Terence Tao：开普勒、牛顿，以及数学发现的真实面貌

这一期开场给的是一个承诺，而不是一个论点：太阳系形状的发现史，是检验「AI 会怎样改变科学」的最佳样本。导语里点明了理由——紧的验证回路本应是 AI 进步最快的地方，而人类弄清行星轨道的过程说明，一条验证回路实际可以跑多久：几十年，有时是几千年。

这个判断比「延迟」更强。在那些年里，我们今天知道更好的那个理论，往往做出更差的预测——哥白尼的圆轨道对观测的拟合不如托勒密的地心模型。让日心说熬过它糟糕的那几十年，靠的是判断力和一些启发式，而这些启发式没人能讲清楚到可以编码，更不用说塞进强化学习的回路里。

陶哲轩从头讲起，并先说明自己对这段历史的兴趣是业余的。开普勒建立在哥白尼之上，哥白尼又建立在阿里斯塔克之上。哥白尼的主张就是那个著名的反转：太阳在中心，行星绕太阳而不是绕地球。

他的轨道是完美的圆，而这个理论与希腊、阿拉伯、印度天文学家几百年积累的观测相符。开普勒作为学生加进去的，是对这套几何的一种读法：哥白尼预测的轨道大小之比，似乎带着某种几何含义。

第一个理论，是让后面整期节目能被读懂的那个。把地球轨道装进一个立方体，外接这个立方体的球面几乎正好对应火星的轨道；再往外套，嵌套还能继续。当时已知六颗行星，于是它们之间有五个间隙，而正多面体恰好有五种——立方体、正四面体、正二十面体、正八面体、正十二面体。

开普勒觉得这很美，更重要的是觉得它「对得上」。行星的设计似乎对应着一种数学上的完美——这是一个关于上帝而不是关于火星的假说，而它需要数据。

世上恰好只有一份。第谷·布拉赫是一位富有而古怪的丹麦天文学家，他说服丹麦政府出资建了一座昂贵到占满整座岛的观测台，几十年里在每个晴夜用肉眼观测每一颗行星。他是最后一批肉眼天文学家，而他的数据集是当时世界上唯一一份高质量数据。

第谷对这份数据很吝啬，只一点点地给。开普勒最后把它抄了下来，还得跟布拉赫的后人打一场官司才留住。节目对这场「偷窃」处理得很轻，但它是整个故事的铰链：理论即将遇上唯一有能力审判它的仪器。

那个漂亮的理论失败了。数据差了大约一成，开普勒花了多年时间挪动圆、试遍各种硬凑的办法，最后才想清楚如何用数据反推出真实轨道——陶哲轩称这是极其聪明、天才级别的数据分析工作。

答案是椭圆，这让他震惊，此外还有等面积定律。十年之后，在跟外行星——土星和木星最难——缠斗许久之后，他得到了第三定律：周期的标度是到太阳距离的某个幂次。三条定律他一条都解释不了。全部由实验驱动，而要等一个世纪后的牛顿，才出现一个能同时解释这三条定律的理论。

Dwarkesh 抛出本期的核心挑衅：开普勒是一台高温 LLM，牛顿则是「为什么这三条定律必然成立」的那个解释。发现行星的相对轨道是天才之作，但放在整个职业生涯里看，开普勒大部分时间都在试各种随机的关联。

证据就是那本书。第三定律是作为旁注出现在《世界的和谐》里的——那是一本讲各行星如何各有其和声、讲地球上为何有那么多饥荒与苦难的书（因为地球是 mi-fa-mi，那是地球的音符）。那是占星术，而占星术里藏着立方-平方定律，把周期和距离连起来。再加上牛顿的 F=ma 和向心加速度的表达式，平方反比定律就掉出来了。

这个类比的重点不是说开普勒蠢，而是说那套搜索程序可以复现。只要有一个像布拉赫数据集那样可验证的数据银行，LLM 可以花二十年去试随机的关系——音符、正多面体、任意几何——全靠一个「这些轨道有某种重要几何」的偏见把它们串起来。然后有一个对上了，而一条经验规律就推动了真正的进步。

陶哲轩接受这个类比，然后把它放宽。科学史一直把声望给「提出想法」，但一个科学问题是一打步骤：识别问题、识别出有产出的问题、收集数据、选定分析策略、提出假说、验证、写出来。我们庆祝的是灵光一现的时刻，而开普勒确实反复过很多想法，其中几个失败了，很多大概根本没发表。

但没有验证来配平，产出就是垃圾。我们纪念开普勒，也该纪念布拉赫：他的数据比此前任何观测都精确十倍，而多出来的那一位小数正是结果可能的原因。开普勒随后用欧几里得几何——他当时能用的最先进数学——去把模型和数据对上。数据、理论、假说生成，三者都得在场。

陶哲轩不确定「提出假说」现在还是不是瓶颈，并给了一段范式简史：经典时代是理论与实验，二十世纪来了数值模拟，到二十世纪末是大数据与数据分析。

后果是一次反转。今天的进步常常始于一个庞大的数据集，从中抽出模式、再反推出假说——与经典方法相反，经典方法是先有少量观测或一个凭空而来的想法，再去收数据检验它。开普勒可以说是早期的数据科学家，但即便是他，也不是从第谷的数据集出发的；他是带着先入为主的理论来的。而如今这越来越不是做研究的方式，因为数据实在太大、太有用了。

Dwarkesh 用时间线顶回去。开普勒的想法是 1595、1596 年的事——先是多边形，然后是正多面体——而它们是错的。布拉赫的数据是几年后才到手的，此后又试了二十年随机的东西，经验规律才出现。那个数据集的作用就像一个庞大的模拟数据库：没有它，开普勒就一直在写关于和声的书，没有任何东西可以拿来验证。

陶哲轩承认数据的重要性，并把自己的区分磨得更利。传统做法是先立假说、再拿数据检验；有了机器学习和统计，你可以从数据出发，推导出此前不存在的定律。分歧比看起来小——争的是新产能落在流水线的哪一端。