大家好我是带娃的IT创业者专注AI 大模型应用落地、Python 实战进阶与 AI 开发工具链。代表专栏《AI大模型应知应会短平快系列100篇》《解密OpenClaw》《解码意识NCTransformer》《WeClaw Agent实战》 创业路上用技术换时间欢迎关注我一起把 AI 变成生产力 汉娜·弗莱获得2026年利拉瓦蒂奖当数学走出象牙塔拥抱大众2026年国际数学联盟将利拉瓦蒂奖Leelavati Prize授予了剑桥大学数学家汉娜·弗莱Hannah Fry。这个奖项专门表彰在数学普及与公众传播领域做出杰出贡献的人士而弗莱的获奖在学术界和科技圈引发了广泛讨论——尤其是在Hacker News这样的技术社区里472个赞的热度说明了一切。利拉瓦蒂奖的名字源自12世纪印度数学家婆什迦罗二世的著作《利拉瓦蒂》Lilavati这本书用诗歌和故事讲述数学是古代数学普及的典范。而今天弗莱用播客、纪录片、TED演讲和畅销书把数学从学术期刊的象牙塔里带了出来送进了普通人的手机屏幕和耳机里。作为一名技术写作者我想借这个机会聊聊为什么数学传播如此重要以及我们这些开发者能从弗莱的“破圈”之道中学到什么。数学传播的困境我们为什么害怕数学先讲一个我自己的经历。几年前我在一家科技公司做技术分享讲完一个关于算法复杂度的主题后一位资深工程师私下跟我说“说实话我大学时最怕的就是数学课。现在写代码用到算法都是靠直觉和试错。”这太常见了。数学在很多人心中等同于“枯燥的公式”和“无意义的符号游戏”。我们从小接受的教育把数学变成了一门需要死记硬背的学科——记住公式套用模板应付考试。至于这些公式从哪里来、为什么有用、背后有什么故事没人告诉我们。弗莱的传播工作之所以有效恰恰是因为她反其道而行之。她讲数学从来不是从公式出发而是从问题出发。比如她在BBC纪录片《The Joy of Logic》里讲布尔代数不是先讲“与或非”的真值表而是从“如何用逻辑电路设计一台能下棋的机器”讲起。当观众被问题吸引住数学工具就成了解决问题的“神器”而不是需要背诵的负担。这种叙事方式其实和优秀的编程教学是相通的。好的技术博客不会先讲语法而是先讲“我要做一个什么功能遇到什么坑最后怎么解决”。数学传播和技术传播本质上是同一件事把抽象的知识翻译成具体的、有温度的人类经验。从弗莱的方法论看技术写作的三个核心技巧弗莱的传播策略我认为可以提炼成三个关键词故事化、可视化、去权威化。故事化让数据说话不如让人说话弗莱最著名的演讲之一是TED上的《数学与犯罪的关系》。她并没有罗列一堆犯罪统计数字而是讲了一个故事她如何用数学建模帮助伦敦警方分析犯罪热点。故事里有具体的案件、警方的困惑、数据的局限甚至还有她个人的反思——用数学预测犯罪是否涉及伦理问题。这种叙事结构比单纯的“支持向量机在犯罪预测中的应用”要有效得多。因为人的大脑天生对故事敏感对抽象概念迟钝。一个关于“算法如何影响真实人生”的故事比一百页数学推导更能让人理解算法的力量。我写技术博客时也尽量遵循这个原则。比如讲分布式系统的一致性与其罗列CAP定理的三种组合不如讲一个“电商网站双十一崩溃”的故事从用户点击“购买”按钮的那一刻开始追踪数据经历了哪些节点、哪些失败、哪些妥协。可视化把抽象变成眼睛能看见的东西弗莱在解释复杂的数学模型时非常依赖可视化。她的团队做过一个项目用动态图表展示伦敦通勤者的移动轨迹那些密密麻麻的线条在屏幕上流动瞬间让人理解了“城市是一个复杂的动态系统”这句话的含义。对于开发者来说可视化同样是理解复杂系统的利器。比如调试性能问题时与其盯着日志里的毫秒数字不如生成火焰图Flame Graph一眼就能看出哪个函数是性能瓶颈。再比如理解神经网络的结构与其看层与层的参数定义不如用TensorBoard把计算图可视化出来直观地看到数据如何流动、梯度如何消失。工具方面当前主流的可视化方案包括Python生态的Matplotlib、Plotly前端领域的D3.js、ECharts以及专门用于深度学习可视化的Weights Biases。选择什么工具不重要重要的是养成“先可视化再下结论”的习惯。去权威化承认无知反而更有说服力弗莱在演讲中经常说“我不知道”“这个模型失败了”“我之前的预测错了”。这种坦诚在学术界其实不太常见——学者们习惯用严谨的措辞掩盖不确定性。但弗莱的反其道而行之反而赢得了观众的信任。这让我想到技术写作中的一个常见误区作者喜欢摆出“权威”的姿态用绝对的口吻下结论。比如“这样做就是最优解”“这个框架完胜其他所有方案”。但事实上技术领域没有银弹。一个诚实的作者应该承认自己方案的局限性承认某些场景下其他方案可能更合适。比如我在写关于微服务架构的文章时会明确说明微服务不是万能的对于小型团队或简单业务单体架构反而更高效。这种“有条件的推荐”比“微服务是未来”这种口号式标题更能帮助读者做出正确的技术决策。数学思维对程序员的真正价值弗莱的获奖让我重新思考一个问题为什么程序员需要关注数学传播很多人认为写业务代码用不到高深的数学。这没错但数学思维——而不是数学公式——对编程的影响是深远的。抽象能力是数学的核心也是编程的核心。数学家把具体问题抽象成符号和结构程序员把现实需求抽象成类和函数。弗莱在解释数学时总是强调“找到问题的本质结构”这正是软件架构设计的精髓。逻辑严密性同样来自数学训练。弗莱在分析数据时会反复追问这个结论的假设是什么样本是否有偏相关性能推导出因果性吗这种批判性思维在代码审查、系统设计、需求分析中同样至关重要。容错心态是数学和编程的共性。弗莱在传播数学时经常强调“错误是理解的一部分”。数学家在证明定理时会经历无数次失败的尝试。程序员调试代码时也必然要面对数不清的报错。接受失败、从错误中学习这种心态在数学和编程中都是稀缺品。我们每个人都能成为传播者利拉瓦蒂奖表彰的是像弗莱这样的“专业传播者”但我想说的是每个开发者都有做技术传播的潜力。你写的每一篇博客、做的每一次技术分享、甚至回复的每一个Stack Overflow答案都是在传播知识。从弗莱身上我们可以学到传播的几个基本原则第一从受众出发而不是从自己出发。写文章前先问读者是谁他们关心什么我的内容能解决他们的什么痛点而不是“我想写什么”。第二用具体案例代替抽象概念。与其解释“缓存穿透”的定义不如讲一个“某电商网站因为缓存穿透导致数据库崩溃”的真实案例。第三拥抱不确定性。承认技术的局限性和适用场景反而能建立更持久的信任。第四保持热情。弗莱对数学的热情是感染力的来源。如果你对技术没有热情写出来的东西再正确也是干瘪的。回到汉娜·弗莱的获奖。利拉瓦蒂奖的意义不仅仅在于奖励一个人更在于向世界宣告数学不是少数人的智力游戏它是属于全人类的理解世界的工具。同样的编程也不是少数工程师的专属技能它是这个数字时代的基本素养。作为技术写作者我们的使命和弗莱一样打破知识的围墙让技术的光芒照亮更多的人。也许我们不会获得国际大奖但每一次真诚的分享都在让这个世界变得更好理解一点。这就是传播的力量。