Вас учили считать и называли это математикой. Настоящая математика дает гораздо больше

У многих математика осталась в памяти как набор механических действий: раскрыть скобки, решить уравнение, подставить числа в формулу, получить ответ и перейти к следующей задаче.

Из-за этого легко решить, что математика сводится к вычислениям.

Но арифметика и школьные алгоритмы — только инструменты. Математика в более широком смысле занимается структурами, закономерностями, доказательствами, неопределенностью и отношениями между объектами.

Именно поэтому она лежит в основе физики, программирования, криптографии, статистики, экономики и современного машинного обучения.

Разберем шесть идей, которые показывают математику совсем с другой стороны.

Одна из самых странных особенностей математики состоит в том, насколько хорошо абстрактные конструкции совпадают с устройством физического мира.

Человек определяет математический объект, изучает его свойства без какой-либо практической цели, а спустя десятилетия оказывается, что эта теория идеально подходит для описания реального явления.

Комплексные числа когда-то казались почти искусственной конструкцией. Сегодня без них сложно представить электротехнику, обработку сигналов и квантовую механику.

Неевклидова геометрия появилась как исследование того, что произойдет, если изменить один из постулатов Евклида. Позже геометрия искривленного пространства стала фундаментальной частью общей теории относительности.

Теория чисел столетиями считалась образцом «чистой» математики. Теперь ее идеи используются в криптографии.

Физик Юджин Вигнер в 1960 году назвал этот феномен «непостижимой эффективностью математики в естественных науках».

Почему математические структуры настолько хорошо совпадают со структурами природы — вопрос, на который до сих пор нет единственного ответа.

Облако не похоже на сферу. Береговая линия не является гладкой кривой. Дерево не строится из идеальных цилиндров.

Реальность неровная.

Но отсутствие простых геометрических форм еще не означает отсутствие структуры.

Хороший пример — фрактальная геометрия. Некоторые сложные формы обладают похожей структурой на разных масштабах. Чем ближе рассматриваешь объект, тем больше новых деталей появляется.

Подобный подход встречается далеко за пределами геометрии.

Последовательность простых чисел на первый взгляд выглядит нерегулярной, но математики обнаруживают в ней глубокие закономерности. Миллионы отдельных действий участников рынка превращаются в статистические распределения. Движение огромного числа молекул газа описывается сравнительно компактными законами.

Один из основных навыков математического мышления можно сформулировать так:

увидеть множество отдельных событий и попытаться найти структуру, которая их связывает.

Это ровно то, чем постоянно занимаются аналитики данных и исследователи машинного обучения.

В обычной жизни мы постоянно работаем с вероятностями.

Эксперимент может подтвердить гипотезу. Новые данные способны ее изменить. Даже очень сильная научная теория остается открытой для проверки.

Математическое доказательство устроено иначе.

Более двух тысяч лет назад Евклид доказал, что простых чисел бесконечно много. Новые компьютеры, телескопы или эксперименты этого результата не отменят.

Если исходные предпосылки приняты, а каждый логический переход корректен, заключение следует из них с необходимостью.

Поэтому изучение доказательств тренирует полезную привычку:

«Звучит убедительно» и «логически следует из предпосылок» — разные вещи.

Сегодня это особенно важно.

График можно подобрать. Корреляцию можно представить как причинность. Статистику можно показать без базового уровня. Уверенная формулировка может скрывать слабый аргумент.

Математическое мышление заставляет задавать следующий вопрос: почему из этих данных следует именно этот вывод?

Одна из самых красивых областей математики начинается там, где перестает работать бытовая интуиция.

Возьмем натуральные числа:

1, 2, 3, 4, 5...

Их бесконечно много.

Между 0 и 1 тоже бесконечно много действительных чисел.

Можно предположить, что обе бесконечности одинаковы. Но Георг Кантор показал: множество действительных чисел несчетно и в строгом математическом смысле имеет большую мощность, чем множество натуральных чисел.

Получается странная вещь:

одна бесконечность может быть больше другой.

Кантор разработал математический аппарат, позволяющий рассуждать об этом строго, а не философски.

И это хороший пример того, зачем вообще нужна высшая математика. Она позволяет работать с объектами, для которых человеческая интуиция практически бесполезна.

Математика сильна не только там, где ответ известен точно.

Вероятность позволяет рассуждать о событиях, исход которых неизвестен.

Допустим, медицинский тест имеет высокую точность и показывает положительный результат. Значит ли это, что вероятность заболевания почти 100%?

Не обязательно.

Нужно учитывать распространенность заболевания, вероятность ложноположительного результата и другую информацию. Именно здесь появляется байесовское мышление: новая информация должна обновлять оценку вероятности, а не автоматически превращать ее в уверенность.

Еще дальше пошла теория информации.

В XX веке Клод Шеннон показал, что информацию можно рассматривать математически. Сообщения имеют измеримое количество информации, а каналы связи — предел пропускной способности при наличии шума.

Из этой идеи выросла значительная часть современной цифровой инфраструктуры: кодирование, передача данных, сжатие и связь.

И те же математические идеи сегодня постоянно встречаются в машинном обучении: вероятность, энтропия, распределения, оптимизация.

Самый полезный результат изучения математики — далеко не способность быстрее считать в уме.

Меняется сам набор вопросов.

Вместо:

«Что здесь происходит?»

появляются:

«Какие переменные здесь важны?» «Что остается неизменным?» «Есть ли закономерность?» «Это корреляция или причинность?» «Насколько вероятен такой результат случайно?» «Из предпосылок действительно следует вывод?» «Можно ли построить модель?»

Программист узнает здесь абстракции и алгоритмы. Аналитик — статистические модели. ML-инженер — оптимизацию и вероятность. Финансист — риск и ожидаемое значение.

Области разные, математический способ мышления во многом общий.

Школьные вычисления нужны. Без умения обращаться с числами и символами сложно перейти дальше.

Проблема возникает, когда строительные леса принимают за само здание.

За вычислениями находится гораздо более интересный предмет:

логика учит строить корректные выводы; теория вероятностей — рассуждать при недостатке информации; статистика — извлекать сигнал из данных; линейная алгебра — работать с пространствами и преобразованиями; матанализ — описывать изменение; дискретная математика — исследовать конечные структуры и алгоритмы; теория графов — изучать связи и сети; теория информации — измерять информацию.

И здесь становится понятно, почему математика внезапно появляется почти везде: от движения планет до нейросетей.

Старые доски, исписанные формулами, легко воспринимать как стену из непонятных символов.

Но символы — лишь запись.

За ними скрывается попытка сделать очень человеческую вещь: найти структуру в сложном мире и научиться рассуждать о ней так, чтобы вывод можно было проверить.

Арифметика учит считать.

Математика учит видеть закономерности, работать с неопределенностью, отличать доказательство от впечатления и превращать сложную проблему в модель, которую уже можно исследовать.

И вот эта часть действительно похожа на суперспособность.