求解出对应的方程组，则意味着可以准确预测出相应现实的未来演化。

那么，宇宙是否存在人类无法预测的现实演化？

从人类目前的认知来看，无法预测性——可能就是宇宙（对人类、对智能、对逻辑）某种内在的限制。

例如，混沌系统就是无法预测的，但它却是一个（非线性演化的）确定系统，只不过它对初值敏感，即：微小的初值误差会形成巨大的结果偏差（如蝴蝶效应），而初值的精确性，会从宏观连接到微观，直至受到“不确定性原理”的约束。

由此来看，某些数学模型对应的方程无解——这正是数学准确描述宇宙的体现。

换言之，数学无法解决的问题，就是宇宙系统对人类的限制所在，而数学只是“忠实描述”了这个限制性。

而如果把数学看成是一种语言，就像人类语言一样，那么数学的局限性就不在于数学本身，而是在于我们对数学的构造，就像语言的局限性不在于符号，而在于使用者对语义的构造。

例如，某个思想的局限性，就不是语言描述的问题，而是语义表达的问题。

当然，不同的视角，对于解决问题至关重要——有些视角可以解决，有些视角容易解决，有些视角则不能解决——但这是视角的问题，也不是语言的问题。

事实上，数学语言的视角是自由的，因为它是纯逻辑的，如果逻辑视角有限制，则这可能就是系统本身的限制。

换言之，系统中的任意事物，都可以用语言去描述它，但能否预测它，这不是语言的限制，而是系统的限制。

试想，“ABCD”——26个字母的排列组合能有什么限制呢？

对数学语言来说，还可以不断扩充符号表（类似字母表），如果数学语言描述不了（即无模型或无解），那只有两种可能：一是排列组合的问题，一是系统本身的问题。

所以，宇宙的限制就是数学的限制，数学的预测就是宇宙的边界。

换言之，无论世界是几何的、还是代数的，是连续的、还是量子的——世界都是数学的，即：我们是生活在“数学宇宙”之中的。

因此，科学是研究现实的，但现实可以超越现实，而这个超越——其实就是数学现实超越物理现实的部分。

那么，漂浮在黑暗的宇宙之中，数学就像一个开关，可以打开一束光，照亮黑暗宇宙的图像。

后记2：数学的局限性

如果说，宇宙是数学的，那么数学和宇宙就是等价的，但人类数学和数学并不等价，人类数学只是宇宙数学的一部分，甚至是极小的一部分。

因此，稍微复杂一些的宇宙现实（或说物理现实），人类数学就很难或根本无法建模和求解，甚至连近似的有效建模都不行。

所以，人类对复杂世界（即复杂系统）的认知，几乎都是经验性的推理总结——这意味着，我们所理解的世界及现象，几乎都是没有得到数学严格证明的，也就是不具有保真永真的确定性。

换言之，对于我的认知来说，复杂系统运作的基础（模型）、前提（参数）、过程（计算）和结果（涌现），其实都充满了巨大的不确定性——只不过在我们的颅内模拟中是确定的。

例如，在我们的模型预测过程中，其实充满了——大量的前提假设，如：理想情况下、不考虑什么、默认什么、相信已知不变与未知不可见，等等——也只有这样模型才能运用、预测才能进行，而结果对不对，这就是可以调整假设、迭代模型的部分。

事实上，在真实世界严格地追求严格证明，其本身就是一种“不严格”——因为这是严格不可能的。

然而别忘了，人类是宇宙的一部分，人脑就是一个极其复杂的系统，用复杂系统模拟复杂系统，就是人脑经验推理的有效性来源——所以，数学是试图“还原”，经验是试图“模拟”，而人脑却可以混合“还原 + 模拟”，并得到有效的预测能力——这就是人类智能。

例如，面对家庭、职场、社交当中的复杂人性，理工思维（的理性）无法建立有效的预测模型（因为人的行为不符合理性，但模型也无法预测复杂的感性），而文科思维（的感性）却可以游刃有余地有效预测——这就是人脑（进化）复杂性的“屠龙之术”。

事实上，物理数学哲学（这是抽象世界的简化模型）研究学习得再透彻高深，当还原到真实世界的复杂场景，并面对不可建模的复杂性时——其结果必然是“冥顽不灵”的，这就是为什么主宰世界的是政治家（故事家、社交家、权术家、阴谋家），而不是科学家（通常是前者的“工具智库”）。

由此来看，科学（科学理论）是——简化模型，科技（科学技术）是——填充模型，前者对应——理想世界（在于结构关系），后者对应——真实世界（在于相互作用），所以科学需要通过技术来改变世界，即：结构关系通过相互作用来改变自身。

也因此，科学是免费共享的（不影响现实），而技术却是付费保密的（可操控现实）。

别忘了，技术在面对真实的复杂性时，不得不进行大量且不可“简化约化”的——迭代试错、验证改进、对抗未知、攻克细节、妥协现实、盲目无措，显然这需要的是“经验模拟”，而不是“还原推理”。

更别忘了，科学理论——是要发现宇宙中已经存在的规律， 而工程技术——则是要创造世界上从未有过的事物，因此可以说，后者是利用前者去操控世界的演化运作。

综上可见，我们可能并不能，依靠“还原”从底层构建上层的一切，但我们可以在某个层级之上，依靠“模拟”从复杂系统构建我们想要的一切。

换言之，在更高的层级之上，我们仍可以做出（甚至更）有效准确的预测——而“某个层级”包括了上层的任何层级，当然越上层越复杂的层级越好，这类似于站在了“各种巨人”的头顶上。

后记3：数学与非数学

人类的创造力，包含了价值、意义、美学、情感、意识、道德、观念等等——其中很大的领域与成分，都是艺术与人文的训练所教会我们的东西，这也是艺术与人文和科学与技术，可以相互平行与并行的原因所在。

而从日常经验的角度来看，在艺术与人文领域，并不需要多少数学，甚至不需要数学——相反，数学却需要艺术与人文所激发的想象力、洞察力、感知力、理解力，甚至是人性源泉的独创性。

但从数学宇宙的角度来看，一切都始于数学，一切都必须从数学开始——艺术与人文其实是数学演化的产物，即：是数学经由基因算法抽象封装过后，内化为神经学的高层应用与具体表现。

换言之，数学的递归逻辑，让数学演化出具体应用之后，一方面演绎了艺术与人文，一方面演绎了科学与技术，而这两方面又可以交织回路到——数学的抽象与抽象的数学。

也就是说，思维思想是抽象数学的具体应用。

所以，数学必将借由逻辑学从内在涌现为神经学再通过思维思想回路自指到其自身从而递归地实现数学内在的闭环。

但在思维思想自指实现数学闭环之前，我们可以认为——艺术与哲学，是超越数学模型理解与模拟的——“黑盒运作”。

因此，融入了艺术与哲学的产品，必将会决胜于千里之外，因为“黑盒”等价于“魔法”，即：黑盒运作 = 运用魔法 = 艺术 + 哲学 = 神经逻辑 + 思维逻辑。

后记4：人类的数学

由前文可见，数学是超越宇宙的存在，所以在我们宇宙中的数学——就应该是万能的，但实际上我们所拥有的数学——显然不是万能的，因为有很多数学问题解不出来，同时也有很多问题无法转换成数学问题。

很遗憾，人类可能永远无法理解与掌握——“全部的数学”与“数学的全部”——这是数学的“内在要求”对我们的“终极限制”。