第二十五章 从“我的数学”到多元的“我们的数学”
一、一个问题为什么会成为我的问题
数学研究通常以公共表达完成，却常从个人遇到的困难开始。同一个定义，有人觉得自然，有人感到它删除了自己最关心的差异；同一个难题，有人愿意投入多年，有人只把它当作技术障碍。个人经历、训练、工具与合作关系，使不同研究者在共同知识中形成不同问题。这里的“我的”，首先指向问题的发生位置。
设想一位研究者长期参与触觉交互装置设计。他发现团队总用单次作用的峰值比较输入，但相同峰值的不同范围会产生不同后续状态。他因此提出：能否把范围与历史作用一起纳入基本单元？这个问题来自具体活动中的反复困难，而非先决定要创立一种新数学，再为它寻找例子。
AI的加入可以改变这种个人问题的形成方式。研究者把几次失败记录交给模型，模型可能指出总量、峰值和完整剖面之间的区别，也可能提出若干已有理论作为比较。研究者随后重新描述自己的问题，模型又根据修订后的目标展开新方案。“我的问题”已经由复合活动形成，无法简单分解为纯粹的人类创意与纯粹的机器执行。
个人性也不等于随意性。研究者可以选择自己关心的目标，却不能要求别人接受未经论证的结论。他的问题可能独特，采用的数学结构却完全公共；他的体验可能难以直接共享，构造出的模型仍可被他人检查。发生位置的个体性与数学结果的公共有效性，能够在同一研究中并存。
这一区分使“我的数学”获得一个实际含义：我能够组织与自身活动有关的问题，选择恰当的对象和操作，并与工具共同发展可检验的构造。它不要求每个人都创建一套独立公理，也不以完全原创为日常门槛。把公共数学重新组织为可以支持自己持续探索的能力，本身就是数学发生的一部分。
二、个人问题怎样获得数学形式
问题进入数学，需要经历一系列取舍。最初的描述可能是“这种接触影响了后面的感觉”，随后需要辨认其中可处理的部分：位置是否有限，输入是否可记录，作用是否非负，时间如何离散，观察能够保留哪些信息。每一步都使问题更明确，也同时排除了一部分原初经验。
研究者可以先构造一个很小的对象域，只包含几个位置和几步更新。这样的缩小并非轻视实际问题，而是为了让基本承诺能够被检查。如果在最小情形中已经出现矛盾，扩大数据和算力只会使矛盾更难看见。若最小构造成立，再逐步增加范围、历史与观察层次，研究就具有可追踪的成长路径。
还应把目标分成几类。表达目标要求模型区分某些情形；运算目标要求能够组合和更新；推理目标要求能够证明某些性质；应用目标要求在具体任务中产生额外价值。四类目标相互关联，但完成其中一项不等于完成全部。一个剖面模型可能清楚区分范围，却尚未提供更好的预测；一个预测模型可能有效，却仍缺乏容易解释的结构。
个人研究最容易发生的偏移，是把最初的需要与后来构造混为一谈。模型经过几轮修订以后，可能已经解决了一个不同但更清楚的问题。此时应公开这一变化，而不是声称始终完成了原来的全部目标。问题改变并非研究失败；无法说明改变发生在哪里，才会削弱后续接续。
因此，每个版本都可以保留一段简短的“问题声明”：当前模型处理什么，暂时不处理什么，关键对象是什么，新增了哪些可以检验的承诺。这不是繁重的行政文本，而是让人—AI复合体不在快速生成中失去研究方向。声明随着真实研究改变，个人问题也在这一过程中获得更稳定的数学身份。
三、公共表达需要交出哪些东西
当研究者希望他人加入，就需要把私人理解转化为公共材料。一个名称、一张示意图和几段解释通常不够。接续者需要知道对象从哪里来，哪些表示视为相同，运算怎样执行，哪些命题已经证明，以及何种例子暴露了构造的边界。材料应让不了解原始对话的人能够独立进入研究。
以范围单元为例，研究者可以明确给出参数与剖面的关系，说明半径为零时如何处理，并提供几个可以手算的例子。若两个不同参数生成相同剖面，应解释研究当前按哪种同一性工作。若允许多个单元叠加，应说明叠加结果是否仍属于原参数族，还是进入更大的剖面空间。这样的细节决定模型能否从私人直觉变成公共对象。
随后需要交出操作。静态相加、动态更新和观察汇总应分别命名，避免用一个模糊词承担不同功能。接续者应能看出某个性质属于哪种操作。例如，相加可以交换，而先后更新可以不交换；如果只报告“模型不交换”，别人就无法知道该检查什么。公共表达的精确性，会直接影响研究效率。
还需要交出最小失败材料。若总量不足以预测下一步，给出两个总量相同而后续不同的状态；若某种参数族在组合下不封闭，给出无法由单一参数表示的结果。失败材料让后来的研究者避免重复走弯路，也帮助他们判断应扩大对象域还是缩小承诺。它把作者的经验转化为共同体可用的资源。
AI可以协助把这些材料整理成统一说明、可执行代码与练习任务，但作者仍需检查三者是否一致。正文中的定义、程序里的操作与图形上的展示，可能因为版本更新出现偏差。高质量公共表达不是把文件数量做多，而是让不同表达可靠地指向同一个研究构造。只有这样，工具封装才能成为别人真正可以调用的能力。
四、证明、复现与应用怎样形成共同约束
从“我的”走向“我们的”，首先需要共同约束。证明提供一种约束：在明确假设和规则下，结论必须经过可检查的推演。计算复现提供另一种约束：别人能够在相同输入与实现说明下获得相应结果。应用检验则询问模型是否在所选任务中提供额外价值。三者各有作用，共同支持研究的公共性。
一个有限模型可以先让程序枚举小例子，帮助发现规律与反例。枚举范围之外的普遍命题仍需要相应证明，或者明确报告只完成有限验证。反过来，一个已证明的稳定性结论，也不自动保证程序没有实现错误。数学定理、代码实现与实际任务之间需要建立清楚的连接，而不是让其中一种成功代替其余全部检查。
复现还可以分成不同深度。最浅的一层是运行原程序得到相同输出；进一步是独立实现同一规定；再进一步是修改输入、参数或任务，检验成果是否保留。越深入，越可能发现原说明没有显式记录的选择。这样的发现对于形成共同数学非常有价值，因为它把私人默契变成了公开定义。
应用检验则应选择能够区分候选模型的任务。如果两个模型在所有选定例子上都给出相同结果，研究者还不能据此说明复杂模型具有优势。应寻找哪些输入会使它们分歧，并解释这种分歧是否对应任务中的重要差异。一个更复杂模型只有在保留的信息真正有用时，才值得承担额外成本。
共同约束也需要允许结果不利于原作者。别人发现模型等价于一个已有结构，研究可以据此重新定位；别人发现某项命题错误，作者应修订或撤回对应承诺；别人证明某个特殊分支更有效，原来的总方案可以分化。公共性不是要求所有人赞同，而是让不同意见能够通过共同对象展开，形成可继续的研究。
五、多元的“我们”怎样形成
数学共同体并不是一个在所有问题上使用相同对象与标准的单一整体。不同领域有各自的问题传统、技术语言与判断经验，同时通过证明、解释、应用和人员流动保持联系。本书所说多元的“我们”，是在这种已有多样性基础上，进一步让新的研究组合获得形成机会。
一个范围模型可能吸引三类参与者。第一类研究其代数与动力性质，关心闭合、稳定和可辨识性；第二类把它用于交互装置，关心计算成本与任务效果；第三类将它作为教育材料，关心学生能否理解同一性与状态选择。三类活动共享某些定义，却具有不同目标。它们不必争夺唯一正确的用途，可以通过明确接口互相支持。
分化之后仍需保持谱系。某个分支改变了更新规则，另一分支改变观察方式，应记录共同起点和分歧位置。版本号本身不够，关键是说明哪项数学承诺发生变化。这样，旧证明能否继续使用、新反例击中哪些版本、两个实现是否可比较，才有清楚答案。
重组也需要条件。两个分支可能共享状态空间，却对运算提出不同要求；如果强行合并，可能同时失去各自优势。比较的结果有时是形成共同上层框架，有时是保留翻译关系，有时是承认某些目标不相容。多元化的成熟表现，是能够解释这些不同关系，而不是把所有差异藏在同一个宏大名称之下。
人—AI复合体可以降低保持这种谱系的成本。模型能够辅助追踪定义变化、提示证明依赖、生成版本之间的对照算例，也能帮助新人了解一个分支为何出现。但共同体必须让重要关系可导出、可审查、可独立保存。若所有知识只存在于某个无法追踪的对话窗口，研究就很难形成持久的“我们”。
公共化也可以通过一组共同任务保持连续性。每个分支保留若干相同算例，报告它们在对象规模、更新次数和观察精度上的表现；再增加能够体现自身特点的任务。共同算例支持比较，分支任务支持差异展开。这样，研究者既能识别实际进步，也能看到某项优势依赖哪些条件，不必用一个总排行榜压平所有目标。
新参与者还可以从复现失败开始贡献。如果一个说明无法被独立实现，修补定义就是实质工作；如果两个版本在同一输入上结果不同，定位差异就是结构研究。共同体由此向不同经验层次的人开放，使学习与创造相互连接，而不是要求参与者先成为全能专家才有资格进入。
六、理念、现实与自我三界中的研究机会
SDE将研究活动放在理念、现实与自我三界中考察。三界不是互不相干的三个容器，而是不同侧重的发生领域。在理念界，研究者可以改变定义、建立结构、比较理论；在现实界，模型进入装置、材料、组织与行动；在自我界，研究问题与个人的意义、兴趣、承诺和判断相互形成。数学的机会能够在三界之间往返。
理念界的机会尤其容易被AI展开。一个研究者可以同时比较几种同一性、运算或观察方式，迅速形成候选命题，再把通过初筛的方案交给更严格验证。这里真正值得积累的不是方案数量，而是哪些目标之间存在不可兼容，哪些分支能够互相映射，以及哪些定义使原来分散的问题获得共同表达。
现实界的机会则要求模型承担具体活动。一个触觉装置模型可以帮助设计输入、解释残留或组织控制，但需要真实硬件条件与任务结果参与修订。数学家与领域实践者的合作，并不是先完成纯数学再附加一个应用标签，而是由实际操作不断提出新的对象与约束。理论会改变实验，实验也会改变理论的基本单元。
自我界的机会，可以从研究者如何形成持续探索的能力来理解。一个人面对过多候选时，可能需要一种能够显示承诺、风险与兴趣变化的研究记录，而非只按论文数量计算进展。数学模型可以帮助组织多目标决策、比较资源配置，却不能把某个数字评分直接等同于个人全部意义。自我世界进入数学，意味着相关选择被明确化并接受反馈，而不是被粗糙量化取代。
三界联动可以形成一个具体项目：研究者在理念界提出范围与历史模型，在现实界通过装置任务比较方案，在自我界记录哪些问题使自己形成新的兴趣与能力。个人变化不是附带的情绪故事，因为它会影响下一轮选择与投入；实际任务也不是理论的展示台，因为它可能迫使基本定义改变。复合研究由此具有持续发生的动力。
七、从一份私人笔记到可接续研究
可以用一个假想的接续过程观察公共化如何完成。最初，研究者只写下一句话：“同样大小的作用，范围不同，后果不同。”AI帮助他列出几种解释，其中有一种把作用表示为有限空间上的剖面。研究者据此制作最小算例，发现仅比较峰值确实无法区分某些后续状态。
第二步，团队明确对象与更新，给出一组可以手算的结果。一次审查发现，总量观察在某些更新下不闭合。这个发现使原来试图用一个总量描述全部过程的方案分化：一支保留完整剖面，另一支寻找允许压缩的条件。失败没有终止研究，而是改变了问题结构。
第三步，一位未参与原始讨论的研究者指出，这些定义能够放入已有离散系统框架。团队因此获得成熟的稳定性工具，并把研究重点转向观察压缩与输入设计。原先被想象为“全新数体系”的目标，调整为一组更明确的建模与结构问题。研究的可用性反而提高，因为别人终于知道可以从哪里接上。
第四步，另一团队把模型用于不同任务，发现原来固定的传播规则需要随状态改变。一个非线性分支因此出现。原来的线性成果仍作为对照与局部基础，新的分支则承担新的证明与计算工作。此时“我们的数学”已经不再是最初作者思想的简单复制，而是多个参与者共同改变对象、方法和问题。
这个过程不保证形成成熟典范，却已经体现典范发生的必要活动：问题被重述，对象被明确，失败被利用，已有理论被接入，新的共同体开始积累成果。评价这种研究，应看它使哪些后续活动成为可能，而不只看最初名称是否保留。个人发起的工作能够超出个人意图，正是公共化的重要表现。
八、让封装成为更多人的研究起点
从我的数学走向多元的我们的数学，与工具封装形成相互推动。公共成果被整理成可靠定义、程序与学习材料以后，后来者不必从零开始；他们又可以在这些能力上提出自己的问题。每一轮封装都把某些过去昂贵的活动变成较容易取得的条件，也把注意力推向新的构成选择。
这种循环能够形成领域升级，也可能被同轨竞争阻断。如果评价只奖励在同一指标上获得更多结果，许多研究者会使用相同工具重复相近任务。个人问题尚未展开，就被要求适应唯一的发表路径；多种分支尚未比较，就按短期产量排序。能力增长于是主要表现为竞争密度增加，而没有充分转化为新活动。
要改变这种结果，需要给可接续的研究作品以空间。一个清楚定义的新对象、一组有力反例、一条有用翻译、一个可靠实现或一份揭示失败条件的研究记录，都可能成为他人的起点。它们未必立即具有宏大声望，却可以积累出新的问题群与合作网络。共同体的升级，体现在能够识别并支持这些形成中的价值。
数学家的未来因此不只取决于个人比AI多保留多少技巧，还取决于他能否进入这种循环：调用成熟能力，提出有意义的构成问题，与AI和他人共同展开，把成果做成可以继续使用的公共资源，再从新条件中形成下一轮个人研究。人的能力与数学对象在循环中共同改变，研究生涯也获得新的组织方式。
下一编将把这套要求收束到一个连续实验。我们将从“数是否可以包含影响范围”这一猜想出发，给出定义、算例、更新与观察，经历反例和分化，再考察最终留下了什么。第五编所讨论的发生性视角，将在这些具体工作中接受检验。只有真正交出别人能够计算、反驳和发展的一套材料，“多元数学发生”才从未来叙事进入当下的研究实践。