"所有模型都是错的，但有些是有用的。" —— George Box, 1976

"用四个参数我能拟合一头大象，用五个我能让它的鼻子摆动。" —— 冯·诺依曼（Dyson 转述）

"自然界这本大书是用数学语言写成的。" —— 伽利略，1623

前面几篇讲的是数学内部的事：换视角（Ch 0）、公式的直觉化石（Ch 0.5）、符号怎么读（Ch 0.6）、物理优先（Ch 0.7）、怎么把公式解压成代码（Ch 0.98 / 0.99）。

这一篇讲数学向外的那一面：当数学离开纸面、去对付一条真实的河、一颗真实的行星、一台真实的蒸汽机、一段真实的人类语言时，它叫什么名字 —— 它叫建模（modeling）。

本文要论证三句话，一句比一句更冒犯直觉：

1. AI 的本质就是数学建模，没有任何新东西。Transformer 和开普勒拟合火星轨道，是同一件事的不同规模。
2. 数学建模的背后是物理。不只是"物理提供了应用场景"，而是AI 里几乎每一个核心构件，都能在物理里找到它的原型：loss 是能量，softmax 是玻尔兹曼分布，扩散模型是朗之万动力学，卷积是平移对称性，训练是耗散系统弛豫到基态。
3. 建模就是把数学当工具用 —— 数学在这里不是要被"证明"的对象，而是被拿来削、切、量、逼近现实的一套刀具。分不清"数学作为真理"和"数学作为工具"这两种模式，是绝大多数人对 AI 又敬畏又困惑的根源。

本文的核心断言：人类历史上只发明过三种建模范式 —— 拟合派（托勒密）、机理派（牛顿）、统计学习派（现代 AI）。第三种不是对前两种的否定，而是在算力便宜、数据充裕的条件下，第一种的复活与工业化。看懂这一点，你就不会再问"大模型到底懂不懂"这种问错了层次的问题。

🧭 0.4.1 先把"建模"这个词还原成人话

学校里的"数学"是封闭的：题目给全了条件，答案唯一，对错分明。 现实里的"建模"是开放的：条件不全、数据有噪声、答案不唯一、只有"更有用"和"更没用"。

一个模型，本质上就是一句这样的话：

我不打算描述真实世界的全部。我只保留我认为重要的那几个量，假设它们之间有某种关系，然后看这个假设能不能预测我还没看过的数据。

所以建模永远是这样一个闭环，四千年没变过：

   现实现象  ──①抽象──▶  数学对象     ──②求解──▶  数学结论
      ▲                    (变量/方程/                 │
      │                     分布/网络)                 │
      │                                             ③回代
      └───────────────④检验/证伪───────────────────────┘
                    （残差、外推、新实验）

四步里，学校只教了第 ② 步（解方程），而 ①③④ —— 抽象、回代、检验 —— 恰恰是建模里全部的难度和全部的乐趣所在。

用代码把这个闭环写死，比用文字说一百遍都有用：

import torch

# ① 抽象：现象 = 自由落体。我决定只保留 (时间 t, 高度 h)，忽略空气、地球自转、相对论
t = torch.tensor([0.0, 0.1, 0.2, 0.3, 0.4, 0.5])
h_obs = torch.tensor([20.00, 19.95, 19.80, 19.56, 19.21, 18.77])  # 带噪声的观测

# ② 求解：假设空间 = {h = h0 - 0.5*g*t^2}，未知参数 (h0, g)
h0 = torch.tensor(1.0, requires_grad=True)
g  = torch.tensor(1.0, requires_grad=True)
opt = torch.optim.Adam([h0, g], lr=0.3)
for _ in range(2000):
    loss = ((h0 - 0.5 * g * t**2 - h_obs) ** 2).mean()   # ← 高斯 1801 的最小二乘
    opt.zero_grad(); loss.backward(); opt.step()          # ← 牛顿的流数，现代化

# ③ 回代：参数有没有物理意义？
print(f"h0 = {h0.item():.2f} m,  g = {g.item():.2f} m/s^2")   # g ≈ 9.8 → 模型抓到了真东西

# ④ 检验：外推到没见过的 t，跟新观测比
t_new = torch.tensor([0.8, 1.0])
print(h0 - 0.5 * g * t_new**2)

请注意这段 20 行代码里同时站着四个人：牛顿（自由落体的机理）、莱布尼茨（微分）、高斯（最小二乘 + 误差假设）、柯西（梯度下降）。这就是一次完整的数学建模，而它跟你训练一个 GPT 的代码，逐行同构 —— 后面 0.4.5 节会把这个同构一条一条对上。

建模的第一性定义：建模 = 选一个假设空间 + 定一个"错得多严重"的度量 + 在假设空间里搜到最不错的那个 + 拿没见过的数据检验它。 这四件事，托勒密做过，开普勒做过，高斯做过，OpenAI 也在做。区别只在假设空间的大小从 3 个参数变成了 \(10^{12}\) 个。

🕰️ 0.4.2 建模史：四千年，三次范式

先把整条河摆出来，后面逐段展开。看年份，看那一列"为了回答什么真实问题" —— 没有一个模型是数学家闲着无聊造出来的。

三次范式转移，一句话各自概括：

• 托勒密范式（拟合）：我不知道为什么，但我能加更多的圆，把观测拟合得越来越准。
• 牛顿范式（机理）：我用三条公理，推出所有观测 —— 而且能推出还没观测到的。
• 现代范式（统计学习）：我不写方程，我写一个巨大的假设空间和一个损失函数，让数据自己去挑参数。

第三种是第一种的工业化版本。 这是本文最关键的一句判断，下一节展开。

🌀 0.4.3 托勒密的本轮：人类第一个"过拟合"，也是傅里叶级数的祖先

公元 150 年前后，托勒密面对一个真实且要命的问题：行星在天上有时会倒着走（逆行）。地心说下这解释不了。

他的解法极其"现代"：行星在一个小圆（本轮 epicycle）上转，而这个小圆的圆心又在一个大圆（均轮）上转。 不够准？再加一层本轮。 还不够？再加。

用代码写出来，你会当场认出这是什么：

import torch

def epicycle(t, radii, freqs, phases):
    """托勒密的本轮叠加：每一层是一个匀速转动的复数向量，首尾相接。"""
    z = torch.zeros_like(t, dtype=torch.cfloat)
    for r, w, p in zip(radii, freqs, phases):
        z = z + r * torch.exp(1j * (w * t + p))   # ← 一层本轮 = 一个复指数
    return z            # 实部 = 黄经，虚部 = 另一个方向

这就是傅里叶级数。 一字不差。托勒密比傅里叶早 1650 年，写下了三角级数展开的物理版本 —— 只是他以为自己在描述天体的真实运动，而傅里叶知道自己在做函数逼近。

于是历史开了一个巨大的玩笑，而这个玩笑正是今天理解 AI 的钥匙：

加更多的本轮 = 加更多的参数。 冯·诺依曼那句"四个参数拟合大象"，说的就是这件事：表达力足够强的模型族，能拟合任何东西 —— 包括噪声。 这不是模型的优点，是它的危险。

但请注意另一半，这才是公平的：托勒密的模型是真管用的。航海用了一千多年。一个不解释因果、只做预测的模型，在实践上完全可以是无敌的。 这就是今天大模型的处境 —— 说它"只是统计"没错，但托勒密"只是几何"，照样把船开到了美洲。

🔭 0.4.4 开普勒 vs 牛顿：数据驱动与机理驱动的第一次分工

开普勒（1609） 手上有第谷·布拉赫二十年的火星观测数据 —— 当时全世界精度最高的数据集。他用圆轨道拟合，误差 8 角分（约 1/4 个月亮直径）。

以当时的观测精度，8 角分完全可以说"够好了，收工"。开普勒拒绝了。 他写道：这 8 角分是上帝赐给我的礼物，它指向一场天文学的彻底改革。

8 角分 = 残差（residual）。 现代建模的第一条铁律 —— 认真对待残差，模型的下一次革命藏在残差里 —— 就诞生在这里。今天你训练模型时盯着 loss 曲线里那个下不去的平台，你和开普勒在做完全相同的事。

他花了六年，试遍各种曲线，最后得到椭圆。但开普勒不知道为什么是椭圆。他的三定律是从数据里拟合出来的经验律，没有机理。

牛顿（1687） 反过来：从三条运动定律 + 一条平方反比引力律出发，数学上推出轨道必须是圆锥曲线。开普勒定律从"观测总结"变成了"定理"。

代码上，这两种范式的差别是这样的（同一个现象，两套写法）：

# ── 开普勒范式：数据驱动。我不知道机理，我拟合参数 ──────────
# 假设空间：椭圆 r = p / (1 + e·cos θ)，未知 (p, e)
p, e = torch.tensor(1.0, requires_grad=True), torch.tensor(0.1, requires_grad=True)
for _ in range(2000):
    r_pred = p / (1 + e * torch.cos(theta_obs))
    loss = ((r_pred - r_obs) ** 2).mean()          # 只跟"观测像不像"较劲
    loss.backward(); opt.step(); opt.zero_grad()

# ── 牛顿范式：机理驱动。我写下力，让轨道自己长出来 ──────────
# 假设空间：F = -GMm/r^2，未知只有 GM 一个物理常数
def step(pos, vel, GM, dt):
    acc = -GM * pos / pos.norm() ** 3              # ← 平方反比，唯一的假设
    vel = vel + acc * dt
    pos = pos + vel * dt
    return pos, vel                                 # 椭圆是**积分出来的**，不是拟合出来的

两者的分水岭不在精度，在外推：

"能预言一个还没被观测到的东西"，是机理模型的独门特权。 麦克斯韦 1865 从方程里推出电磁波并算出它的速度等于光速（于是断言"光就是电磁波"），赫兹 1887 才在实验室里造出它 —— 模型比现实早了 22 年。

至今没有任何一个大模型做到过这个级别的事。这不是贬低，是定位：统计学习擅长内插，机理模型擅长外推。混淆二者，是当下 AI 讨论里最贵的错误。

🤖 0.4.5 AI 的本质就是数学建模：逐行对照

现在把"训练一个神经网络"这件事，拆成建模的四个标准部件，并给每个部件标上它的历史发明人。

# ═══ 部件 1：假设空间 H —— "我允许世界长成什么样" ═══════════
# 历史原型：托勒密的本轮层数 / 多项式的次数 / 傅里叶级数的项数
model = torch.nn.Sequential(
    torch.nn.Linear(784, 128),   # ← 凯莱 1858：矩阵作为代数对象
    torch.nn.ReLU(),             # ← 非线性，否则整个网络塌缩成一个矩阵
    torch.nn.Linear(128, 10),
)

# ═══ 部件 2：损失函数 L —— "错得多严重" ═══════════════════
# 历史原型：高斯 1801 最小二乘（= 假设误差服从正态分布下的极大似然）
#           费雪 1922 极大似然 / 香农 1948 交叉熵
loss_fn = torch.nn.CrossEntropyLoss()    # = -log p(正确答案) = 香农的"意外程度"

# ═══ 部件 3：优化器 —— "怎么在 H 里找到最好的那个" ══════════
# 历史原型：牛顿-拉弗森迭代 (1669) / 柯西 1847 最速下降法
opt = torch.optim.SGD(model.parameters(), lr=0.1)

# ═══ 部件 4：检验 —— "没见过的数据上还行吗" ════════════════
# 历史原型：开普勒拿椭圆去预测下一次冲日 / 高斯拿最小二乘去预测谷神星再现的位置
for x, y in train_loader:
    loss = loss_fn(model(x), y)
    opt.zero_grad(); loss.backward(); opt.step()   # ← 牛顿的流数 ẋ，1665
evaluate(model, test_loader)                       # ← 这一行才是"科学"，前面都是"拟合"

四个部件，没有一个是 21 世纪发明的。 最年轻的是 1948 年的交叉熵，最老的是 1669 年的牛顿迭代。

深度学习真正新的东西只有两样，而且都不是数学：

1. 自动微分的工程化（Linnainmaa 1970 提出反向模式 → 1986 反向传播普及 → 2016 PyTorch 让它变成一行 .backward()）。数学上它就是链式法则，1676 年莱布尼茨就有了。新的是"任意复杂的程序都能自动求导"这个工程能力。
2. 算力与数据的规模。CUDA（2007）让矩阵乘法便宜了三个数量级，互联网让文本数据便宜了六个数量级。

所以那句"AI 就是数学建模"不是修辞，是字面事实。 一个大语言模型是一个条件概率模型 \(p(\text{下一个词} \mid \text{上文})\)，用极大似然拟合，用梯度下降优化，用留出集检验。每一个环节都能在 1948 年之前的数学文献里找到。

变的不是数学，是成本结构：以前"让人想出机理"比"让机器搜参数"便宜，所以牛顿范式赢；现在反过来了，所以托勒密范式复活了。这就是 Sutton 那篇《苦涩的教训》的经济学实质 —— 它不是在说"人类的知识没用"，它是在说"在算力年年降价的世界里，赌算力的那一方复利更高"。

⚛️ 0.4.6 建模的背后是物理：AI 的每一个零件都能在物理里找到原型

这是本文最想让你记住的一节。人们说"深度学习是炼金术"，通常是因为没看见它下面那层地基 —— 它绝大部分核心构件，是统计物理直接搬过来的。2024 年霍普菲尔德和辛顿拿的是物理学诺贝尔奖，不是巧合，是盖章。

对照表：AI 构件 ↔ 物理原型

每一行都不是比喻，是数学上的同一个式子。 你可以用代码验证最著名的那一行：

import torch
# 断言：softmax 就是玻尔兹曼分布，logits 就是负能量，采样温度就是物理温度
E = torch.tensor([0.0, 1.0, 2.5])     # 三个微观态的能量（单位 kT=1）
T = 0.7

boltzmann = torch.exp(-E / T) / torch.exp(-E / T).sum()   # 玻尔兹曼 1877
softmax   = torch.softmax(-E / T, dim=0)                  # PyTorch 2016

print(boltzmann)   # tensor([0.7888, 0.1890, 0.0222])
print(softmax)     # tensor([0.7888, 0.1890, 0.0222])
assert torch.allclose(boltzmann, softmax)                 # ← 同一个东西，隔了 139 年

你调 LLM 的 temperature=0.7 时，你字面意义上是在设定一个热力学温度：\(T\to 0\) 系统冻结在基态（贪心解码，永远输出最可能的词），\(T\to\infty\) 系统完全无序（均匀随机胡说）。"温度"这个参数名不是比喻，是它的本名。

再深一层：为什么"物理能被数学建模"这件事本身成立？

这是维格纳 1960 年那篇著名论文的标题：《数学在自然科学中不合理的有效性》。他说这是"一份我们既不理解也不配得到的奇妙馈赠"。

到今天，最有解释力的回答是一个词：对称性。

诺特定理（1918）：每一个连续对称性，对应一个守恒量。

• 物理定律在时间上平移不变 ⟹ 能量守恒
• 在空间上平移不变 ⟹ 动量守恒
• 在旋转下不变 ⟹ 角动量守恒

这句话把"世界为什么可建模"讲清楚了：世界之所以能被少量方程描述，是因为它高度对称、高度冗余。 如果每个时刻每个地点的规律都不同，就没有任何模型可言，也不会有科学。

而这条定理直接就是深度学习里"归纳偏置"的定义：

架构设计 = 声明你相信世界有哪些对称性。 这是"几何深度学习"纲领的一句话总结，也是诺特定理在 21 世纪的转世。

而最小作用量原理（莫佩尔蒂 1744、哈密顿 1833）是最后那块拼图，也是全文最漂亮的收束：自然界的一切演化，都是在让某个泛函取极值。 光走最快的路（费马），粒子走作用量最小的路（哈密顿），系统滚向自由能最低点（吉布斯）。

也就是说 —— 物理是自然在做优化，AI 是我们在做优化，用的是同一门数学（变分法）。 你写 loss.backward() 的那一刻，你在做的事和一束光穿过水面时做的事，是同一件事。

📈 0.4.7 为什么建模在今天"起来了"？—— 一条七件套的历史依赖链

"AI 突然爆发"是一个错觉。真实情况是：建模需要七件工具，人类花了 2000 年才凑齐最后一件。缺任何一件，这事都发生不了。

第 7 条是最容易被低估的。反向传播 1986 年就发表了，AlexNet 是 2012 年。 中间那 26 年缺的不是数学，是便宜的算力和数据。

这就引出建模范式转移的经济学本质：

        建模的总成本 = 人想机理的成本  +  机器搜参数的成本
                        （随时间恒定）      （每 2 年减半）

• 在 1687 年，"人想机理"是唯一可行的路（机器搜参数的成本 = ∞）→ 牛顿范式必然获胜。
• 在 2025 年，"机器搜参数"的成本掉到了地板上 → 托勒密范式（加更多本轮）必然复活。

范式转移从来不是"谁更聪明"，而是"当下哪种成本更低"。 这也预言了下一步：当算力继续变便宜、而数据变稀缺时（高质量语料已接近枯竭），钟摆会往回摆一点 —— 那就是"物理信息神经网络（PINN）"、"神经算子"、"世界模型"、"AI for Science" 正在做的事：把机理（微分方程、守恒律、对称性）重新塞回损失函数里，用机理换数据。

一行代码就能看懂这个"回摆"： ```python

纯统计学习：只跟数据较劲

loss = ((u_pred - u_obs) ** 2).mean()

物理信息神经网络（PINN）：再加一项"你必须服从这条物理定律"

residual = du_dt - alpha * d2u_dx2 # ← 傅里叶 1807 的热方程 loss = ((u_pred - u_obs) ** 2).mean() + lam * (residual ** 2).mean() ``` 第二行就是牛顿范式和托勒密范式的握手：数据管内插，物理管外推。这大概率是下一个十年的主线。

🔨 0.4.8 "建模就是数学当工具用"：两种数学模式，别搞混

这是全文的落点。数学有两种用法，它们的评价标准完全相反：

傅里叶是最好的例子。 1807 年他宣称"任意函数都能展成三角级数"，拉格朗日当场反对，因为他的证明是错的（不严格）。但他的模型是对的 —— 热方程算出来的结果跟实验吻合。

后来发生的事最有意思：为了搞清楚"傅里叶到底在什么条件下成立"，数学家被迫发明了 —— 严格的收敛概念（柯西、狄利克雷）、黎曼积分、勒贝格积分、康托尔的集合论（康托尔研究的正是三角级数的唯一性问题）。

一个"不严格但有用"的工程模型，逼出了整个 19 世纪的实分析和集合论。 这是"数学当工具用"最壮观的一次反哺：工具捅出的窟窿，成了下一代纯数学的疆域。

今天的深度学习正处在完全相同的位置：它是"不严格但极其有用"的傅里叶时刻。所谓"缺乏理论"不是耻辱，是1807 年的正常状态 —— 泛化理论、缩放律、表示学习理论，就是正在被逼出来的那个"实分析"。

建模者的六条工作守则

把上面的历史压缩成能带走的东西：

1. 没有误差项的不是模型，是信仰。 高斯的伟大不在于他会解方程，而在于他显式地给误差建了模（正态分布）。任何一个模型，你都要能说出"我预期它错多少、往哪个方向错"。
2. 所有模型都是错的，有些是有用的（Box）。问"这个模型对不对"是问错了；要问"在什么范围内、以多大误差、为哪个决策服务时它够用"。
3. 先量纲，再数值。 白金汉 Π 定理是最便宜的查错工具：等号两边量纲不同，后面全白算。深度学习里的对应物是 shape 对不对 —— 这是 99% 的 bug 所在。
4. 查极限情形。 \(t\to 0\)、\(t\to\infty\)、参数取 0、取 \(\infty\) 时，模型是否退化成一个你已知正确的简单模型？（相对论要退化回牛顿，Transformer 在序列长度 1 时要退化回 MLP。）
5. 守恒量是免费的测试用例。 能量、质量、概率归一、总人数 —— 模拟跑一万步后它们还守恒吗？不守恒说明积分器或代码错了。
6. 分清三个层次：描述 / 预测 / 干预。 拟合曲线是描述，测试集准确率是预测，"如果我改变 X 会怎样"是干预（因果）。相关性给不了你干预。 今天的大模型主要活在第二层，而科学和决策要的是第三层 —— 这是"AI 能不能做科学"这个问题的真正技术焦点。

以及三条戒律（用血写的）

• LTCM（1998）：两个诺奖得主的对冲基金，模型假设收益率分布有薄尾。俄罗斯违约，尾部事件发生，四个月亏掉 46 亿美元。错的不是数学，是"我假设的分布"这句话被忘掉了。
• 洛伦兹（1963）：三个变量的简化对流方程，初值差 \(10^{-6}\)，几十步后完全发散。混沌不是模型不好，是这类系统的本性 —— 有些东西原理上就无法长期预测。 知道模型的极限在哪，是建模者的成年礼。
• 托勒密（150–1543）：一个预测极准、可解释性为零的模型，可以统治一千四百年，并且在它被推翻之前，所有人都觉得它是对的。

🎨 0.4.9 配套脚本（待实现于 ch00_4_modeling/）

按本项目的规矩：每个脚本必须产出一张图，且必须从真实现象出发。

与其他章节的关系

• Chapter 0.5（math_his_cha0_6_symbols.md 之前那篇，公式即直觉的化石）：本文的"物理原型表"是它的展开 —— 为什么建模里反复出现平方、\(1/r^2\)、\(\log\)、\(e^{-x}\)。
• Chapter 0.7（ch00_7_physics_first/）：物理优先。本文是它的方法论总纲 —— 0.7 讲"从现象出发学公式"，本文讲"从现象出发造公式"。
• Chapter 0.96（ch00_96_computability/）：可计算性。它回答了建模的一个前置问题 —— 凭什么相信程序能模拟世界（丘奇–图灵），以及哪些东西原则上模拟不了。
• Chapter 5（傅里叶）：本文 0.4.3 的本轮 = 那一章的三角级数，建议两边互相链接。
• Chapter 6（概率）：高斯的误差理论、玻尔兹曼的统计力学，是本文第 3、4 件必要条件。
• Chapter 7（深度学习）：本文 0.4.5 的四部件表，就是那一章"每行代码标注历史来源"的纲。

🧠 本文小结

建模就是把数学当工具用。 不是求真，是求用；不是消灭近似，是挑选近似。

AI 就是数学建模，四个部件（假设空间、损失函数、优化器、检验）没有一个是 21 世纪的发明，最年轻的也有 78 岁。变的不是数学，是成本结构：算力便宜到让托勒密的"加更多本轮"重新成为最优策略。

建模背后是物理：loss 是能量，softmax 是玻尔兹曼分布，梯度下降是耗散弛豫，架构是对称性声明，训练是自然界干了四十亿年的那件事 —— 最小化一个泛函。

而世界之所以可以被建模，是因为它对称（诺特），因为它冗余，因为同一条规律在昨天和今天、在这里和那里都成立。这才是那份"不合理的有效性"的来源。

所以：托勒密教会我们，一个不懂原理的模型可以极其好用；开普勒教会我们，残差里藏着下一场革命；牛顿教会我们，机理换来的是外推的权力；高斯教会我们，没有误差项的不是模型；傅里叶教会我们，不严格但有用的工具会逼出下一代纯数学；洛伦兹教会我们，有些东西原理上就不可预测。

这六个人的教训加起来，就是今天你坐在一块 GPU 前，该有的全部世界观。