博文
控制和自动化这个领域本身就很肤浅吗？
|||
首先声明本人的专业不是数学，但人人都有在网上厚脸皮说事的权利，只要他本人不在乎。
林博士最近在业余时间，致力于面向垃圾期刊的清洁工作，这也不能说是坏事。在他将国际控制联合会 IFAC，旗舰期刊 Automatica 列入到Elsevier出版社数学类的灌水杂志名单（补充）后，我们之间有了讨论。他回复到：这个杂志虽然号称是自动化的顶级期刊，其实根本不咋地，原因是因为控制和自动化这个领域本身就很肤浅，这个你应该比我清楚。
林博士终于说出了很多人想说的话。嗯，感谢他，我有机会写出此文。于是我又留言：学科之间都差不多，难度和深度相当。比如 Smale 做 machine learning，也没给这个方向带来巨大变革，可能就是严格性等。（注：确切地应该是学习理论 learning）
首先声明，的确，得过1966年菲尔兹奖的数学家 Smale 和同事一起做过有应用背景的学习理论，比如，我见过他的文章 F. Cucker and S. Smale, On the mathematical foundations of learning, Bull. Amer. Math. Soc. 39 (2001), 1–49.
林博士的回复是：学科之间都差不多，难度和深度相当？？？？？你来做做基础数学中的数论拓扑等学科试试，我猜你一定会饿死。
我想他的意思可能有两个：1）基础数学中的数论拓扑等学科太难，以我的智力水平，一定不行，做不出来什么，于是饿死。但是呢，由于他很聪明，他至少现在没被饿死（饿死一定指的是科研经费和工作收入包括因发表文章获奖的多少）。2）因为基础数学中的数论拓扑等学科太难，很多人都会被饿死。而其他学科，因为比较起来不难、甚至简单，因此这些学科的人发的文章多，过的很好，比如自动控制领域。
我这里不讨论1），因为我知道我的智力水平的确是在平均水平。讨论他的第二个观点更具有建设性。这第二个观点是从他的言论推断出来，因为他认为“控制和自动化这个领域本身就很肤浅”（这是他之前的回复）。
首先我想说的是：小林，第一，你不能轻视做有应用背景理论的这些人，做控制理论的这些人也是有天才的，一些有实质性贡献的人也有著名数学家，比如N. 维纳、Kolmogorov 和R.E. Kalman，后者是把自己看做应用数学家的，他获得过美国数学会的1986年 Leroy P. Steele Prizes，虽然不是最高的奖，而且2009年获得美国国家科学奖。
第二，控制和自动化这个领域本身并不肤浅和简单，你得出的结论是因为你没有看到 deep work. 举个例子，比如：法国人小 Lions 获得1994年菲尔兹奖的工作和最优控制的 Hamilton–Jacobi equation 有关，他的工作考虑了非经典解（广义解），即粘性解，这以后他的方法和粘性解概念被应用于其他方程。这个HJ方程就来自连续时间非线性系统的最优控制理论。最优控制理论与苏联数学家庞特里雅金是分不开的。你还能说控制这个领域很肤浅吗？如果肤浅，能诱导出菲尔兹奖的工作吗？再有，前国际数学联盟主席，小 Lions 的老爸的研究领域是无穷维系统最优控制。这些人都是数学家。另外的例子是鲁棒控制理论，则主要靠控制理论家自己发展起来的，它要考虑的是模型不确定的影响。这其中的思想已经被引入到计算数学和科学计算，比如这个领域的一些专家正在考虑 Uncertainty Quantification 问题，我不是专家，但大致上说就是当边界条件等出现不确定时，如何保证求解（随机）偏微分方程的算法依旧可靠等。这有一个网址可参考，见文后注。其中随机控制和估计问题也是他们要考虑的。
第三，目前阶段，即使数学天才来作有应用背景的理论，这部分理论也不会出现翻天覆地的变化，我举的例子就是 Smale 在学习理论的工作，以及丘成栋和丘成桐兄弟俩在非线性滤波方面的工作。我知道我的身份和学识不适合评论这些天才的工作，我只是将我看到的告诉你。但不排除未来的某一天，恰恰是他们如当年 Kalman，能创立一套新理论，甚至新学科。
让我们回到你所忧虑的问题，就是你做的“代数拓扑学中的一些问题”太难，不容易出成果发文章，因此这妨碍你的科研经费、职称、和奖金（因发文章获得的），就是所谓的饿死问题。你看到其他数学方向或者象自控、信号处理等有应用背景的理论，由于能发更多的文章，这些领域的人活的很滋润。于是你要打假，要维护正义和公平，在源头上，要打掉这些活的滋润之人赖以生存的那些期刊，你的思路是有道理的。
我们看一个例子。比如有两个天才，genius A 和 genius B，两个天才要挖井，井的半径和位置确定，但不幸的是，A挖着挖着碰到了石头，B一路顺利碰到的都是土，于是在同样的时间里，B要比A挖出了更多的土，考核A、B工作量恰好就是土的多少，谁挖的土多给谁奖金多，于是B收获的就多。这A挖的井就好比你在做的代数拓扑学，碰到的都是石头，做了很长时间也没有结果。于是你愤怒了，开始抱怨B的井为什么都是土。
我建议解决的方法有二。第一个方法是，如果数学家共识你的代数拓扑学难，可以给你们加权，比如一篇顶其他的20篇。国家也的确一定是这样做的，比如在数论上，如果证明哥德巴赫猜想，那一定是国家大奖，因此你不能抱怨，只怪你自己解决不了这些公认难题。所以你的出路是要么数学界达成以上共识，要么你解决你领域上的世界难题。这个风险你自己要承担，因为你有机会摸大奖。
第二个方法是，做代数拓扑学的学者自己比，国家或学校给同样的奖金或职称名额，让你们同行自己比，而不象现在要和其他方向、其他学科去分同一块蛋糕、一个碗里的粥。
有了一、二，你如果再心里不平衡，那就只能怪你自己了。
注1：图片来自于网络，无其它动机和目的。
注2：http://www.dam.brown.edu/AFOSR_MURI_2009.htm
https://blog.sciencenet.cn/blog-669170-630969.html
上一篇：关于科学研究中自然和人造的那些假定
下一篇：应用数学是坏数学吗？
