几何学的力量

高铁短途中，望着书架上十几本，想要选择一本适合的读物，就让豆包给我做决定，它推荐了这本，理由是：碎片化阅读神器，每一节都是一个独立的知识点，不怕连接不上上下文。 而我也正觉得，自己缺乏由数学、理科知识所带来的理科思维。 立刻翻开书，结果看一路查了一路，却又觉得有趣🤔才有了一次又一次途中阅读。看到后面树状图分析，我直接懵了，反应不过来啊……心想，我也看不懂，看了这些概念也还是不理解，只是看完流程和专有名词，得到一些感受，甚至有时感受都没有。要不算了，可能是我的理解能力有问题，完全可能，毕竟我从高中数学就开始迷迷瞪瞪，物理更是一窍不通，我本就缺乏这类思维…… 正想放弃时，朋友分享来翁家翌的访谈视频。我带着挫败感，先给自己设限：我完全不了解这个领域能搞得懂吗？朋友直言：只是语言浓缩成了一个名词，这与理解能力有什么关系呢？我一瞬间恍然大悟，是啊，数学也是一样啊，推导的过程本身就是浓缩的过程啊。抱着这样的心态，看完了这个视频，且对AI有了一些认识，也从翁家翌的经历和他的态度中有所感悟。更让我惊喜的是视频最后提到马尔可夫过程，哇，和我在书中看到的内容联动了，正向的成就感扑面而来。 后又在某个小节，小小复习了一下烷烃。中间某一次的途中读书时，隔壁一中年男子由此书跟我聊了起来，算是一次小小的奇遇。 最后一章美国选举，我还是一头雾水，借助豆包理解，又增长了一点点知识。书里写到司法放弃干预“格里蝾螈”行为，而作者不认为投机者会得势，他相信随着数学工具的普及、民众认知的觉醒，这种政治黑魔法也在慢慢失效，这一节，也让我对公平有了新的理解。 读到最后我也明白，几何学的精髓，是把形式证明作为梯子，借助它抵达更高的地方。 几何学是衡量世界的方式，也是审视自我的方式。这一路从困惑到顿悟，不仅读懂了书里的道理，更读懂了自己看待世界的眼光。至于几何学的知识嘛，嘿嘿😁

《几何学的力量》核心几何模式与思维提炼 本书最核心的价值，是把几何从“纸上图形计算”升级为一套描述世界底层结构的通用认知范式。全书横跨物理、生物、计算机、政治、金融等领域，看似案例分散，实则反复复用7种稳定的几何结构模式，并沉淀出6种可直接迁移到现实决策的几何思维。 一、几何思维通用框架 全书的几何方法可浓缩为一套五步标准流程，可复用在绝大多数复杂问题上： 1. 点化：把问题中的核心实体抽象为独立的“点”； 2. 建空间：明确系统边界，定义空间的基本规则； 3. 定度量：选择适配目标的距离/联结规则，描述点与点的关系； 4. 识模式：判断问题属于拓扑、曲率、极值、边界中的哪一类； 5. 几何求解：用对应几何原理给出方案（最短路径、剪枝、跳出局部最优、重构边界等）。 这套思维的本质，是从“关注事物是什么”转向“关注事物之间是什么关系”，从“零散经验判断”转向“基于结构规则的推导”——这也是几何能从丈量土地的工具，成为打通所有学科通用语言的根本原因。 二、全书共通的7种核心几何模式 这是作者在所有学科中反复验证的、世界底层的几何原型，是万事万物共通的结构规律。 1. 点集空间模式 - 核心定义：任何由独立要素构成的系统，都可抽象为「要素=点，全体要素=空间」的点集模型，每个点对应一组坐标（属性）。 - 本质：把异质、不可比的事物放进统一坐标系，让模糊的关系变得可量化、可计算。 - 书中示例 第14章 选区划分与格里蝾螈：选民构成选举空间、投票意向映射为空间坐标 第6章 试错法的神秘力量：基因序列构成性状空间、生物性状对应空间中的点 第8章 距离、家谱图和单词地图：英语单词构成语义高维空间、词义远近对应空间距离 第11章 可怕的增长定律：投资标的构成收益-风险空间、资产组合对应空间点位 - 第7章 机器学习如同登山、第8章 距离、家谱图和单词地图：大数据与机器学习本质是在超高维空间处理点云，高维空间存在“体积集中在外壳”的反直觉特性：体积高度集中在表层、任意两点差异被放大，这也是“维度灾难”的几何根源。 2. 度量距离模式 - 核心定义：“距离”不是天然的直线长度，而是对「差异程度、关联强度」的自定义量化规则；不同场景对应不同的距离定义。 - 本质：关系的远近由规则定义，规则变了，整个空间的亲疏、异同、优劣判断会全部重构。 - 书中示例： - 第8章 距离、家谱图和单词地图：城市通勤用曼哈顿距离、文本相似度用余弦距离，不同场景自定义距离规则 - 第1章 我投欧几里得一票：物理空间的欧氏距离、两点之间线段最短的基础路径逻辑 - 第4章 狮身人面像的碎片（非欧几何与曲率）：弯曲空间中的最短路径（测地线）是对应度量下的天然最优解 3. 网络拓扑模式 - 核心定义：忽略点的大小、形状、距离，只保留「点与点是否连接、如何连接」的联结结构，拉伸、扭曲不改变拓扑本质。 - 本质：系统的功能由结构决定，而非由元素本身的属性决定。 - 书中示例： - 第2章 一根吸管上有多少个洞？：咖啡杯与甜甜圈拓扑等价（均为1个孔洞），拉伸扭曲不改变核心结构 - 第7章 机器学习如同登山：神经网络的联结结构是典型的拓扑系统 - 第10章 今天发生的事明天还会发生：病毒传播链、社交网络、城市路网均为拓扑结构，功能由联结方式决定，超级传播者是拓扑中的高度数节点，切断关键连线即可压制疫情扩散 4. 曲率非线性模式 - 核心定义：空间并非天然平直，局部可近似为直线，但全局存在曲率，会让线性预测完全失效。 - 本质：所有系统都存在边际递减/递增的非线性效应，“平直直觉”是人类天生的认知错觉。 - 书中体现： - 第3章 给不同的事物赋予相同的名称（对称与相对论基础）、第4章 狮身人面像的碎片（黎曼几何与弯曲空间）：广义相对论引力本质是时空的几何曲率 - 第6章 试错法的神秘力量：生物演化适应度地形的坡度变化，非线性的收益边际递减 - 第11章 可怕的增长定律：金融市场的指数增长与收益曲率，线性外推必然失效 - 第4章 狮身人面像的碎片：局部平直、全局弯曲：小范围成立的线性规律，放大到全局尺度就会出错 5. 对称同构模式 - 核心定义：经过特定变换后仍保持不变的结构，就是对称；不同领域的问题若核心结构完全一致，就是同构。 - 本质：世界的秩序藏在不变性里，同构问题可以共享同一套解法，是跨学科迁移的底层依据。 - 书中体现： - 第3章 给不同的事物赋予相同的名称：诺特定理：每一种连续对称对应一条守恒定律；麦克斯韦方程组的对称性直接催生相对论 - 第10章 今天发生的事明天还会发生：热扩散方程与病毒传播方程结构同构，防控逻辑可跨领域复用 - 第1章 我投欧几里得一票：三角形全等是最简单的几何同构，变换后核心结构不变 6. 地形极值模式 - 核心定义：任何带“优劣、高低”评价的系统，都可构建为高低起伏的“地形”；最优解是山峰，最差解是山谷，优化过程就是爬山。 - 本质：所有选择与优化问题，都是地形上的寻路；局部最优陷阱是所有系统的普遍困境。 - 书中体现： - 第6章 试错法的神秘力量：生物演化的适应度地形，演化只能爬到局部山顶，无法跨越山谷抵达全局最优 - 第7章 机器学习如同登山：机器学习的损失函数曲面，训练过程就是“爬山”寻优，同样存在局部最优陷阱，企业战略、人生选择的机会成本地形，所有优化问题本质都是地形寻路 7. 边界划分模式 - 核心定义：空间中的闭合边界，决定了点的归属、资源的分配与权力的范围。 - 本质：边界是人为的几何切割，直接定义公平与利益分配；边界越扭曲，利益倾斜越严重。 - 书中体现： - 第14章 选区划分与格里蝾螈：格里蝾螈：政客通过扭曲选区边界操纵选举结果 - 第7章 机器学习如同登山：AI分类算法的决策边界，边界位置直接决定分类准确率 - 第2章 一根吸管上有多少个洞？（拓扑边界）、第14章 选区划分与格里蝾螈：细胞、行政区域、产权的闭合边界，直接决定资源分配与权力范围 ；很多不公与低效，根源不是要素本身，而是边界画错了。   二、6种可迁移的几何思维范式 这是从数学规律中提炼出的心智工具，可直接用于解决现实中的复杂问题，也是本书最具实用价值的部分。 1. 空间转译思维：把非空间问题“几何化” - 核心逻辑：遇到复杂问题，先不纠结具体属性，而是将其转译为空间问题，用成熟的几何工具求解。这是全书最核心的元思维。 - 操作方法：①提取核心要素 → ②映射为空间中的点 → ③定义要素关系为空间规则（距离/联结/曲率）→ ④用几何定理推导结论。 - 应用示例： - 第14章 选区划分与格里蝾螈：把“民主公平”转译为选区边界的紧致度、规整度问题 - 第7章 机器学习如同登山：把“AI图像识别”转译为高维特征空间的划界问题 -第10章 今天发生的事明天还会发生： 把“疫情防控”转译为传播网络的拓扑剪枝问题 2. 等价抽象思维：抓结构，弃细节 - 核心逻辑：忽略表面差异，只保留最核心的关系结构，就能实现跨领域的解法迁移。拓扑是这种思维的极致体现。 - 操作方法：持续追问“这个问题的本质结构是什么？”，过滤掉所有不影响核心关系的属性。 - 应用示例： - 第10章 今天发生的事明天还会发生：流行病传播与信息扩散的网络结构同构，防控方法可跨场景复用 - 第2章 一根吸管上有多少个洞？（拓扑等价思维）：不同行业的商业模式，只要拓扑结构一致，底层运行规律就相同 3. 度量自定义思维：不默认唯一标准 - 核心逻辑：没有天然正确的“距离”，只有适配问题的距离。很多分歧和低效，本质是用错了度量标准。 - 操作方法：根据目标重新定义“远近/优劣”，而非默认使用线性、直观的单一标准。 - 应用示例： - 第8章 距离、家谱图和单词地图：评价文本相似度不用字数差，而用语义向量的夹角（余弦距离）；评价城市通勤不用直线距离，而用道路实际里程（曼哈顿距离）；评价人才不用单一分数，而用多维度能力的匹配距离 4. 局部分辨思维：区分局部与全局规律 - 核心逻辑：局部平直≠全局平直，局部最优≠全局最优，局部合理≠全局公平。人类直觉天然偏向局部，几何思维强制你做二阶判断。 - 操作方法：得出结论后追加两个问题：“这是局部成立还是全局成立？”“放大尺度后，曲率/边界会不会发生变化？” - 应用示例： - 第4章 狮身人面像的碎片：牛顿力学是宏观低速下的局部近似，广义相对论才是更全局的时空规律 - 第6章 试错法的神秘力量：生物演化只能抵达局部最优山顶，无法跨越山谷抵达全局更高峰 - 第14章 选区划分与格里蝾螈：单个选区看似比例合理，全局视角下可能存在严重的选举不公 5. 不变量思维：在变化中抓恒定结构 - 核心逻辑：形态可以千变万化，但核心拓扑不变量（孔洞数、连通性、核心节点）不会变，这是判断事物本质的锚点。 - 操作方法：面对复杂变化时，先找“什么不会变”，比如联结关系、核心结构、数量不变量。 - 应用示例： - 第2章 一根吸管上有多少个洞？：无论怎么拉伸橡皮，孔洞数量这个拓扑不变量始终不变；无论公司架构如何调整，核心业务流的拓扑联结关系不变 - 第11章 可怕的增长定律：无论市场价格如何波动，底层的风险-收益结构不变 6. 边界重构思维：换一条线，换一个结果 - 核心逻辑：很多问题的根源不是要素本身不好，而是边界划分不合理。重构边界是成本极低的解法。 - 操作方法：当系统出现不公、低效、分类错误时，先检查“边界是不是画错了”，而非先调整要素。 - 应用示例： - 第14章 选区划分与格里蝾螈：格里蝾螈通过扭曲选区边界，直接改变选举结果与权力分配；调整部门权责边界，比替换员工更能提升组织效率 - 第7章 机器学习如同登山：优化AI模型准确率，核心是调整分类决策边界的位置

几何是数学的一部分，几何不仅仅是形状与空间的形式，而是存在和变形的一部分，当然几何也算是比较直接的建立起来联系，比如群和分析几何，总之几何学的力量应该是数学的力量。数学问题最为擅长的就是相互之间的转换过程与分析，这个本身就是我们对数学问题的不断认识，对于这个比较典型的就是欧几里得几何第五公设的表达形式变化，也算是几何之中对于平面的定义，或者说我们对于空间的认识，在不断转换过程诞生非欧几何，从最近费马大定理证明过程中也可以看到问题转化过程，就是问题具有等价性，同时为真或者为假，一旦一个问题得到了证明，就会出现一堆问题得到证明，最近本来抽象但又大火的黎曼猜想，据说有上千问题，依靠黎曼猜想的真假。对于数学另外一个非常有意思的事情就是变形，以映射的方式来完成变化，本身就是等价。统计学或者概率也算是几何学内容就比较有意思的话题，因为涉及到政治如何把离散的数据变成了大众可以接受的模式，是一直在争吵的状态，特别是川总和拜总之争是不是存在阴谋，大众作为参与者与吃瓜群众，是我们一直在关注的状态，这里面已经不能完全按照数学分析来进行了。

作者新鲜出炉的这本书也没让人失望，大多数人从中学毕业后就再也没碰过几何，作者并不给大家重复温习那些知识，或者老生常谈地讲几何学的应用，比如什么建筑啦，作者科普了几何学的新进展，最后几章写美国的选举制度，看着很复杂，美国人每四年要受一次有关科学和民主的教育。就象这三年的疫情，给我们国人普及了病毒、疫苗和供应链的知识。作者的另一本书《魔鬼数学》也很值得读。

挂着个几何学的名头，但里面有很多内容都和几何没多大关系，又不是有图和有线段就和几何有关，作者对几何学的定义还是太泛化了。（尤其是第10章）

人生之败，非傲即堕，二者必居其一，然，勤则百弊皆除。 勤分六种： 身勤：路虽远，行则必至，事虽难，做则必成。 眼勤：遇一人，必详细观察，看一文，必反复审阅。 手勤：易丢之物，随手拾之，易忘之事，随笔记之。 口勤：他人之长，多夸多赞，自己之短，多学多问。 心勤：精诚所至，金石为开，苦思所至，诸事皆通。 脑勤：谋定而后动，知之而有得，万事皆有法，道正事则通。

从《微积分的力量》看过来，完全是不同的类型。和我的预期相差较远。 组织方式并不出彩。最后部分倒是对美国的选举制度有了点深入的了解。 但这些就是“几何的力量”？

没看完，弃了。主题有点无聊，行文也啰里八嗦。 吸管有几个洞，这个问题在于每个人对洞的定义不一样。 主要是作者讲述几何学的方式无法吸引我的兴趣。

!!!屏蔽负能量就是不接近负能量的人事物!删除所有的负能量记忆!!!清空重启 接纳多元思维!!!不再固执己见 妄下定论!!!

预期看的是几何的历史演进 话题却有些杂乱 不过有不少新视角 和微积分的力量差别很大