如何让泛函分析不再难学：从AI理论的应用入手建立数学直观

引言：大师往事

1821年，后来的大师柯西才32岁。初出茅庐的他在巴黎出版了《分析教程》（Le Cours d'analyse），顶着四面八方的压力，在巴黎综合理工学院讲起了建立在极限定义基础上的微积分学。

奥古斯丁・路易・柯西（Augustin-Louis Cauchy，1789—1857），法国伟大数学家、物理学家、天文学家。

柯西本人就毕业于这所法国最顶尖的工程师摇篮，毕业后留校任教。《分析教程》正是他在这所学校的讲义结集。

可当时理工学院的数学教学，还牢牢攥在拉普拉斯和拉格朗日（晚年）所主导的传统手里。拉格朗日1797年出版的《解析函数论》，试图用纯代数化的幂级数方法重建微积分，绕开极限这个麻烦。这套东西逻辑上虽有缺陷，但已经用了二十多年，老师们早就习惯了。都认为柯西当时只是一个三十出头的年轻后生，凭什么去推翻祖师爷的东西呢？

《解析函数论》第一页

更要命的是，理工学院培养的是工程师，不是纯数学家。旧派教师的态度很明确：给工科学生讲"极限""收敛准则""无穷小的严格定义"有什么用？他们只要算梁的挠度、炮弹的弹道就够了。拉普拉斯甚至说过一句很有名的话：微积分是一种计算工具，就像对数表一样，你不需要理解对数的哲学基础也能使用它。

科学院的大佬们（主要是傅里叶与泊松）反对柯西，多少还算是"高处不胜寒"的路线之争。相比之下，学生们的反应就简单粗暴多了，就是听不懂。

柯西在巴黎综合理工学院讲新教材的同时，也在巴黎大学理学院任教。他坚持按《分析教程》的顺序从头来：极限定义、连续性、导数、积分，每一步都给出严格的收敛条件，不允许任何人说"显然"。

结果呢？这样的做法导致退课率高得吓人。

当时法国的大学体制，学生虽然不能像今天这样自主选课（课程是固定的），但可以选择"当掉重来"。柯西的教学进度远超工科生的应付能力和耐心，不少学生干脆放弃当年的数学学分，留到下一年再补。一些贵族学生甚至直接向校方投诉："柯西先生考试用他讲义中从未讲过的证明题。"

学生们最不满的就是一件事：他讲的这些，跟建桥梁、造蒸汽机有什么关系？

《分析教程》出版九年后，法国爆发了1830年七月革命。柯西拒绝向新国王宣誓效忠，被逐出法国，先后流亡瑞士、意大利和波西米亚。1834到1837年间，他滞留布拉格，给波旁王室流亡成员当家庭教师。这段日子里他远离巴黎学术中心，没法发表正式论文，但仍然坚持给年轻学生们传授极限理论，还在手稿里继续打磨复变函数、微分方程定解等问题的严格基础。

柯西硬是把流亡岁月过成了一场"极限概念巡回传教"：在都灵，他向意大利数学家演示连续性为什么必须先有定义才能使用；在布拉格，他跟波西米亚的工程师反复念叨收敛准则才能让计算不出错。这些种子后来真的生了根，19世纪下半叶意大利分析学派异常活跃，当中有柯西早年讲座的一份功劳。

柯西在异国他乡为自己的极限理论四处奔走的时候，一个后来被称为"现代分析学之父"的德国青年，正忙着"醉里挑灯看剑"。这位波恩大学击剑队的前队长，在酒后挥舞军刀差点酿成大祸。1839年，这个名叫维尔斯特拉斯的年轻人遇到了自己的恩师，数学家古德曼。古德曼的讲授让他头一回看懂了柯西为分析学奠定的严格化语言到底意味着什么。

维尔斯特拉斯是大器晚成的典型，他跟专横的父亲斗争了多年、荒废了一段学业之后，22岁才正式开始学数学。此后在德国乡村做了将近20年的中学教师，既教数学又教体操，论文只能发在校刊上，原因很简单：付不起期刊的邮寄费用。

但他毫无疑问是柯西最出色的学生和继承者。

说到这里，插一句有趣的。在当代中国，数学不好的学生常常自嘲"我数学是体育老师教的"。他们绝对想不到，经典分析学教科书开篇那铺天盖地又让人抓狂的ε-δ语言，还真就出自一位"中学体育老师"之手。而这位"体育老师"，用他那些著名的"病态函数"，实实在在地推开了现代数学严格化的大门。

1、为什么现代数学难学？

因为自打维尔斯特拉斯之后，任何人想在分析学领域做严肃研究，都必须用形式逻辑这套语言说话。可形式逻辑的语言会带来什么问题呢？

我们在集智学园泛函分析群里聊过这个话题。下面这句话估计说出了无数数学系学生的心声：

"不仅大部分话都听不懂，从整体逻辑上看也不知道想表达什么。"

想象一下这个场景：

你坐在大学教室里上泛函分析课。老师在黑板前奋笔疾书，从度量空间的定义开始，一个定理接一个定理地往下证。你埋头记笔记，各种符号搅在一起看不出头绪，每一步推导都云山雾绕，课本翻开跟天书似的。脑袋里最后就剩一个念头："我到底学了个啥？这玩意儿有什么用？"

别急着怀疑自己。这不是你的问题。

群里另一位同学也讲了自己的经历：课时本来就少，只讲了度量空间、赋范空间和内积空间就收工了，一碰到核心理论和实际应用就蜻蜓点水。泛函分析结课他考了95分，可他自己说"我对这门课的理解恐怕连9.5分都不到"。考完试，脑子里除了距离、范数和内积的定义，什么都没剩。后来他想靠其他中文教材自学，翻开一看，满眼多如牛毛的符号、整页整页的大段证明，直接被劝退。

有意思的是，等他后来知识体系慢慢长起来、学科之间的交叉越看越多之后，竟然发现统计学里到处渗透着泛函分析的影子。举两个例子：

1. 极大似然估计，表面上是有限维参数空间里的优化问题。但换个更宏大的视角看，它本质上是在概率分布空间上寻找使似然泛函达到极值的那个分布，这其实就是变分法在无限维函数空间中的一个特例。参数化模型只不过是把这个无限维的变分问题限制在了有限维子流形上，好让人算得动。

一句话概括：极大似然估计的本质就是变分问题！

1. 最小二乘估计、平方损失下的Bayes估计、UMVUE、D-learning最优决策……这些方法分散在统计学的不同角落，长相各异，为什么却共享着惊人相似的结构和优良性质？答案藏在一个地方：它们的底层逻辑全都可以被正交分解定理一网打尽。在Hilbert空间的框架下，条件期望就是投影。也就是说，在均方损失这把尺子下面，以上这些估计通通师出同门，不过是同一个几何真理在不同统计场景里换了身衣裳。

统一来看，以上估计的本质都是在Hilbert空间下求最小距离的正交投影解问题！

可是当你翻遍现有的统计学教材或泛函分析教材，几乎看不到这种直面本质、打通底层、把隐秘联系摊到台面上的总结。这不是偶然的疏漏，说白了就是一种顽固的学科割裂。

统计学教材喜欢把各种方法松散地一字排开，极大似然估计、最小二乘估计、贝叶斯估计、UMVUE、D-learning各占一章，仿佛它们是各自领域里凭空冒出来的技巧，从来不问一句：为什么它们长得这么像？为什么投影、条件期望、正交分解这些概念翻来覆去地出现？

泛函分析教材则走向另一个极端。写书的人沉迷在分析与方程的抽象理论里，不屑于搭理具体应用，教材里塞满了抽象定理的证明、混乱的章节逻辑，却对统计学中那些活生生的希尔伯特空间投影、变分推断的例子视而不见。

结果就是，学统计的人只见树木不见森林，学泛函的人手握利器却不知该往哪儿砍。

这种割裂的代价太大了。学生耗上几年光阴，在题海里挣扎，始终摸不到那条贯穿始终的数学主线。研究者困在各自的学科孤岛上，重复发明轮子，白白错过了跨学科统一带来的那种豁然开朗的力量。

说到底，学术分工走到了一个十分别扭的地步：统计学为了"实用"拒绝抽象，泛函分析为了"纯粹"拒绝应用，两头之间的桥硬生生被拆掉了。从而造成学生最终学到的是一堆没有灵魂的工具，而不是一个统一的、漂亮的、可以贯通各处的数学世界观。这不光是教材的问题，整个教育体系在学科交汇的时代都在绕弯路。

群里一位哈工大的校友说得很直接："我们的教育让孩子对逻辑产生了迷信，觉得逻辑推导能搞定一切。"18年前他在哈工大学模拟电路，坦言"这门课没有人真的学明白过"。多年后，当初那些考研高分、高薪入职的同学，有的已经不发朋友圈了，有的去卖保险了。

这话虽然听着刺耳，但不是夸张。当教育只剩下定义、定理、证明的流水线，培养出来的就不是能解决真实问题的人，而是只会照图纸操作的技工。

到了人工智能时代，这种"逻辑推导能力"正在以肉眼可见的速度被AI替代。纯粹形式上的逻辑推理，正在变得越来越廉价。

2、那么，出路在哪里？

概率论大师威廉·费勒在他的名著中写过一段话：每一门数学学科，我们都必须仔细区分理论的三个方面：

一、形式逻辑的内容

二、直观的背景

三、应用

威廉·费勒（William Feller，1907年7月1日—1970年1月14日），克罗地亚裔美籍数学家，20世纪最伟大的概率学家之一

可惜绝大多数泛函分析课堂，至今还笼罩在"布尔巴基学派"的影子底下，沿着定义、定理、证明、推论的铁轨一路碾过去，把六十年的数学成果压缩成几页抽象符号，然后告诉学生"这是很重要的基础"。至于这些理论从哪儿来、到哪儿去、跟眼前的AI革命有什么关系，一个字都不提。

微信群里一位同学的经历让人印象很深。大四那年，她选修了《古典微分几何》。授课老师完全颠覆了传统讲法：每节课以小专题为单位，开场先抛出一个具体案例。

《古典微分几何》书籍

判断自行车前后轮轨迹分属哪一条，引出曳物线；

北京飞纽约为什么要绕道北冰洋？引出测地线；

格陵兰岛在"地图上的面积"为什么那么大？引出高斯绝妙定理……

问题、概念、证明、应用，环环相扣。一堂课下来，理论从现实中来，又落回到现实中去。她说那感觉是"走进了一个之前从未踏入过的新世界"。

这才是数学课该有的样子。

有位老师说过："把泛函分析讲好，对老师的要求非常高。不光要懂泛函分析本身，还得懂PDE、最优化、变分法，甚至还要懂一些物理。"

这恰恰是贾老师《泛函分析：重新理解人工智能的底层逻辑》这门课最独特的地方。

贾老师对国内数学教育的判断很准："缺应用、缺宏观意识、缺允许自学的体系。"

这门课的定位也很明确，就是做那堂"大学里听不到的泛函分析课"。

当你已经搭起了自己的知识框架，能读懂度量、范数、内积，能独立复现证明，却怎么也没法把这些抽象定理跟机器学习、统计、优化的真实问题对上号的时候，这门课就是帮你打通最后一公里的。

为什么选泛函分析，而不是范畴论、代数几何来理解AI？贾老师的回答很务实：泛函分析有一种独特的桥接价值。往前看，它直接对接机器学习里大量的算法模型；往后看，它可以延伸到Gelfand代数、C*代数，连通更深的数学分支。这条路走得通，而且离工程实践最近。

如果你也跟群里那些同学一样：

考了高分却不知道学了有什么用，

想自学却在符号和证明的海洋里越走越迷，

隐隐觉得AI革命底下涌动着深刻的数学原理，却苦于找不到一条进去的路，

那这门课就是为你准备的。

我们大概率成不了维尔斯特拉斯，但贾老师可以做我们的"古德曼"。

爱因斯坦说过："数学从原则上说是关于逻辑的诗篇，但如果我们想深入了解它，精神公式不可或缺。"

真正的数学不该是符号堆出来的空中楼阁。它从人类面对真实问题时的伟大抽象中生长出来，最终也应当回到真实世界里去发光。

3、尾声：从“学生退课”到“学术圣城”

柯西当年在巴黎讲极限，学生退课大半；四十年后维尔斯特拉斯在柏林讲ε-δ，教室里坐满了全欧洲最优秀的数学家。

卡尔・特奥多尔・威廉・维尔斯特拉斯（Karl Theodor Wilhelm Weierstrass，1815–1897），也译作维尔施特拉斯，德国数学家，被誉为现代分析之父。

这中间的差别，不只是两个人表达能力不同，更是时代变了。从1821年到1861年这四十年里，柯西的极限思想已经被阿贝尔、狄利克雷、黎曼等人反复验证了威力。等维尔斯特拉斯登上柏林的讲台时，ε-δ已经不再是"某个异想天开的法国人的怪癖"，而是分析学前沿研究的通用语言。

维尔斯特拉斯的贡献，是把这种通用语言打磨到了极致。从此以后，任何人想在分析学领域做严肃研究，都必须用这套语言说话。一位数学史家的说法很形象：

"如果说柯西给分析学装上了骨架，那么维尔斯特拉斯是把每一根骨头都打磨到了可以在显微镜下检验的光洁度。"

从泛函分析教学的角度看，这段历史还藏着另一层意味：维尔斯特拉斯的时代是分析学严格化的胜利时代，可这胜利太彻底了。整整一百多年里，"严谨"本身变成了数学教育的最高信仰。这也就是后来布尔巴基学派走向极端的根子，也是今天学生在聊天记录里抱怨"只见定理不见应用"的历史起点。

柯西把数学从直觉的牢笼中解放了出来，而下一个任务是把数学从纯形式的牢笼中也解放出来，让概念和应用的脉络重新变得清晰。

这件事到今天还在进行中，这大概也是为什么，一门"重新理解人工智能底层逻辑"的泛函分析课，在今天这么被需要。

报名课程

集智学园联合东京都市大学贾伊阳老师共同开设。本期课程将在函数空间、Hilbert 空间与对偶空间等基础上，把第一期介绍的泛函分析直观概念，发展为可计算、能证明、有助于阅读和写作人工智能领域论文的研究工具。课程共十讲，围绕“算子基础与变分”、“连续深度模型”、“分布与生成模型”和“算子与智能体”四个板块展开。首先讨论解的存在性、稳定性与优化方法，随后进入 Neural ODE、DEQ 等连续深度模型，再从概率测度空间理解扩散模型与流匹配，最终延伸至神经算子、连续注意力、Bellman 算子及多智能体系统，建立泛函分析与现代人工智能之间的系统联系。