為什麼數學是「壓縮」出來的？

——菲爾茲獎得主 Freedman 的認知革命與多項式結構的秘密

最近，菲爾茲獎得主 Michael Freedman 發表了一篇挑釁意味十足的論文：《Compression is all you need: Modeling Mathematics》。這篇文章不只是數學，它更像是一篇探討人類認知與宇宙結構的哲學宣言。它主張：人類數學（Human Mathematics）並非邏輯的全部，而是邏輯中「可被壓縮」的那一小部分。

「理解一個對象，本質上就是找到生成它的最短描述。」——這是資訊理論的核心，也是數學的終極美感。

一、三千年前的「對數級」革命

Freedman 認為，人類文明最強大的一次壓縮發生在三千年前：進位制（Place Notation）的發明。

• 原始時代： 如果要記錄 100 隻羊，你必須刻下 100 道槓槓（線性成長 $O(n)$）。當數量龐大時，大腦會因資訊爆炸而癱瘓。
• 壓縮時代： 透過位置代表權重，我們只需要 3 個數位就能記錄 100。

這將資訊長度從線性縮減到了對數級別（Logarithmic）。這種「以少勝多」的能力，讓我們得以在有限的大腦容量裡，處理無限的數量。這就是數學壓縮的威力：壓縮不只是為了節省空間，更是為了讓「運算」變得可能。

二、多項式結構：人類數學的「窄路」

這是論文中最精彩的技術觀察。Freedman 對比了兩種數學世界：

1. 形式數學 (Formal Math, FM)
邏輯推論的可能性是指數級爆炸的。在一個沒有結構的邏輯森林裡，每走一步都有無數方向，這是一片連最強電腦都會迷失的荒漠。

2. 人類數學 (Human Math, HM)
Freedman 發現，人類感興趣的數學路徑具有多項式結構 (Polynomial Structure)。這意味著複雜度雖然會增加，但增長速度是可控的、可被打包的。

為什麼會這樣？因為人類發明了「定義（Definitions）」與「引理（Lemmas）」。它們就像是電腦科學裡的 Macros（巨集） 或 ZIP 壓縮檔。一旦我們定義了「群」或「對稱性」，我們就把數萬步的邏輯壓縮進了一個單詞裡。人類數學，其實是存在於指數級邏輯荒漠中，唯一一條被「高度壓縮」過的優雅路徑。

三、AI 的困境：缺乏「壓縮的審美」

當前的 AI（如大語言模型）雖然能處理海量數據，但在數學推理上卻常顯得「笨拙」。Freedman 指出，這是因為 AI 缺乏一種「局部壓縮（Local Compression）」的直覺。

優秀的數學家在證明問題時，會本能地尋找「壓縮率最高」的路徑。如果某段證明可以被優雅地打包，那這條路通常就是通往真理的方向。未來的 AI 不只需要強大的運算力，更需要學會人類的「美感」——也就是識別並偏好那些具有多項式結構的壓縮路徑。

四、從珠子到分子：幾何的實體壓縮

作為一名長期處理分子結構的科研人員，我對 Freedman 的理論感到強烈的共鳴。在珠弦模型（Beaded Molecular Models）的研究中，我們面對的是同樣的問題：如何理解成千上萬個原子的複雜排列？

珠弦模型本質上就是一種「幾何進位制」：
我們利用珠子間的幾何約束（Tensegrity），將微觀的力學張力與對稱性，壓縮成了肉眼可見、雙手可觸的實體結構。當一個複雜的「碳奈米管異質接合點」被簡化為幾組幾何規則時，我們完成的正是一次高效的多項式壓縮。

結語：理解的極限

Freedman 的這篇論文（arXiv:2603.20396）告訴我們，數學不只是冰冷的公式，它是人類為了在有限生命中理解無限宇宙，所開發出的最極致的壓縮工具。我們理解世界的極限，並不取決於宇宙有多複雜，而取決於我們能發明出多優美的壓縮演算法。

---

發布於《金子的 AI 筆記本》 | 探討數學、化學與 AI 的思維交鋒