从航天到AI：为什么计算机也会“算错”？——开源教学包带你深入数值陷阱

你是否遇到过：数学上收敛于6的迭代，程序却稳定输出100？一个简单的多项式，计算结果与真实值相差10²¹倍？大模型在基础数学运算上频频出错？
这不是代码bug，而是浮点计算的误差被放大所致。

一、问题的严重性：从“蝴蝶效应”到航天痛点

上世纪60年代，气象学家洛伦兹在计算机上进行天气模拟时，将 0.506127 四舍五入为 0.506，这个微小的舍入误差，却导致长期天气预报结果截然不同。他由此提出了“蝴蝶效应”——初始条件的微小变化，可能导致系统长期行为的巨大偏离。

这一发现，本质上揭示了数值计算中初始舍入误差被迭代放大的灾难性后果。然而，从洛伦兹的发现至今已近七十年，这一问题在工程实践中仍未得到根本解决。根据《中国科学：技术科学》（2015，探月三期专辑）的总结，误差问题是影响航天嵌入式软件可信的十大核心问题之一。

虽然这一问题是航天领域的公认痛点，但它同样存在于科学计算、人工智能、金融建模、工业仿真等广泛领域。在这些领域的关键场景中，看似微小的浮点舍入误差，同样可能通过迭代或病态表达式被指数放大，导致软件输出“逻辑正确但结果完全错误”。

二、三个层面的数值陷阱

数值计算的不稳定性并非偶发，而是存在于从底层到顶层的三个层次：

🔢 第一层：底层数学库函数的精度偏差

标准数学库函数（包括幂指数函数、三角/反三角函数、对数函数等）中，许多函数的结果都存在不可忽视的误差。例如：

• 对于 exp(x)，若 x 有几位整数，其结果中往往就有几位错误数字；
• 有些问题本身要求输入具有较高精度，这时误差可能极大（如 cos(39.2699082)，其输出中的错误数字超过一半）；
• 当输入极大或极小时，甚至可能完全错误（如符号相反）。

这意味着，即使是最基础的数学运算，也可能在用户毫不知情的情况下给出错误结果。

🧪 第二层：算术表达式的错误计算

即使是看似简单的多项式，计算机也可能算错。例如，考虑以下表达式：
$$674575\times 123^{12}-82972725\times 123^{11}-117\times 123^2+1770329.46$$
其数学精确值为 236.46。然而，在双精度浮点下计算，得到的结果却是 1.1259E+15——完全错误，量级相差 10¹³。表达式仅含乘法和加减法，却因大数相消导致彻底失效。

🔁 第三层：循环迭代的误差指数放大

考虑一个简单的迭代：
$$\{\begin{array}{ll}{y}_1=234.56& \\ y_n=12345\times \sin (y_{n-1}),& n\ge 2\end{array}$$
迭代 5 次后，数学精确值约为 -7053。然而，在任何使用双精度浮点数的软件（如 Excel、Python、C 等）中计算，得到的结果都是约 12199——符号完全相反，数值也相差甚远。微小的舍入误差在迭代中被逐次放大，导致结果彻底偏离理论。

三、教学包简介

《可信软件中的数值计算陷阱与验证实验包》是一个面向软件工程、AI开发者的开源教学资源，从上述三个层次揭示数值计算的可信性问题。

项目地址：https://gitee.com/verified-numerics/verified-numerics

教学包特色

• 完整讲义：每个实验都有详细的 handout.md，包含理论讲解、案例分析和思考题
• 可运行代码：提供 Python 演示脚本，学生可直接运行验证
• 参考答案：所有思考题和探究任务都有参考答案
• 可信验证工具：集成 ISReal 在线服务，可对比普通浮点结果与可信结果

适用人群

• 软件工程、计算机科学与技术专业师生
• AI 算法工程师、算子开发者
• 对数值计算可信性感兴趣的研究者
• 航天、金融等安全攸关领域的软件工程师

四、教学包内容概览

五、快速开始

无需克隆整个仓库，你可以直接在线浏览核心文档：

• 项目总览 README —— 完整介绍、实验概览、使用指南
• 实验0：数学库函数 —— 揭示 exp(x)、sin(x)、pow(x,y) 等的精度偏差
• 实验一：Rump 函数 —— 展示大数相消导致的灾难性错误
• 实验二：循环迭代 —— 演示微小误差如何被指数放大

如果你想本地运行代码，可以克隆仓库：

git clone https://gitee.com/verified-numerics/verified-numerics.git

六、延伸资源

教学包还包含以下进阶文档：

• 面向AI工程师的数值计算指南 —— 深度学习中的数值陷阱
• 大模型数值计算失败案例集 —— 大模型在基础数学运算上的错误实证
• 从“猜精度”到“保正确”：论误差可控计算的必要性 —— 传统高精度库的系统性缺陷
• 历史上因数值计算错误引发的灾难与事件 —— 从洛伦兹到爱国者导弹

七、结语

数值计算的可信性是软件可靠性的重要基石。在软件定义一切的今天，让软件工程师掌握误差分析、具备可信计算意识，已刻不容缓。

本教学包已完成开发，欢迎高校教师试用，也期待收到宝贵的反馈意见！

项目地址：https://gitee.com/verified-numerics/verified-numerics

💡 教学使命：让学生从“玩具案例”理解“航天级风险”，培养编写不仅正确、而且可信的软件的能力。