醉漢能回家，醉鳥卻迷路？

發表於 2026-05-182026-05-18By Readmoo編輯團隊雜誌精選

作者
最新文章

Readmoo編輯團隊

閱讀最前線編輯群。

文／莫塔（Jack Murtagh）；譯／畢馨云

數學證明，一個人在平面上持續隨機漫步，終會回到起點。

100多年前，匈牙利數學家波利亞（George Pólya）發現自己陷入尷尬社交場面的迴圈。這位蘇黎士瑞士聯邦理工學院的教授很喜歡獨自在城外的樹林裡散步，有一次他遇到自己的學生和學生的未婚妻。隔了一段時間，他又在隨意閒逛時與他們不期而遇，後來又接二連三地再度遇到。

波利亞把這段經歷寫在1970年出版的《數學的發現》（Mathematical Discovery）中，文中提到：「我不記得（我們偶遇）多少次，但確實非常頻繁地讓我覺得很尷尬，就好像我到處窺探他們，但我發誓，我沒有。」

為了澄清自己不是跟蹤狂的嫌疑，波利亞做了一件任何優秀數學家都會做的事：把問題推廣到更一般的情形。他想知道，從數學的觀點，兩位隨意走動的漫步者，是否命中註定會相遇？最初，為了簡化問題，他只考慮了無限方格紙上的單一漫步者。這位漫步者每一秒都會隨機選一個方向，每一次的選擇都與先前幾步無關。波利亞想找出漫步者回到起點的機率。結果發現這道問題的答案等價於：同一起點出發的兩位漫步者再次相遇的機率。他還發現，如果就這樣永遠漫步下去，漫步者終究會回到起點。

這答案不但還他清白，也讓我們看到隨機過程的規則與實際空間的影響，兩者有本質上的差異。波利亞的計算結果顯示，隨機漫步者在二維平面上（例如一塊林地）註定會回到原地，但在三維空間中，則很可能永遠不會返回起點。這概念也廣泛應用在化學和生物學領域，甚至可以解釋某些分子如何高效地在細胞表面找到相應的受體。

美國數學家杜雷特（Richard Durrett）於2019年出版的《機率：理論與實例》（Probability: Theory and Examples）第五版中，提到日裔美國數學家角谷靜夫（Shizuo Kakutani）用一句俏皮話來概括這個隨機漫步（random walk）的定理：「醉漢終究會找到回家的路，但醉鳥可能永遠迷失方向。」

二維 vs. 三維

角谷靜夫指的「醉鳥」並不是狂嘯的鵟鷹，而是在三維方格（不妨想像為一座攀爬架）上隨機移動的過程。這隻「鳥」每一秒都會從東、西、南、北、上、下這六個方向中隨機選出一個方向，且每一次的選擇都與過去無關。波利亞證明，如果你在一座無限延伸的二維方格城市中，永不停歇地隨機漫步，你一定會回到起點，而且還會走過方格上的每個點無限多次。然而，如果你在一個無限大的攀爬架上做同樣的事，則有將近66%的機率回不到起點。也就是說，在攀爬架上隨意攀爬的兩個人可能永遠不會相遇，但在平面上漫步的兩個人必定可以重逢無限多次。所以波利亞並非缺乏社交風度；他只是少了可供閃避的第三個維度。

零和賭局，見好就收

使是一維的隨機漫步，其結果就如同二維的情境，而且能解釋現實世界的狀況。假設你口袋塞了500美元就走進賭場，有張賭桌公告的賠率是50/50（比摩洛哥蒙地卡羅賭場的賠率還要高）。如果不停賭下去，不管用什麼下注策略，到最後你都會輸光；因為這種賭局可以數線（一維）上的隨機漫步模擬。從500美元開始，每賭完一把，你在數線上左移（輸錢）或右移（贏錢）的機會都相等。波利亞告訴我們，這種情況如同在二維方格上漫步，只要賭得夠久，必定會走遍整條數線，其中當然包括0這個數字，一旦走到0就代表你把500美元輸光了。數學家稱此為「賭徒破產」（gambler’s ruin），這也解釋了為什麼數學家總會建議在賭局上見好就收，或是最好根本就不要賭。

為什麼隨機漫步的性質從二維到三維空間會突然丕變？三維空間當然比二維空間提供更大活動空間，但單憑這一點無法充份解釋這種轉變，畢竟二維提供的空間比一維多，兩者卻表現出同樣的模式。

空間越大越難相遇

如果你走了有限次步數（我們稱為t步）的隨機漫步，偏離起點的距離通常不會超過√t。舉例來說，隨機漫步100步之後，大多數人都會走到偏離起點才10（即√100步的範圍內。直觀的想法是，隨機漫步往往會在起點附近徘徊，因為每一次的選擇可能會互相抵消（例如先往東走一步，之後又向西走一步，實際上等於沒走半步）。從數學的角度來說√t，等於隨機漫步t步後，偏離起點距離的標準差（衡量一組數值分散程度的統計量）。

換句話說，如果號召許多漫步者都從同一位置開始獨自行走，走了t步後，他們與起點的距離分佈圖看起來就會像一條以原點為中心、標準差為√t的鐘形曲線。如果你學過統計學，不妨試著推導一維情況的標準差。

維度決定探訪半徑

這個√t分佈模式在所有維度都成立，這是波利亞定理的關鍵，可以把它想成漫步者走了t步之後，能夠探訪當地區域的半徑。這個區域半徑在不同的維度，有不同的涵義，因為維度會決定我們討論的是長度、面積還是體積。半徑√t的線段，探訪長度即為√t；半徑√t的圓，探訪面積是t的倍數（圓面積與半徑的平方成正比）；半徑√t的球，探訪體積是t1.5的倍數（球體積與半徑的立方成正比）。

但不管是在幾個維度的空間，漫步者走t步後，最多只會走過t個位置。在一維中，步數超過探訪區域的大小（t >√t），導致漫步者會不斷重複走回頭路。在二維中，步數與探訪區域大小相符（t = t），所以漫步者最終可以走遍所有方格，儘管只是足跡相當稀疏地覆蓋整個空間。但在三維中，步數比探訪區域小非常多（t < t1.5），導致大部份的位置都沒走過，也不大可能再次走回起點。

分子的降維打擊

當然，現實世界很少有完美的方格，鳥兒也不會每次振翅時都擲硬幣決定要往哪裡飛，不過，二維和三維空間漫步的這種差異，在自然科學領域有出乎意料的實質影響。有個很有說服力的例子，與化學物質在人體內的反應有關。研究人員常常會利用隨機漫步，模擬分子在別種物質中的擴散行為。例如某種激素在細胞表面要與特定受體結合，因為沒有歸巢機制（homing mechanism），所以這種反應要靠「偶遇」才會發生。

換句話說，這種激素會在細胞周圍的三維液態環境中「漫步」，直到遇見它的目標受體為止。

然而，現實世界中，許多分子會先附著在細胞膜上的任一位置，一旦附著上細胞膜，分子就會沿著細胞膜的二維表面滑動，直到遇見它們的目標受體才安分下來。這種降低維度的方式，會把緩慢的三維漫步轉變成較有效率的二維漫步。

下一次，當你遇到總想躲開的人時，可以把這次偶遇當作是深刻的數學見解。這比躲在樹的後面好多了。