从失败中崛起！52岁斯皮尔曼自述，曾携华人科学家2次斩获哥德尔奖

新智元报道

编辑：桃子 袁榭

【新智元导读】哥德尔奖两度得主、IMU算盘奖得主，数学与计算机科学界的巨擘丹尼尔 · 斯皮尔曼，在接受专访时称自己是躺平界资深人士。

他，毕业于耶鲁MIT，曾2次获得哥德尔奖。

他，兼具两种身份，数学教授和计算机教授。

「静静地坐着思考」是他的一种生活方式。

他就是丹尼尔 · 斯皮尔曼（Daniel Spielman），一位能将失败化为突破的计算机科学家。

研究，只有意外之喜

斯皮尔曼本科就读于耶鲁大学，并在1992年获得了双学位：数学和计算机科学学士学位。

紧接着在1995年，他获得了麻省理工学院 (MIT) 应用数学博士学位。在那里，他研究了用于保护通信免受干扰的方法，其中就包括纠错码。

毕业前，他将这些研究成果汇聚一起，发表了一篇论文名为Computationally Efficient Error-Correcting Codes and Holographic Proofs。

论文地址：https://www.cs.yale.edu/homes/spielman/PAPERS/thesis.pdf

1963年，Robert Gallager展示了如何用图形(由点(顶点)和线(边)连接起来的数学对象)构建纠错码的方法。

但到了斯皮尔曼时代，这种方法基本上被遗忘了。

1996年，斯皮尔曼和导师Michael Sipser从扩展图（expander graph）中创造了一种突破性的编码。尽管他们的编码具有很好的组合特性，但仍不能实现局部可测试性。

但是它在其他方面被证明是最佳的，并最终成为2021年最近这项新成果的基础。

2021年11月发表的一份预印本论文中，以色列计算机科学家Irit Dinur和她的团队找到了实现局部可测试性的方法。

当谈及关于纠错码研究的开始，斯皮尔曼称自己是在导师的建议下深挖后意外进入了这一领域。

当时，他的导师曾建议其试着更好地理解概率可检测证明，因为这是理论计算机科学的主要成就之一。

然而，斯皮尔曼当时想把它们和扩展图联系起来，结果发现这实际上并不可行，但他突然意识到这对于编写纠错码却非常有用。

想解决的问题没解决，却发现了解决其他难题的方法。所以说，研究不仅需要思维变通能力，善于洞察也非常重要。

斯皮尔曼称，我的很多研究都是这样。很多时候，我获得成果的途径并不直接来自起初要解决的问题。

我本来想解决的难题却没成功，但是当我对研究领域的状况有了足够的了解，就知道自己可以用当前研究进展来另辟蹊径。

当然，这一研究策略对斯皮尔曼之后的成就也产生了重要影响。

携手华人科学家，2次斩获哥德尔奖

提及斯皮尔曼人生的高光时刻，就是分别在2008年和2015年两次获得哥德尔奖。

其实，他能够取得最高荣誉身边离不开一位老朋友兼合作伙伴——滕尚华（Shang-Hua Teng）。

在MIT期间，斯皮尔曼遇到了研究员滕尚华（南加州大学计算机科学教授），从此他们的职业生涯便交织在了一起。

要说他们最具收获的合作之一，那便是开发了「平滑分析理论」，用来解释一种被广泛使用的线性规划单纯形算法。

这也是斯皮尔曼从研究中收获的意外之喜，他表示，「平滑分析的确来自于我和尚华以前做过的另一个失败的研究项目」。

那么，他们何时开始研究平滑分析的呢？

斯皮尔曼称，「很多时候，人们做事不是因为懂得理论解释，而是因为实际有效。我们当时也是这样，一开始我们试图解释一个被广泛使用的算法，那算法被称为线性规划单纯形算法。之前学界尽管都清楚此算法有过失败的案例，但这一算法仍然在实践中得到成功应用。」

当时，斯皮尔曼和滕尚华试图去解释此现象。

他们最终提出的想法是，单纯形算法之所以有用，因为所有的失败案例中，它的表现都是极为脆弱、并不稳健，而多数时候此算法足够稳健。

在进行研究时，斯皮尔曼使用各种各样的方法，像纸笔计算、计算机实验、和单纯地坐着思考

部分原因是斯皮尔曼和滕尚华已经编好了验证所有这些例子的代码。他们注意到，如果对数值精度不够严谨，那么突然之间原本会让单纯形算法失灵的状况就不起作用了。

这就是他们发现新点子的过程：如果在输入中有一点随机性，处理方法就会取得好的结果。

这是一个有影响力的点子，因为它既帮助人们理解为何此算法起作用，也帮助人们用类似途径去理解许多其他算法的生效机制。

因此，他们在2008年首度获得了哥德尔奖，这是一个年度奖项，表彰他们在理论计算机科学方面的杰出工作。

7年后，这对搭档再次获得哥德尔奖，因其提出的算法能够快速解决大量简单的线性方程组。

当科学家们模拟如热流或电流等简单物理系统运作时，大都会用到他们所研究的方程组。不可否认，他们的算法具有非常重要的实际意义。

因为这些研究成果，2010年斯皮尔曼被授予奈望林纳奖（the Rolf Nevanlinna Prize），此奖项每四年授予一位不到40岁的杰出信息科学家。(该奖项后来更名为IMU算盘奖。)

能够和滕尚华合作这么成功，只能说明两个人灵魂非常契合。

斯皮尔曼称，「我在MIT读博的时候，滕是那里的导师，我们工作步调一致和谐。

你会发现我现在的办公室里有张用得很旧的沙发。而我在MIT的办公室里有2张沙发。这意味着我和尚华可以一起工作，两人整天躺在沙发上思考和探讨，这是我们合作最佳的方式。」。

图形在现代计算机科学和斯皮尔曼的许多工作中是必不可少的

学霸的自我修养

拿奖拿到手软的斯皮尔曼，大家一定好奇他是怎样开始学习计算机科学。

斯皮尔曼自述了一个学霸的自我修养：

在我上中学时，图书馆里有一本关于计算机编程的书。我记得自己读到此书时，就像发现了有史以来最神奇的事情。书中在谈论如何为机器人编程，如何编写基础任务的简单代码和组织代码方法等。

从那时起，我就非常想要一台电脑。后来，我父母发现了一台工程师卖的老旧Commodore

牌电脑。

父母不仅为我买了这台电脑，还买了大量工程师杂志和书籍。我沉迷于其中，花了大量的时间阅读这些书籍，并学习编程。

要说小时候爱玩是每个孩子的天性，学习时凳子还没坐热就想跑出去玩，而斯皮尔曼却开始了自己长久的攻书之路。

斯皮尔曼称，自己倾向于把所有的事情都推到一边。小时候的他就非常喜欢思考，直到有了一台电脑后，让他才有了真正可以投入大量时间思考的对象。

或许在许多人看来，斯皮尔曼对待事情过于纠结和执着。他表示，「这习性确实时常带来挫折感，但这并不能阻止我前进的脚步。」

另一个让斯皮尔曼专注于读书的原因，就是人们常说的嗜好，就像赌徒沉迷于赌注那样。

「当我认为自己有个绝妙的点子时，会兴奋到一晚睡不着。」

这时，他的爱人便会建议道，「去睡觉吧，早上醒来你就会发现这个点子又不灵了」。因为她知道，几乎每次斯皮尔曼以为自己解决了特定问题的时候，其实都差那么点。

然而，天才也有自己的烦恼。斯皮尔曼称，「我的记性真的很差，当我需要回忆东西的时候，只有读笔记才会记得更清楚。」

未来研究转向

对于斯皮尔曼，攻克困难问题就像是一场赌博。

他表示自己最有动力从事的研究是，那种一旦获得结果就可以兴奋地到处宣扬的高难度研究。一般来说，其他普通研究即使抬眼可见也无法将其吸引。

如今52岁的他将研究视线转向了另一个领域。

最近，斯皮尔曼将注意力转向支撑现代医学研究的随机对照试验背后的数学。

这些试验的组织者试图将研究对象随机分为两组，受试组接受实验性治疗，对照组不接受治疗。

然而，有限大小的群体总是出现某些参数类型的不均衡，例如年龄、体重或血压。斯皮尔曼和他的研究小组一起致力于寻找算法来实现更好的均衡。

尽管起步缓慢，但这个项目比斯皮尔曼预期的要好。他开玩笑称，「至少现在我们还没有宣布它失败。」

斯皮尔曼说，「对于我已经解决的大多数问题，我可以清晰回顾当时的情况，讲述当时我脑海中出现特定解决方案的故事。但那只是因为我花了实在太多的时间研究它们。」

参考资料：

https://www.quantamagazine.org/the-computer-scientist-who-parlays-failures-into-breakthroughs-20220613/

https://swarma.org/?p=31024

https://wikizhzh.top/wiki/Smoothed_analysis