作者背景#

吳軍，畢業於清華大學與約翰霍普金斯大學，計算機科學博士。他曾在 Google 擔任資深研究員，參與了 Google 搜尋引擎反作弊、中日韓搜尋算法等核心項目的開發，後任騰訊副總裁。吳軍也是約翰霍普金斯大學工學院董事會成員，著有《浪潮之巔》《文明之光》《智能時代》等多部暢銷作品。他的獨特之處在於兼具學術研究深度與工業界實踐經驗，能將抽象數學原理與工程應用無縫連接。

完整摘要#

本書的核心命題是：現代資訊技術的每一個重大突破背後，都有一個優美的數學模型。全書從語言與信息的本質出發，經由統計語言模型、隱馬爾可夫模型（HMM）、信息熵等數學工具，展示數學如何驅動自然語言處理（NLP）從規則型到統計型的範式轉變。

書中詳細講解了搜尋引擎的數學基礎：布爾代數構成搜索索引的邏輯基礎，圖論支撐網絡爬蟲的設計，PageRank 算法將網頁排名轉化為矩陣迭代問題，TF-IDF 用詞頻與逆文檔頻率衡量詞的重要性，餘弦定理實現文本相似度計算。每個技術點都配合 Google 的實際應用場景說明。

在密碼學與信息安全方面，書中從費馬小定理推導 RSA 算法，介紹 Diffie-Hellman 密鑰交換協議，並講解信息指紋（MD5/SHA-1）和 Bloom Filter 的原理。在機器學習領域，涵蓋了最大熵模型、EM 算法、Logistic 迴歸、貝葉斯網絡、條件隨機場（CRF）等關鍵技術，並延伸到深度學習與區塊鏈的數學基礎。

全書穿插了大量人物故事——Shannon、Jelinek、Viterbi、Knuth、Hedy Lamarr 等——讓數學公式有了人性溫度。最後以計算的極限（圖靈機、不可判定性、P vs. NP）作結，劃定了數學與計算能力的邊界。

本書的貢獻與定位#

本書填補了數學科普與工程實踐之間的空白。多數數學科普書停留在概念層面，而工程教材又過於乾燥，吳軍以 Google 的第一手經驗作為橋梁，讓讀者看到數學公式在億級用戶產品中的具體運作方式。與同類書籍相比，本書的獨特優勢在於覆蓋面極廣（從信息論到密碼學到機器學習），且每個主題都落地到工程應用。適合有一定數學基礎的工程師、對搜尋引擎和 NLP 技術原理好奇的讀者。