从手动数学计算到自动化工程工具的过渡,从根本上改变了从业人员与其工作的底层物理原理之间的交互方式。虽然一套1959年的《工程数学笔记》代表了一个直接计算的时代,但现代工程师往往通过CAD软件和人工智能提供的多层抽象界面来与这些原则进行交互。

向数学抽象的转变

一篇 Hacker News 帖子分享了一份1959年的《工程数学笔记》PDF文件,引发了关于工程领域在过去70年里如何演变的讨论。一位网名为 stochastic_tn 的评论者表达了一种“悲哀”感,认为现代技术已使许多基础数学知识在日常实践中变得不再必要。

该评论者指出,在许多领域,应用数学现在已被“内置”到 CAD 工具中。据报道,这一趋势甚至延伸到了机器人等数学密集型子学科,其中 AI 工具进一步自动化了以前需要人工数学监管的流程。

专有知识与数学的“囤积”

讨论强调了开放式学术研究与专有商业开发之间的鸿沟。一位网名为 upboundspiral 的评论者认为,许多最有趣的数学都被隐藏在大型公司使用的“高度私有化”工具背后。

这包括有限元技巧和网格划分算法等复杂技术。该评论者建议,虽然国家实验室有时会发布可靠的开源工作,但许多高水平专业知识往往被泛化并作为封闭产品出售,使得独立研究人员难以获取核心机制。

LLM 与连续近似的作用

相反,一些参与者认为现代工具正在扩大工程师可以实现的目标范围。一位网名为 aatd86 的评论者声称,自从 LLM 出现以来,他比以往任何时候都使用更多的数学,并表示这些工具允许开展更具雄心的项目。

该帖子还重新审视了使用连续数学来解决离散问题的理论价值。一位网名为 oldjohnnylane 的评论者分享了一个关于导师的轶事,该导师曾建议使用导数来描述 CPU 缓存缺失——这是一个离散事件。线程中的其他人(包括 _alternator_)则提出,这些连续近似值可以极大地简化复杂情况,且 LLM 可以充当导师,帮助工程师理解这些高层概念。

工具透明度的不确定性

虽然讨论识别出了向抽象转变的趋势,但这种“隐藏”数学的具体程度仍是一个主观体验点。目前尚不清楚有多少数学熟练度是流失了,还是仅仅被转移到了软件层中。

此外,专有公司掌握的特定“技巧”和算法在很大程度上仍对公众保密,这导致用户输出结果与底层数学执行之间存在断层。