[论文解读] Irreducible Complexity in Pure Mathematics

Gregory J. Chaitin|ArXiv.org|Nov 4, 2004

Computability, Logic, AI Algorithms被引用 9

一句话总结

本文主张，不可约复杂性——即不存在可压缩理论的数学事实——证明了数学的完整‘万物理论’（Theory of Everything）是不可能的。通过算法信息论，本文表明某些数学真理是算法随机的，无法从任何有限公理集推导出来，从而将哥德尔不完满性定理扩展为：将数学真理视为本质上不可压缩的信息。

ABSTRACT

By using ideas on complexity and randomness originally suggested by the mathematician-philosopher Gottfried Leibniz in 1686, the modern theory of algorithmic information is able to show that there can never be a "theory of everything" for all of mathematics.

研究动机与目标

• 证明数学真理可以是不可约复杂的，即不存在任何有限公理系统能够推导出它们。
• 通过将数学不完满性不视为逻辑悖论，而是算法信息含量的后果，来扩展哥德尔不完满性定理。
• 表明数学的‘万物理论’（TOE）在根本上是不可能的，原因在于存在算法随机的数学事实。
• 将莱布尼茨关于复杂性与简洁性的哲学思想重新构架为现代算法信息框架。
• 确立停机概率Ω是不可约数学常数的明确实例，其二进制数位无法被任何更小的形式系统计算。

提出的方法

• 将算法信息含量定义为能够计算给定数字对象或数学事实的最小程序的大小。
• 应用奥卡姆剃刀原理与莱布尼茨原则：有效的理论必须比其所解释的数据更简单，即具有可压缩性。
• 将不可约（算法随机）对象定义为算法信息量等于其大小的对象——即无法实现任何压缩。
• 以Chaitin常数Ω为典型例子，即通用前缀自由图灵机的停机概率，作为不可约数学常数的典范。
• 证明：若知晓Ω的前N位，则可解决所有长度不超过N位的程序的停机问题。
• 建立：任何公理数量少于N位的形式公理系统，均无法证明Ω的前N位，原因在于Ω的不可压缩性。

实验结果

研究问题

• RQ1 有限的形式公理系统能否完全捕捉所有数学真理，还是由于不可约复杂性而存在固有局限？
• RQ2 算法信息论在多大程度上将哥德尔不完满性定理的范围从自指悖论扩展至更广泛领域？
• RQ3 能否使用最小程序的大小来形式化数学中的不可约性？其对数学知识意味着什么？
• RQ4 为何停机概率Ω是不可约数学常数的范例？它如何体现形式系统的局限性？
• RQ5 不可约复杂性的观念如何挑战经典理性主义观点——即每个数学真理都有其原因或解释？

主要发现

• 存在算法随机的数学事实——即其算法信息含量等于其大小，因此无法被压缩为更小的理论。
• 任何公理数量少于N位的形式公理系统，均无法证明Chaitin常数Ω的前N位，这揭示了数学知识的根本限制。
• 知晓Ω的前N位可使所有长度不超过N位的程序的停机问题得以解决，从而将不可约性与不可判定性联系起来。
• 停机概率Ω的增长复杂度快于任何可计算函数，因此其数位无法被高效计算。
• 不可约数学事实的存在意味着数学的‘万物理论’（TOE）在根本上是不可能的，因为此类理论要么需要无限公理，要么无法解释随机事实。
• 莱布尼茨在17世纪对简洁性与复杂性的洞见，虽未将其与形式系统的局限性联系起来，但已预示了现代算法信息论。