这段时间就自由研究各种问题。微积分、万有引力定律、光学分析的思想都是这个时间段孕育而成的。他首先发现了二项式定理。之前讲的帕斯卡发现的帕斯卡三角形已经可以获得二项展开的系数了。但是求解 n 阶的系数需要 n-1 阶的计算结果。而牛顿找到了不依赖的方法。而且牛顿把指数的形式拓展到了分数和负数,这就是帕斯卡三角解决不了的了。基于二项式定理,便可以进一步拓展无穷级数理论。
学过微积分的都知道,微分就是切线问题,几分就是面积问题。但是在发明微积分之前,对于一般形式的曲线切线或者不规则图形的面积,往往需要非常高深的技巧才能解决极个别的特殊曲线图像求解问题。这样我联想到当下如火如荼的 AI 。在深度学习崛起之前,很多计算机视觉问题也是需要人工设计特征,然后去做一些识别工作,但是泛化能力很差,所以那个时候的 AI 是完全比不过普通人的。后来深度学习方法配合芯片算力提升崛起,AI 逐步超越人类,开始在图像识别、自然语言处理、下围棋等领域超越人类。但是即使到我写这个文章的时候,也就是 2025 年年末,AI 依然无法非常自如的做到人类很容易做到的洗衣服收拾房间卫生。不论学术界还是产业界,投入这方面研究的人越来越多,但是当前还没有产生一种类似于牛顿定律之于机械时代的巨大基础指导性的基础理论。当下的 AI 仍然像炼丹一样充满各种无法解释的现象。
欧拉读书阶段没啥波澜,因为跟伯努利家族关系不错。所以毕业本来想留校结果学校不要他,他是搭上伯努利家族的支持,把他带到圣彼得堡科学院。所以第一阶段他就在俄国圣彼得堡科学院工作。这段时间俄国政治上比较乱,但是给的钱还是不少的。可以养活他一大家子而且也算比较自由。他为了简化数学,自己发明数学符号。比如现在用的求和符号、虚数 i 、f(x) 表示函数、sin 、cos 、tan 等都是他发明的。1736 年发表《力学或运动学的分析解说》奠基分析力学。这个只要学过分析力学或者理论力学的都会知道。但凡涉及力学的工程学现在都在用。
还有一个就是根据柯尼斯堡七桥问题,提出图论。因为当时的数学都是研究解析几何的性质,比如长度切线面积啥的,但是图论或者更一般的拓扑学不关注这个问题而是关注联通性节点、边的一些关系。所以在当时的数学压根就没有一个体系适合这个新的问题。所以创建了新的数学分支来分析这个问题。那么现在任何学习计算机软件或者通信的专业的学生,本科可能学点离散数学带点图论,研究生阶段可能有图论图算法或者拓扑学之类的高级课程专门学习。那么类似的,当前 AI 发展一个很重要的问题就是可解释性问题。虽然模型里也用了信息熵概率论梯度计算等很多数学方法,但是目前没人可以解释为什么这样设计网络可以 work 或者怎么样去定量化描述智能、物质、能量、信息之间的关系。来给 AI 的发展制定严格的理论支撑。这是目前完全没有的。有一些做理论研究的数学家会用一些比如谱图理论、范畴论、微分几何、流形等现在已知的数学方法理论去研究分析。但是也没研究出啥玩意出来。所以会不会为了解决智能的量化问题,需要创造新的数学语言数学分支数学方法才行?