7.2 布朗運動與隨機過程（Stochastic Process）#
1827 年：植物學家看到的一團亂#
布朗（Robert Brown）用顯微鏡觀察花粉粒懸浮在水中，發現微粒永不停歇地做無規則運動。他排除了「生命現象」（用一百年前的炭粉也一樣），但無法解釋。此後八十年，這個現象成為原子論的懸案：如果水是連續介質，微粒為何亂動？如果水由分子組成，撞擊為什麼不平均掉？
愛因斯坦 1905：用統計終結爭論#
1905 年的「奇蹟年」，愛因斯坦同時發表了三項工作：狹義相對論、光電效應（光量子的證據）、以及布朗運動理論。後者看似最不起眼，卻是原子實在性的判決書。
他的論證分三步：
1. 擴散方程。懸浮粒子的密度 \(n(x, t)\) 滿足：
2. 微觀推導。假設每 \(\tau\) 時間粒子隨機跳動一步（位移 \(\Delta\)），密度演化給出擴散係數：
3. 與熱力學掛鉤。用滲透壓 + 膠體粒子在重力下的平衡分布（分子動力學 + 阿伏伽德羅常數），得：
其中 \(\eta\) 是液體黏度，\(a\) 是粒子半徑。全部是可測量：給定溫度、黏度、粒徑，就能預測擴散速率；反過來，測擴散就能算出亞佛加厥常數——也就是「一摩尔裡有多少個原子」。
1908–09 年，佩蘭（Jean Perrin）的實驗（顯微鏡逐粒追蹤膠體）完全證實愛因斯坦公式，測得 \(N_A\)。原子論獲得實驗判決，佩蘭獲 1926 年諾貝爾獎。奧斯特瓦爾德（唯能論領袖）隨即承認原子實在——玻茲曼若能看到這一天……
隨機過程：把「亂走」變成數學對象#
愛因斯坦—斯莫魯霍夫斯基的布朗運動理論，在 1920s 被數學家（維納 Norbert Wiener）公理化為維納過程 \(W_t\)：
- \(W_0 = 0\)
- 增量獨立：\(W_t - W_s\) 與過去無關
- 增量是常態分布：\(W_t - W_s \sim N(0, t - s)\)
- 軌跡連續但處處不可微——與魏爾斯特拉斯的病態函數呼應，但這次它描述的是物理實在
粒子位置滿足朗之萬方程（Langevin, 1908）：
其中 \(\xi(t)\) 是隨機力（分子撞擊）。這是隨機微分方程（SDE）的起點：微分方程 + 噪聲項。伊藤清（Kiyosi Itô, 1940s）建立了 SDE 的嚴格微積分（伊藤引理）——注意：這位日本數學家的工作誕生於二戰期間相對隔絕的東京，戰後經由貝爾實驗室（用於電路噪聲）進入主流，最終成為金融數學的官方語言。
黑—斯科爾斯：熵的遠房子孫如何統治華爾街#
1973 年 Black–Scholes 選擇權定價公式，數學骨架完全來自布朗運動：
這條公式開創了衍生性金融商品市場（選擇權交易量爆炸）→ 1997 年諾貝爾經濟學獎 → 1998 年 LTCM 長期資本管理公司崩盤（用同類模型槓桿豪賭，聯準會出面協調救助）→ 2008 年金融海嘯的爭議背景（信用商品定價同樣依賴高斯隨機假設）。
數學模型的政治經濟學教訓：當一條公式成為整個產業的定價標準，它對「現實偏差」的盲點會被槓桿放大成系統性風險。布朗運動假設了漲跌互相獨立，而金融恐慌是高度相關的——這正是模型的社會生命週期中，人們忘記假設條件的時刻。
隨機過程的現代版圖#
| 應用 | 模型 |
|---|---|
| 物理化學 | 擴散、反應動力學 |
| 生物學 | 神經元放電（Leaky Integrate-and-Fire）、族群遺傳漂變（Wright–Fisher） |
| 疫情 | 隨機 SIR、超級傳播者事件 |
| 機器學習 | 隨機梯度下降（SGD）——訓練神經網路的核心演算法就是離散化的朗之萬動力學；擴散模型（Stable Diffusion、Midjourney 背後的圖像生成）= 學習逆轉一個布朗運動 |
| 蒙地卡羅方法 | 曼哈頓計畫（von Neumann、Ulam）為中子擴散而發明，今日是金融風控與圖形渲染（光線追蹤）的基礎 |
擴散模型的直覺：往圖片上加噪聲就像讓墨滴擴散（熵增、可預測）；AI 生成圖像就是學會「熵減的方向」——從噪聲一步步反推回清晰影像。克勞修斯的熵與你的 AI 繪圖，是一條數學血脈的兩端。
小結#
- 布朗運動：物理懸案（原子是否存在）→ 統計論證（愛因斯坦 1905）→ 實驗判決（佩蘭）
- 數學成果：維納過程、伊藤積分——「隨機性」成為可計算的對象
- 應用鏈：原子論 → 電路噪聲 → 選擇權定價 → SGD 與擴散模型
- 一貫主題：微觀的混亂，在統計上產生宏觀的規律；而寫下這個規律的語言，就是機率與微積分的合體