Pull to refresh

Нужно ли пытаться полюбить математику?

Reading time 6 min
Views 32K

Математика позволяет достигать успеха: запускать ракеты, обучать AI, и так далее. Самыми качественными кадрами считаются выпускники математических специальностей. Молодые работники, студенты и школьники, которые не идеально решают тренировочные задачи, часто комплексуют по этому поводу. Такие люди обычно переживают, что, если бы они могли полюбить и понять математику, то их жизнь изменилась бы к лучшему, но им этого, увы, "не дано".


Объясняю, почему переживать и насиловать себя не надо.



Говорят, что математика — царица и венец всех наук, что без математического мышления невозможно выжить и преуспеть, и что уметь в неё должен каждый. Математические задачки задают при поступлении в вузы и приёме на работу. Математику активно используют технологии, формирующие нашу жизнь — в инженерии, IT, финансах… Человек-математик — это супергерой нашего времени, который берётся за любые задачи, решает все проблемы, и спасает мир, когда никто другой этого не может.


Эта история начинается с младшей школы: все дети должны знать математику на хорошую оценку, а если это не так, то они проблемные или, возможно, просто глупые. Фразы "хорош в математике" и "очень умный" становятся почти взаимозаменяемые. По силе математического мышления судят о том, насколько вы способный и перспективный человек в целом. При этом, возможно, в школе вы боялись математику, но решали/списывали домашние задания, стиснув зубы, и не понимали, как этот страшный непонятный неинтересный предмет можно любить.


Когда школа давно осталась в прошлом, вы закончили вуз и даже устроились на нормальную работу, математическая лихорадка немножко отпускает. Но не до конца. Вы почитываете статейки на vc.ru и каналы в Телеграме про чьи-нибудь стартапы, основанные на новейших технологиях. И вы в фоновом режиме подумываете, что, если бы у вас были математические способности и образование, ваша жизнь могла бы быть лучше. Вы бы начали заниматься искусственным интеллектом/блокчейном/большими данными/алготрейдингом, основали бы стартап-"единорог" и изменили бы мир к лучшему. Но потом вы вспоминаете, что плохо складываете дроби в уме. Вы осознаёте, что слишком глупы для этого, или учились в гуманитарном классе, или пересдавали матан на первом курсе, или просто недостаточно любите математику… И вы принимаете эти ограничения, и, осознавая себя людьми второго сорта, со вздохом возвращаетесь к рутине. Может быть, вы даёте себе обещание выучить математику в следующем году (когда жизнь наладится), и всё равно возвращаетесь к этой унылой надоевшей вашей текущей работе.


Хотя математика и используется в самых различных профессиях и отраслях, она редко применяется явно. Конструкторы не решают диффуры — они вычисляют траекторию ракеты (и, может быть, используют для этого софт, который решает диффуры). Экономисты не приравнивают производные к нулю в поиске оптимального объема продаж — они глядят на чиселки в Excel, и выбирают вариант с наибольшей прогнозируемой прибылью (или NPV). Статистики не вычисляют $ (X^TX)^{-1}X^Ty $ на бумажке методом Гаусса — они пишут что-нибудь вроде np.linalg.lstsq(X, y), и тратят своё время на размышления, все ли нужные факторы они в X включили. Мы можем не замечать этого, но интеллектуальный труд уже почти полностью автоматизирован. Любое сложное уравнение компьютер решит за вас, если вы запустите правильную программу. Для любой задачи можно подобрать такой молоток, что она покажется вам всего лишь гвоздем.



Если вы хотите заниматься аналитической деятельностью, то умение работать с инструментами для вас гораздо важнее умения считать. "Работать с инструментами" значит:


  • адекватно поставить задачу;
  • найти подходящие для её решения инструменты и выбрать наилучший;
  • разобраться со спецификой работы этого инструмента и корректно применить его к задаче;
  • проверить результат на адекватность, и при необходимости переделать какие-то из предыдущих шагов — например, сменить инструмент.

Все эти шаги кажутся очевидными и основанными чисто на здравом смысле. Но оттачивается этот здравый смысл только практикой, и чем больше разных задач вы поставите, обеспечите инструментом, решите и проверите, тем лучше у вас будет это получаться.


К сожалению, и постановке задач, и поиску инструментов среди неизвестных, и быстрому освоению новых инструментов (хотя бы задаванию вопросов и чтению документации), и работе над ошибками на около-математических курсах часто не учат. Вместо этого дают уже готовую задачу (часто высосанную из пальца), и называют готовый инструмент (например, теорему, которую сейчас проходят), к которому уже есть инструкция по применению, и который гарантированно даст решение "на зачёт". Неудивительно, что в итоге математика кажется вам коллекцией абстракций, придуманных с единственной целью вынести вам мозг.


А какие вообще бывают инструменты? Кроме узконаправленных (софт для вычисления траектории, Excel, экосистема SciPy в Python, не менее важны и "метаинструменты": поисковые системы, справочники, форумы, электронные библиотеки. Например, на любой вопрос по программированию, который вы сможете придумать, уже ответили (почти наверное) на stackoverflow. Времена, когда можно было или нужно было "знать всё", закончились в прошлом веке; сейчас гораздо важнее "знать, где всё найти". Продвинутые образовательные учреждения и работодатели это понимают: например, на вступительные в Школу анализа данных можно приносить любую литературу, лишь бы вы смогли ей воспользоваться.


Может показаться, что отношение к математике как к инструментарию, а не как к святыне, унижает вас. Но на самом деле, чтобы быть "крутым, и как учёный", надо всего лишь заниматься правильными с лично вашей точки зрения и интересными задачами, и относиться к ним добросовестно. Если вы хотите заработать денег или изменить мир, займитесь сразу этим, а не математикой! В глазах людей вы станете "умным" и даже, может быть "математиком", но вам самим будет казаться, что в математике и вообще в жизни вы ничего не понимаете. Это нормально и нисколечко не стыдно. Можете успокаивать себя, что чем больше знание, тем больше граница незнания.


Глубоко прорабатывая принимаемые вами задачи, вы будете всё лучше понимать, чего вы хотите, до тех пор, пока не превратите это в алгоритм. Например, вам нужно привлечь через сайт побольше клиентов (задача). Повозившись с ней, вы разобьёте воронку продаж и приближенно оцените конверсию на каждом этапе, выберете узкие места, проведёте эксперименты, переберёте множество вариантов, и в итоге найдёте оптимальный способ эту конверсию повысить. Этот процесс конкретизации задачи и есть настоящая математика. А полученный в итоге алгоритм (например, формула, выбирающая, какую кнопку показать клиенту) — это не сама математика, а всего лишь её продукт.


Когда вы хотите добиться конкретной цели, вы используете все доступные средства, в том числе и математические. Если при этом вы сами не можете взять интеграл, то ищете помощника, задаёте вопрос на форуме, проводите численный эксперимент, заменяете задачу на более простую, покупаете более мощный компьютер — и у вас в итоге всё получается. Мотивированный человек не сидит и не рожает "идеальное" математическое решение, а ищет любое решение, удовлетворяющее его цели. Страх перед математикой возникает, когда вы думаете, что неумение решить задачку докажет миру, что вы глупые. Но если математика не является самоцелью, бояться нечего: можно читерить, можно списывать, можно перекладывать задачу на других или подбирать верное решение наугад. И никто вас за это не осудит (кроме тех, кто вам завидует).


Мне могут возразить школьники, которые зубрят математику, чтобы поступить в вуз, или студенты, которые ботают её, чтобы этот вуз закончить. Они могут заявить, что их цель — как раз-таки доказать, что они умны. Но в этой ситуации можно продолжить спрашивать "зачем". Зачем заканчивать вуз? Чтобы получить профессиональные компетенции. А можно ли получить их по-другому? Да, есть более прямые пути: онлайн-образование, платные курсы, репетиторство, стажировки, менторы, изучение чужих успешных решений из открытых источников… Там тоже может встретиться математика. Но вы по крайней мере будете понимать, что она нужна для дела, а не для демонстрации собственного достоинства, и будете относиться к ней не как к иконе, а как к полезному инструменту. В результате вы и избавите себя от муки учёбы, в которой не видите смысла, и быстрее достигнете конечной цели (трудоустройства).


Возможна и другая ситуация: вы осознаёте, что любите математику в лучших её проявлениях, но теорию всё равно понимаете плохо, она нагоняет на вас скуку. Тогда вам можно посоветовать:


  • лёгкие блоги про математику в жизни, от раздела n+1 до пабликов vk — там математику скармливают вам по ложечке и с вареньем;
  • разработку простеньких игр. Для создания даже минимального игрового мира (типа flappy bird) вам понадобится изрядное количество уравнений, и пока вы их придумаете и закодите, ваша интуиция рискует сильно прокачаться;
  • анализ данных. За последние год big data, AI, ML и вот это всё стало чуть ли не основным трендом и в бизнесе, и, как следствие, на рынке труда. Многие приходят в эту область, не зная математики, но умея программировать, и разбираются во всём по ходу дела. И, кажется, такая стратегия работает неплохо.

Выводы. Думаю, вы уже поняли, как я отвечаю на вопрос из заголовка этого текста: математику пытаться насильно полюбить не нужно. Потому что:


  1. Математики вокруг нас много, и это создаёт социальное давление: ваши успехи в математике становятся мерилом всей вашей личности, что, если подумать, абсурдно.
  2. Для решения практических задач глубокая математика обычно не нужна — достаточно здравого смысла в выборе инструментов.
  3. Когда вы занимаетесь интересными и полезными вещами, математика часто приходит к вам сама. Но уже не как болезненная самоцель, а как полезное средство для достижения ваших настоящих целей.

Не стесняйтесь заниматься тем, что вам нравится, и не принуждайте себя ко всему остальному.


Удачи вам!

Tags:
Hubs:
If this publication inspired you and you want to support the author, do not hesitate to click on the button
-5
Comments 70
Comments Comments 70

Articles