幾何學的力量

高鐵短途中，望着書架上十幾本，想要選擇一本適合的讀物，就讓豆包給我做決定，它推薦了這本，理由是：碎片化閱讀神器，每一節都是一個獨立的知識點，不怕連接不上上下文。 而我也正覺得，自己缺乏由數學、理科知識所帶來的理科思維。 立刻翻開書，結果看一路查了一路，卻又覺得有趣🤔纔有了一次又一次途中閱讀。看到後面樹狀圖分析，我直接懵了，反應不過來啊……心想，我也看不懂，看了這些概念也還是不理解，只是看完流程和專有名詞，得到一些感受，甚至有時感受都沒有。要不算了，可能是我的理解能力有問題，完全可能，畢竟我從高中數學就開始迷迷瞪瞪，物理更是一竅不通，我本就缺乏這類思維…… 正想放棄時，朋友分享來翁家翌的訪談視頻。我帶着挫敗感，先給自己設限：我完全不瞭解這個領域能搞得懂嗎？朋友直言：只是語言濃縮成了一個名詞，這與理解能力有什麼關係呢？我一瞬間恍然大悟，是啊，數學也是一樣啊，推導的過程本身就是濃縮的過程啊。抱着這樣的心態，看完了這個視頻，且對AI有了一些認識，也從翁家翌的經歷和他的態度中有所感悟。更讓我驚喜的是視頻最後提到馬爾可夫過程，哇，和我在書中看到的內容聯動了，正向的成就感撲面而來。 後又在某個小節，小小複習了一下烷烴。中間某一次的途中讀書時，隔壁一中年男子由此書跟我聊了起來，算是一次小小的奇遇。 最後一章美國選舉，我還是一頭霧水，藉助豆包理解，又增長了一點點知識。書裏寫到司法放棄干預“格里蠑螈”行爲，而作者不認爲投機者會得勢，他相信隨着數學工具的普及、民衆認知的覺醒，這種政治黑魔法也在慢慢失效，這一節，也讓我對公平有了新的理解。 讀到最後我也明白，幾何學的精髓，是把形式證明作爲梯子，藉助它抵達更高的地方。 幾何學是衡量世界的方式，也是審視自我的方式。這一路從困惑到頓悟，不僅讀懂了書裏的道理，更讀懂了自己看待世界的眼光。至於幾何學的知識嘛，嘿嘿😁

《幾何學的力量》核心幾何模式與思維提煉 本書最核心的價值，是把幾何從“紙上圖形計算”升級爲一套描述世界底層結構的通用認知範式。全書橫跨物理、生物、計算機、政治、金融等領域，看似案例分散，實則反覆複用7種穩定的幾何結構模式，並沉澱出6種可直接遷移到現實決策的幾何思維。 一、幾何思維通用框架 全書的幾何方法可濃縮爲一套五步標準流程，可複用在絕大多數複雜問題上： 1. 點化：把問題中的核心實體抽象爲獨立的“點”； 2. 建空間：明確系統邊界，定義空間的基本規則； 3. 定度量：選擇適配目標的距離/聯結規則，描述點與點的關係； 4. 識模式：判斷問題屬於拓撲、曲率、極值、邊界中的哪一類； 5. 幾何求解：用對應幾何原理給出方案（最短路徑、剪枝、跳出局部最優、重構邊界等）。 這套思維的本質，是從“關注事物是什麼”轉向“關注事物之間是什麼關係”，從“零散經驗判斷”轉向“基於結構規則的推導”——這也是幾何能從丈量土地的工具，成爲打通所有學科通用語言的根本原因。 二、全書共通的7種核心幾何模式 這是作者在所有學科中反覆驗證的、世界底層的幾何原型，是萬事萬物共通的結構規律。 1. 點集空間模式 - 核心定義：任何由獨立要素構成的系統，都可抽象爲「要素=點，全體要素=空間」的點集模型，每個點對應一組座標（屬性）。 - 本質：把異質、不可比的事物放進統一座標系，讓模糊的關係變得可量化、可計算。 - 書中示例 第14章 選區劃分與格里蠑螈：選民構成選舉空間、投票意向映射爲空間座標 第6章 試錯法的神祕力量：基因序列構成性狀空間、生物性狀對應空間中的點 第8章 距離、家譜圖和單詞地圖：英語單詞構成語義高維空間、詞義遠近對應空間距離 第11章 可怕的增長定律：投資標的構成收益-風險空間、資產組合對應空間點位 - 第7章 機器學習如同登山、第8章 距離、家譜圖和單詞地圖：大數據與機器學習本質是在超高維空間處理點雲，高維空間存在“體積集中在外殼”的反直覺特性：體積高度集中在表層、任意兩點差異被放大，這也是“維度災難”的幾何根源。 2. 度量距離模式 - 核心定義：“距離”不是天然的直線長度，而是對「差異程度、關聯強度」的自定義量化規則；不同場景對應不同的距離定義。 - 本質：關係的遠近由規則定義，規則變了，整個空間的親疏、異同、優劣判斷會全部重構。 - 書中示例： - 第8章 距離、家譜圖和單詞地圖：城市通勤用曼哈頓距離、文本相似度用餘弦距離，不同場景自定義距離規則 - 第1章 我投歐幾里得一票：物理空間的歐氏距離、兩點之間線段最短的基礎路徑邏輯 - 第4章 獅身人面像的碎片（非歐幾何與曲率）：彎曲空間中的最短路徑（測地線）是對應度量下的天然最優解 3. 網絡拓撲模式 - 核心定義：忽略點的大小、形狀、距離，只保留「點與點是否連接、如何連接」的聯結結構，拉伸、扭曲不改變拓撲本質。 - 本質：系統的功能由結構決定，而非由元素本身的屬性決定。 - 書中示例： - 第2章 一根吸管上有多少個洞？：咖啡杯與甜甜圈拓撲等價（均爲1個孔洞），拉伸扭曲不改變核心結構 - 第7章 機器學習如同登山：神經網絡的聯結結構是典型的拓撲系統 - 第10章 今天發生的事明天還會發生：病毒傳播鏈、社交網絡、城市路網均爲拓撲結構，功能由聯結方式決定，超級傳播者是拓撲中的高度數節點，切斷關鍵連線即可壓制疫情擴散 4. 曲率非線性模式 - 核心定義：空間並非天然平直，局部可近似爲直線，但全局存在曲率，會讓線性預測完全失效。 - 本質：所有系統都存在邊際遞減/遞增的非線性效應，“平直直覺”是人類天生的認知錯覺。 - 書中體現： - 第3章 給不同的事物賦予相同的名稱（對稱與相對論基礎）、第4章 獅身人面像的碎片（黎曼幾何與彎曲空間）：廣義相對論引力本質是時空的幾何曲率 - 第6章 試錯法的神祕力量：生物演化適應度地形的坡度變化，非線性的收益邊際遞減 - 第11章 可怕的增長定律：金融市場的指數增長與收益曲率，線性外推必然失效 - 第4章 獅身人面像的碎片：局部平直、全局彎曲：小範圍成立的線性規律，放大到全局尺度就會出錯 5. 對稱同構模式 - 核心定義：經過特定變換後仍保持不變的結構，就是對稱；不同領域的問題若核心結構完全一致，就是同構。 - 本質：世界的秩序藏在不變性裏，同構問題可以共享同一套解法，是跨學科遷移的底層依據。 - 書中體現： - 第3章 給不同的事物賦予相同的名稱：諾特定理：每一種連續對稱對應一條守恆定律；麥克斯韋方程組的對稱性直接催生相對論 - 第10章 今天發生的事明天還會發生：熱擴散方程與病毒傳播方程結構同構，防控邏輯可跨領域複用 - 第1章 我投歐幾里得一票：三角形全等是最簡單的幾何同構，變換後核心結構不變 6. 地形極值模式 - 核心定義：任何帶“優劣、高低”評價的系統，都可構建爲高低起伏的“地形”；最優解是山峯，最差解是山谷，優化過程就是爬山。 - 本質：所有選擇與優化問題，都是地形上的尋路；局部最優陷阱是所有系統的普遍困境。 - 書中體現： - 第6章 試錯法的神祕力量：生物演化的適應度地形，演化只能爬到局部山頂，無法跨越山谷抵達全局最優 - 第7章 機器學習如同登山：機器學習的損失函數曲面，訓練過程就是“爬山”尋優，同樣存在局部最優陷阱，企業戰略、人生選擇的機會成本地形，所有優化問題本質都是地形尋路 7. 邊界劃分模式 - 核心定義：空間中的閉合邊界，決定了點的歸屬、資源的分配與權力的範圍。 - 本質：邊界是人爲的幾何切割，直接定義公平與利益分配；邊界越扭曲，利益傾斜越嚴重。 - 書中體現： - 第14章 選區劃分與格里蠑螈：格里蠑螈：政客通過扭曲選區邊界操縱選舉結果 - 第7章 機器學習如同登山：AI分類算法的決策邊界，邊界位置直接決定分類準確率 - 第2章 一根吸管上有多少個洞？（拓撲邊界）、第14章 選區劃分與格里蠑螈：細胞、行政區域、產權的閉合邊界，直接決定資源分配與權力範圍 ；很多不公與低效，根源不是要素本身，而是邊界畫錯了。   二、6種可遷移的幾何思維範式 這是從數學規律中提煉出的心智工具，可直接用於解決現實中的複雜問題，也是本書最具實用價值的部分。 1. 空間轉譯思維：把非空間問題“幾何化” - 核心邏輯：遇到複雜問題，先不糾結具體屬性，而是將其轉譯爲空間問題，用成熟的幾何工具求解。這是全書最核心的元思維。 - 操作方法：①提取核心要素 → ②映射爲空間中的點 → ③定義要素關係爲空間規則（距離/聯結/曲率）→ ④用幾何定理推導結論。 - 應用示例： - 第14章 選區劃分與格里蠑螈：把“民主公平”轉譯爲選區邊界的緊緻度、規整度問題 - 第7章 機器學習如同登山：把“AI圖像識別”轉譯爲高維特徵空間的劃界問題 -第10章 今天發生的事明天還會發生： 把“疫情防控”轉譯爲傳播網絡的拓撲剪枝問題 2. 等價抽象思維：抓結構，棄細節 - 核心邏輯：忽略表面差異，只保留最核心的關係結構，就能實現跨領域的解法遷移。拓撲是這種思維的極致體現。 - 操作方法：持續追問“這個問題的本質結構是什麼？”，過濾掉所有不影響核心關係的屬性。 - 應用示例： - 第10章 今天發生的事明天還會發生：流行病傳播與信息擴散的網絡結構同構，防控方法可跨場景複用 - 第2章 一根吸管上有多少個洞？（拓撲等價思維）：不同行業的商業模式，只要拓撲結構一致，底層運行規律就相同 3. 度量自定義思維：不默認唯一標準 - 核心邏輯：沒有天然正確的“距離”，只有適配問題的距離。很多分歧和低效，本質是用錯了度量標準。 - 操作方法：根據目標重新定義“遠近/優劣”，而非默認使用線性、直觀的單一標準。 - 應用示例： - 第8章 距離、家譜圖和單詞地圖：評價文本相似度不用字數差，而用語義向量的夾角（餘弦距離）；評價城市通勤不用直線距離，而用道路實際里程（曼哈頓距離）；評價人才不用單一分數，而用多維度能力的匹配距離 4. 局部分辨思維：區分局部與全局規律 - 核心邏輯：局部平直≠全局平直，局部最優≠全局最優，局部合理≠全局公平。人類直覺天然偏向局部，幾何思維強制你做二階判斷。 - 操作方法：得出結論後追加兩個問題：“這是局部成立還是全局成立？”“放大尺度後，曲率/邊界會不會發生變化？” - 應用示例： - 第4章 獅身人面像的碎片：牛頓力學是宏觀低速下的局部近似，廣義相對論纔是更全局的時空規律 - 第6章 試錯法的神祕力量：生物演化只能抵達局部最優山頂，無法跨越山谷抵達全局更高峰 - 第14章 選區劃分與格里蠑螈：單個選區看似比例合理，全局視角下可能存在嚴重的選舉不公 5. 不變量思維：在變化中抓恆定結構 - 核心邏輯：形態可以千變萬化，但核心拓撲不變量（孔洞數、連通性、核心節點）不會變，這是判斷事物本質的錨點。 - 操作方法：面對複雜變化時，先找“什麼不會變”，比如聯結關係、核心結構、數量不變量。 - 應用示例： - 第2章 一根吸管上有多少個洞？：無論怎麼拉伸橡皮，孔洞數量這個拓撲不變量始終不變；無論公司架構如何調整，核心業務流的拓撲聯結關係不變 - 第11章 可怕的增長定律：無論市場價格如何波動，底層的風險-收益結構不變 6. 邊界重構思維：換一條線，換一個結果 - 核心邏輯：很多問題的根源不是要素本身不好，而是邊界劃分不合理。重構邊界是成本極低的解法。 - 操作方法：當系統出現不公、低效、分類錯誤時，先檢查“邊界是不是畫錯了”，而非先調整要素。 - 應用示例： - 第14章 選區劃分與格里蠑螈：格里蠑螈通過扭曲選區邊界，直接改變選舉結果與權力分配；調整部門權責邊界，比替換員工更能提升組織效率 - 第7章 機器學習如同登山：優化AI模型準確率，核心是調整分類決策邊界的位置

幾何是數學的一部分，幾何不僅僅是形狀與空間的形式，而是存在和變形的一部分，當然幾何也算是比較直接的建立起來聯繫，比如羣和分析幾何，總之幾何學的力量應該是數學的力量。數學問題最爲擅長的就是相互之間的轉換過程與分析，這個本身就是我們對數學問題的不斷認識，對於這個比較典型的就是歐幾里得幾何第五公設的表達形式變化，也算是幾何之中對於平面的定義，或者說我們對於空間的認識，在不斷轉換過程誕生非歐幾何，從最近費馬大定理證明過程中也可以看到問題轉化過程，就是問題具有等價性，同時爲真或者爲假，一旦一個問題得到了證明，就會出現一堆問題得到證明，最近本來抽象但又大火的黎曼猜想，據說有上千問題，依靠黎曼猜想的真假。對於數學另外一個非常有意思的事情就是變形，以映射的方式來完成變化，本身就是等價。統計學或者概率也算是幾何學內容就比較有意思的話題，因爲涉及到政治如何把離散的數據變成了大衆可以接受的模式，是一直在爭吵的狀態，特別是川總和拜總之爭是不是存在陰謀，大衆作爲參與者與喫瓜羣衆，是我們一直在關注的狀態，這裏面已經不能完全按照數學分析來進行了。

作者新鮮出爐的這本書也沒讓人失望，大多數人從中學畢業後就再也沒碰過幾何，作者並不給大家重複溫習那些知識，或者老生常談地講幾何學的應用，比如什麼建築啦，作者科普了幾何學的新進展，最後幾章寫美國的選舉制度，看着很複雜，美國人每四年要受一次有關科學和民主的教育。就象這三年的疫情，給我們國人普及了病毒、疫苗和供應鏈的知識。作者的另一本書《魔鬼數學》也很值得讀。

掛着個幾何學的名頭，但裏面有很多內容都和幾何沒多大關係，又不是有圖和有線段就和幾何有關，作者對幾何學的定義還是太泛化了。（尤其是第10章）

人生之敗，非傲即墮，二者必居其一，然，勤則百弊皆除。 勤分六種： 身勤：路雖遠，行則必至，事雖難，做則必成。 眼勤：遇一人，必詳細觀察，看一文，必反覆審閱。 手勤：易丟之物，隨手拾之，易忘之事，隨筆記之。 口勤：他人之長，多誇多贊，自己之短，多學多問。 心勤：精誠所至，金石爲開，苦思所至，諸事皆通。 腦勤：謀定而後動，知之而有得，萬事皆有法，道正事則通。

從《微積分的力量》看過來，完全是不同的類型。和我的預期相差較遠。 組織方式並不出彩。最後部分倒是對美國的選舉制度有了點深入的瞭解。 但這些就是“幾何的力量”？

沒看完，棄了。主題有點無聊，行文也囉裏八嗦。 吸管有幾個洞，這個問題在於每個人對洞的定義不一樣。 主要是作者講述幾何學的方式無法吸引我的興趣。

!!!屏蔽負能量就是不接近負能量的人事物!刪除所有的負能量記憶!!!清空重啓 接納多元思維!!!不再固執己見 妄下定論!!!

預期看的是幾何的歷史演進 話題卻有些雜亂 不過有不少新視角 和微積分的力量差別很大