关于深度学习人工智能模型的探讨(二)(4)

2.4 扩展到n+1维

线性空间和不完备性定理,都跟公理体系密切相关。

形象说,公理体系是线性空间的儿子(子集),不完备性定理是公理体系的老婆(如影相随)。

线性空间还有个重要的概念———维度(又称系统的秩),指系统所需‘特征基’的个数。

我们都知道,描述一个事物,有很多种方法。观察的角度不同,选取的基本零件不同,参照系坐标轴就不同,则描述的方法也会不同。一个系统‘特征基’有不同的选择,但其‘维度’是永远不变的。

关于空间维度,有个趣味小故事:

【我们先从最基本的图形入手——“点”,点是最小的零维空间,它没有任何空间尺度和容量,通常表示某个位置。

点的正反定向移动,便形成一维空间-“直线”。假设有一个一维生物在某个直线上不断运动,无论往正方向还是反方向运动,它永远跑不出它的一维空间世界。

当一维生物发现新的维度,并跨越到平面空间时,它会倍感惊讶,这个无限长的一维直线,外面竟然有一个更大的世界-“二维空间”。

再假设在某个平面内有一群“二维生物”,我称它们是纸片人,纸片人被困在一个二维平面里,它们是不可能逃出二维空间的。

纸片人和我们这样的三维立体人不一样,因为我们多了一个维度(厚度),因此我们生活在三维立体空间。我们通过直观,建立一个三维立体直角坐标系,这对于我们来说就是完备的坐标系了。因为在现实世界当中,我们能感知的任何位置都能用长宽高三个维度体现出来。

进一步,有个高智商的神人,爱因斯坦,看见了四维空间。这个在相对论中出现的神秘园,普通人难以体验。因为现实感知三维空间限制,普通人的形象化思维中装不下四维的构件,就像纸片人无法明白三维空间一样。

在这里插入图片描述

显而易见,每一次系统特征属性维度的扩张,都是认识水平的巨大飞跃。

并且容易看出,系统的完备性和其维度是息息相关的。只有系统维度等于其参照系‘基’的个数时,才称系统是完备的。

如果参照系特征基的个数小于系统特征属性所需的维度,则由这些‘基’构建的参照系不完备。换句话说, 当参照系的维度小于研究对象的秩的时候,会出现“不完备性”现象。

比如,我们不能在一维的线上画出二维的平面图纸;也不可能在二维平面里造出三维的房子。

又比如,如果一个资金雄厚的大型房开商修建一个小区,他必须确定需要哪些材料,比如砖、钢筋、水泥、砂石、门窗、水电线路,这些零件材料就是‘基’。完备性意味着每一种基本零件材料都是必须的,一个都不能少。如果某种基础材料买不到,那么房子就建不城,无法完工。

作为线性系统之一的公理体系,道理也是一样的。在公理体系中,如果公理的个数小于系统所需的维度,则该系统是不完备的。

慢点、慢点,让俺捋一捋,既然不完备是因为基础材料不够,那么对于不完备的形式逻辑系统,干嘛不多添加几个公理呢? 如果把本不完备的n维空间拓展到n+1维、n+2维、n+3维、、、多引入几个逻辑公理,系统不就完备了么? 缺什么材料、补足什么材料,只要逐一拓展齐全‘基’零件,系统不就完备了么?

哈哈哈,仰天大笑…

可是,睿智的数学大师们难道不知道这个道理么? 他们怎么会容忍出现那令人难堪的“不完备性定理”呢???

猜你喜欢

转载自blog.csdn.net/weixin_44575651/article/details/86555202