Всё гениальное просто

Сохраняй посты, комментируй и ставь оценки
Когда математика реально ломает мозг?
Когда изучают сложение и вычитание?
Явно нет. Уверен, что многие вспомнят счёт с помощью палочек. Физических. Сюда добавить. Отсюда убрать. Это просто. Это область натуральных чисел.
Далее приходит умножение. Помните такую?… Шестью восемь есть сорок восемь. А восемью шесть?… 🤭
И тут появляется деление. Возникают рациональные числа. Дроби. 1/6, 2/3, …
Это ещё ладно. Вверху натуральное число. Внизу тоже. Как-то можно жить.
Дальше сложнее. Вещественные (реальные) числа. π есть много где. е тем более. φ не отстаёт. Корни разной степени. С определённой погрешностью, удобоваримо.
Но самое мозговыносящее - комплексные числа, которые в реальном мире не существуют, но позволяют решать математические задачи, которые невозможно решить с помощью вещественных чисел. При этом результат будет так же обычным вещественным.
Хоба!

В начале этого года 23-летний человек без формального математического образования попал в новости, заявив, что с помощью ChatGPT от OpenAI решил одну из "проблем Эрдёша". Так называют базу сложных гипотез, оставленных венгерским математиком Палом Эрдёшем.
Месяцем позже учёные были удивлены, когда OpenAI сообщила, что её ИИ опроверг 80-летнюю гипотезу о "единичных расстояниях", тоже сформулированную Эрдёшем.
Тогда OpenAI заявила:
Это первый случай, когда ИИ самостоятельно решил заметную открытую проблему, центральную для целой области математики.
Однако вопрос о том, действительно ли передовые модели вроде ChatGPT совершают прорыв в решении задач, десятилетиями мучивших математиков, остаётся предметом жарких споров.
Пожалуй, самым резким публичным ответом стала новая декларация, подписанная более чем 150 специалистами по математике со всего мира. Документ призывает правительства не верить шумихе вокруг способностей ИИ решать сложные математические задачи и охлаждает разговоры о революции в дисциплине. Декларацию подготовили исследователи из пятнадцати университетов, а одобрение ей дал Международный математический союз.

В сопроводительном заявлении к 11-страничной "Лейденской декларации об ИИ и математике" вице-президент Международного математического союза Ульрике Тильман (Ulrike Tillmann) отметила, что ИИ "поднимает вопросы, которые нельзя оставлять без внимания".
Тильман сказала:
Будущее математических исследований должно определяться человеческим суждением, честными и прозрачными практиками, а также общими ценностями мирового математического сообщества.
А в тексте сказано:
В настоящее время у технологической индустрии есть сильный коммерческий стимул преувеличивать возможности своих продуктов.
Авторы советуют политикам "консультироваться с экспертами, включая математиков, при формировании политических решений, а не полагаться на пресс-релизы или популярные пересказы математических результатов".
Также беспокойство вызывает то, что модели способны выдавать убедительные на вид, но несостоятельные решения. Подписант декларации и глава факультета компьютерных наук Оксфордского университета Лесли Энн Голдберг говорит:
Нынешние автоматизированные методы могут порождать правдоподобные, но ненадёжные или даже неверные рассуждения, которые трудно отличить от корректных математических доказательств. Это серьёзная проблема, ведь исследования в математике почти всегда опираются на предыдущие работы, и учёным крайне важно знать, что результаты в литературе верны.
Документ также описал шаткое положение академической среды. Привлекать новое финансирование стало сложно, тогда как интерес к ИИ растёт, и это нередко вынуждает исследователей поддерживать технологию любой ценой.
Мы признаём, что индустрия предложила прибыльные рабочие места, денежные вознаграждения, вычислительные ресурсы и интеллектуально стимулирующие возможности, которые некоторые математики сочли привлекательными. Это происходит в эпоху недофинансирования высшего образования и нестабильной академической занятости.
Среди причин для регуляторного надзора авторы назвали и доводы за пределами математики, указав на участие ИИ-индустрии в военных программах и системах массового слежения, на технологии, распространяющие дезинформацию и подрывающие демократию, а также на ущерб окружающей среде.
Беспокоит и то, что модели обучают на передовых исследованиях, часто без согласия их создателей.
А помогавший составлять декларацию антрополог ИИ из Лейденского университета Родриго Очигаме сказал:
Математики, которые никогда не собирались участвовать в разработке ИИ, видят, как их труд используют для этой цели без их согласия. Считаю, что это глубоко вызывающая беспокойство ситуация.
Давно его не видел, и тут, вроде так же.
P.S. К Выпускному Дню учеников посвящается (по крайней мере в нашем городке).
А вот рассказ про то, как мой сын математике обучался. Ах как жаль, что у него не было такого учителя, как у меня в школе. Вот она-то умела донести до детей знания. Но тогда детей просто учили, а теперь "учат учиться". Тфу на новые методы обучения!

Результаты ОГЭ по математике у сына были отличными. А ведь у него в школе с математикой были серьёзные проблемы.
По математике сын стал отставать в конце третьего класса - скатился на тройки. Но я не придавала поначалу этому большое значение. Именно в третьем классе мы столкнулись с такими задачами, которые взрослые люди не могли решить сразу. Вернее могли, но составляя уравнения с неизвестными, а в третьем классе этому ещё не учили. Значит надо было решать задачи другим каким-то способом. Частенько, решая вместе с сыном домашнее задание, приходилось пользоваться интернетом, чтобы узнать как правильно решать ту или иную задачу. Тогда я решила, что всё дело в видах задач. Одну задачу мы как-то раз на работе решали - те люди, кто не был занят на вызовах. В тот вечер мама позвонила мне со слезами в голосе:
- Представляешь? Не могу решить задачу по математике за третий класс! А ведь у меня высшее образование. Это ужас какой-то.
Затем мама продиктовала условие задачи, и попробовала сама её решить. Не смогла. Ко мне присоединились коллеги. Больше часа решали. Решить смог только один врач, но и то не так, как надо было. Ответ верный, но способ решения не соответствовал школьному. Потом оказалось, что это была задача не на математические знания и умения, а на сообразительность.

Когда сын учился в четвертом классе, часть домашних заданий мы делали совместно. А когда я была на сутках, с ним занималась моя мама. Я несколько раз предлагала сыну попросить учительницу помочь разобраться с заданиями в те дни, когда меня не было дома. Сын отвечал, что он подходил к Елене Анатольевне, но учительнице некогда с ним заниматься. И я ему поверила - этому были основания.
Оставалось полгода до окончания четвёртого класса, когда я впервые сказала: "Потерпим немного. Скоро перейдешь в среднюю школу, осталось совсем ничего. Там будут другие учителя. Наверняка с математикой станет получше, и ты будешь её понимать." Но лучше не стало. Первое, что новая учительница математики объяснила детям было то, что они "тупые дебилы, не знающие основ". Об этом я узнала на родительском собрании в январе. Тогда родители некоторых детей рассказали, что именно так обзывает новая учительница их детей. Родительницы были возмущены, и задали вопрос нашей новой классной руководительнице:
- Какое имеет право учительница так называть своих учеников?
Классная руководительница пообещала поговорить с математичкой.
Дома я спросила у сына, почему я об этом ничего не знаю? Он ответил, что его так не называют. А только тех, кто на уроках безобразничает. На следующее классное собрание пришла сама учительница математики. Она говорила, что на уроках дисциплины нет, что дети не знают программу третьего класса, что ей приходится вместо нового материала объяснять старый. Она спросила, почему дети ничего не знают? Ей посоветовали задать этот вопрос Елене Анатольевне. На этом обсуждение проблем с математикой закончилось. Почему-то ни одна из мам детей, который обязывала учитель, не спросила об оскорблениях.
В пятом классе мы с сыном делали уроки вместе. Стало немного полегче. Возможно дело в новых учебниках. По крайней мере, они не вгоняли меня в ступор своими непонятными задачами. Учился сын математике на тройки, иногда приносил четверки. В шестом заявил, что будет делать уроки сам. По другим предметам он уже пару лет как сам домашку делал. Четверки исчезли. Каждый раз, когда я спрашивала сделал ли он уроки, уроки оказывались выученными. Я проверяла тетрадь для домашнего задания - все примеры были решены правильно. И сын говорил, что не видит смысл делать домашку, потому что всё равно её никто не проверяет. Я была удивлена, но это оказалось правдой - учительница математики не проверяла домашнюю работу, поэтому дети не стремились её делать.
А потом я поймала сына на том, что домашку он списывает - кто-то умный из класса решал домашнее задание и выкладывал решение в интернете. А остальные просто списывали его. Я провела беседу о том, что это неправильно, и попыталась объяснять для чего даётся домашняя работа - для закрепления материала, пройденного ранее. Потом я в течение нескольких недель просто сидела рядом с сыном, пока он решал задачи. Когда могла. Пытаться объяснять что-либо я перестала, поняв, что учитель из меня никакой - я оказалась косноязычной относительно математики. А потом началось "Ой да не надо. Я уже сделал. Ну мама! Я сам!" С седьмого класса сын все уроки делал сам.
С учительницей математики отношения у класса не сложились. Дети математику не усваивали, учительница на них орала и обязывала тупицами и дебилами. С пятого класса родители пытались избавиться от неё. Сначала просто разговаривали, потом стали писать коллективные письма с требованием поменять учителя математики. Писали и директору, и в РОНО, и ещё куда-то. По несколько писем в год. Бесполезно. Ответ был один и тот же: "Учителей на все классы не хватает. А ваш класс никто не соглашается брать. Она единственная, кто согласна. Другого учителя вам не дадут."
И вот девятый класс. Впереди ОГЭ. Что делать? Правильно. Записать ребёнка на курсы или к репетитору. Сын выбрал курсы.
- По курсам английского языка я понял, что лучше усваиваю информацию в группе, чем индивидуально.
Не знаю на сколько это верно, но проверять я не стала и записала на курсы по подготовке к ОГЭ. На этих курсах просто прорешивали задания, которые будут на экзамене. Если у детей не получалась какая-нибудь задача, им объясняли как её правильно решать. Всё. Сыну я сказала:
- Будешь заниматься на курсах, и оценки по математике в школе станут лучше. Вот увидишь.
Сын удивился:
- А с чем это связано? На курсах мы просто решаем, а в школе новые материалы проходим. И темы, по которым задачи на курсах решаем, не совпадают со школьными.
Примерно через месяц сын пришёл из школы и с порога заявил:
- Не знаю как, но это работает! Математику начал понимать. За контрольную работу четыре получил!
Это была первая четверка за контрольную в средней школе.
Успеваемость по математике стала расти. За последнюю четверть сын получил пять, а за первую два. ОГЭ сдал на отлично (22 балла). Вот такие дела. В нашем классе за ОГЭ по математике две пятёрки, одна двойка, шесть четвёрок, остальные тройки. Почти все дети с четвёрками посещали либо репетитора, либо курсы подготовительные. Разве так должно быть? И ещё один вопрос. Почему курсы помогают лучше чем школьный учитель? Ведь на курсах не объясняют ничего нового.
Возможно, что нам просто не повезло с учительницей.
P. S. Тем, кто считает, что я должна была всё время делать с сыном домашнее задание и объяснять все темы по математике, скажу - нет, не должна. В средней школе ребёнок должен делать домашнее задание самостоятельно, а темы по любому предмету должен объяснять учитель в школе. Иначе зачем вообще ребёнка в школу отдавать? Я медик, а не преподаватель. У меня не получается правильно объяснять какой-либо материал по математике. По анатомии и литературе могу, а по математике, физике или химии - нет. Я делаю свою работу, а учитель должен делать свою, не перекладывая её на родителей.
На этом всё. Других проблем с обучением в школе у нас не было. Поэтому и рассказывать не о чем.
Здравствуйте мои дорогие мальчишечки и девчоночки! Сегодня мы с вами окунемся в увлекательный мир математики (да и не только ее мы тут затронем). Но не той, где синусы и интегралы заставляют плакать гуманитариев, а в ту, которую природа встроила по умолчанию в крошечные мозги насекомых. Какой-нибудь муравей или пчела на автомате решает сложнейшие задачи, и делает это так, что ученые такие: «А так можно было?» Так что наливайте чайку, берите печеньки, и погнали разбираться, как шестиногие ребята уделывают нас в естественных науках.
Кстати, вы также можете подписаться на меня в телеге: Дичь в Природе А еще, можете поддержать мое творчество.

Эволюция - лучший учитель
Для начала, главный вопрос: "нафига"? Зачем насекомому, у которого в голове нейронов меньше, чем у вас подписчиков, вообще нужна математика?
Ответ простой, как сатиновые трусы: выживание.
Природа - это не уютный офис с кулером и соцпакетом, а жестокий рынок, где за ресурсы идёт постоянная война. Еда, безопасность, размножение - всё это требует быть эффективным. А эффективность - это и есть математика в чистом виде.
Экономия энергии: Пролететь лишний метр? Пройти лишний сантиметр? Для крошечного организма это может стоить жизни. Нужно найти самый короткий путь.
Максимизация добычи: Как обойти все цветы на поляне, собрав максимум нектара и потратив минимум сил?
Строительство: Как построить прочное и вместительное жилище из минимума материала?
Навигация: Как вернуться домой, если тебя унесло ветром на километр?
Эволюция миллионы лет отсеивала тех, кто «считал» плохо. Муравей, который блуждал и не мог найти кратчайший путь к муравейнику, - мёртвый муравей. Пчела, которая неэффективно строила соты, - мёртвая колония. Выживали только те, в чью «прошивку» были заложены оптимальные математические алгоритмы, и это не сознательный выбор, это инстинкт, отточенный до совершенства.
Вот тут мы подходим к конкретным примерам, от которых мозг немного скрипит и заставляя уважать даже обычную муху (да, дальше может быть немного сложно. Напрягаемся).

Примеры из жизни шестиногих
Пример №1. Пчелы и их гексагональная магия
Это классика, о которой слышали многие, но не все вникали в суть. Почему пчелиные соты - это идеальные шестиугольники (гексагоны), а не квадраты или треугольники? Сейчас все разберем, не напрягайтесь.
Представьте, что вы пчела-прораб (ну так вышло). У вас есть задача: построить максимально вместительное хранилище для мёда, используя при этом как можно меньше воска. Воск - это ценный ресурс, на его производство уходит куча энергии (читай: съеденного мёда), то есть, нужно найти такую форму ячейки, которая при минимальной длине стенок (периметре) даст максимальную площадь.
Математики называют это «задачей о замощении плоскости». Если мы хотим замостить плоскость одинаковыми фигурами без зазоров, у нас есть только три варианта: треугольники, квадраты и шестиугольники.
Треугольники? Неплохо, но много стенок на единицу площади. Неэкономно. Квадраты? Уже лучше, чем треугольники. Периметр меньше при той же площади. Но можно ещё лучше. Шестиугольники? Идеально. Из всех фигур, которыми можно замостить плоскость без пробелов, именно правильный шестиугольник имеет наименьший периметр при заданной площади.
Пчёлы, не имея калькуляторов и учебников по геометрии, инстинктивно «вычислили» это миллионы лет назад. Они строят идеальные гексагоны, экономя до 20-30% воска по сравнению с квадратными ячейками. Это чистая оптимизация, за которую любой логистической компании выписали бы премию. Причем угол, под которым сходятся стенки ячеек, равен ровно 120 градусам. Это обеспечивает максимальную прочность конструкции. Пчелы - прирожденные инженеры.

Пример №2. Муравьи и задача коммивояжера
Как говорится: дальше - больше. Знакомьтесь, «задача коммивояжера» - одна из самых известных задач в теории графов и оптимизации.
Суть задачи: есть несколько городов (точек), которые нужно посетить. Как проложить маршрут, чтобы побывать в каждом городе ровно один раз и вернуться в начало, пройдя при этом наименьшее расстояние?
Казалось бы, чего сложного, но если городов становится больше 10-15, количество возможных маршрутов растёт в геометрической прогрессии. Даже для современных суперкомпьютеров нахождение абсолютно идеального решения для большого числа точек - задача очень сложная, но посмотрим на муравьёв.
Когда муравей-разведчик находит источник пищи, он возвращается в муравейник, оставляя за собой феромонный след. Другие муравьи чуют этот след и бегут по нему к еде, но фишка вот в чём: сначала они бегут хаотично, разными путями, но чем короче путь, тем быстрее муравей сбегает туда-обратно и обновит след, и чем чаще след обновляется, тем он сильнее пахнет.
Получается система с положительной обратной связью:
1. Сначала есть много разных тропинок.
2. Самая короткая тропинка используется чаще всего.
3. На ней концентрация феромонов становится самой высокой.
4. Новые муравьи с большей вероятностью выбирают самый пахучий (то есть самый короткий) маршрут.
5. Через некоторое время почти вся колонна марширует по оптимальному, самому короткому пути.
Это называется «муравьиный алгоритм». Он настолько крут, что люди взяли его на вооружение для решения реальных логистических задач: маршрутизация в телекоммуникационных сетях, логистика доставки товаров, да много где ещё. Муравьи, сами того не зная, создали один из самых элегантных эвристических алгоритмов оптимизации. Они не находят гарантированно идеальное решение, как суперкомпьютер, но находят достаточно хорошее решение за невероятно короткое время, а для выживания этого более чем достаточно.

Пример №3. Цикады и простые числа
Вот эти ребята прямо очень крутые. Есть такие цикады в Северной Америке, род Magicicada. Их жизненный цикл - это долгий путь, который при этом четко выверен в долгосрочной перспективе. Они проводят под землёй в виде личинок 13 или 17 лет. Не 12, не 15, не 18. А именно 13 или 17. Это простые числа, которые делятся без остатка только на себя и на единицу, но зачем цикаде знать теорию чисел?
А это, ребятули, гениальная стратегия выживания, основанная на чистой математике. У хищников, которые питаются цикадами, тоже есть свои циклы популяционных взлётов и падений. Допустим, у какого-то хищника пик численности каждые 4 года, или 5 лет, например, а теперь пошли считать:
Если бы цикады вылезали каждые 12 лет, они бы регулярно попадали на пир к этому хищнику (12 делится на 4). Каждую третью встречу хищник был бы на пике формы. Если бы цикады вылезали каждые 15 лет, они бы пересекались с хищником, чей цикл 3 или 5 лет. А вот если твой цикл – 13 лет? Хищник с 4-летним циклом встретится с тобой только раз в 4 * 13 = 52 года, а хищник с 5-летним циклом – раз в 5 * 13 = 65 лет. Шансы на совпадение пиков численности хищника и появления цикад на поверхности резко снижаются.
Использование простых чисел в жизненном цикле минимизирует вероятность совпадения с циклами хищников, которые, как правило, имеют более короткие и составные циклы (2, 3, 4, 5, 6, 8, 9, 10, 12 лет). Это как если бы вы играли в лотерею, где выигрышный номер - простое число, на которое вы поставили, а все остальные игроки ставят на составные, и шансы на то, что никто кроме вас не угадает номер, значительно выше.
Это не просто адаптация, это эволюционная стратегия, основанная на глубоком понимании (пусть и неосознанном) теории чисел. Цикады - живое доказательство того, что математика - это не только абстрактные формулы, но и мощнейший инструмент выживания.

Пример №4. Пчелы. Навигация и "танец виляния"
Вернемся к пчелам, ведь они не только строят идеальные соты, но и являются виртуозными навигаторами и коммуникаторами. Когда пчела-разведчик находит новый источник нектара, она возвращается в улей и исполняет знаменитый "танец виляния". Однако это не просто пляски, а сложнейшая система передачи информации, которую можно описать с помощью векторной алгебры.
Танец состоит из двух основных элементов:
Направление виляния. Пчела виляет брюшком, двигаясь по прямой линии. Угол этой линии относительно вертикали (на соте) указывает направление к источнику пищи относительно солнца. Если пчела виляет прямо вверх, это означает, что еда находится прямо по направлению к солнцу. Если под углом 30 градусов вправо от вертикали, то еда находится на 30 градусов вправо от солнца. Это чистая тригонометрия и угловые измерения.
Длительность виляния. Чем дольше пчела виляет брюшком на прямой линии, тем дальше находится источник пищи, а это прямо пропорциональная зависимость, своего рода "шкала расстояний".
Другие пчелы, наблюдая за танцем и считывают эту информацию. Они не просто копируют движения, они интерпретируют их: зная где находится солнце (даже в пасмурную погоду, благодаря поляризованному свету), и, используя угол танца, вычисляют точное направление полета. Длительность виляния дает им представление о том, сколько энергии нужно потратить на полет.
Это не просто "покажи, куда лететь", а передача вектора - величины, имеющей и направление, и длину. Пчелы, по сути, обмениваются векторными координатами, позволяя всей колонии эффективно эксплуатировать найденные ресурсы. Это сложнее, чем GPS-навигатор, потому что они используют динамическую систему отсчета: положение солнца, которое постоянно меняется (а у нас некоторые по карте в телефоне не могут понять куда идти).

Пример №5. Пауки и их сети. Геометрия и оптимизация материалов
Да, я знаю, что пауки - не насекомые, а паукообразные, но их инженерные способности настолько впечатляют, что мы не станем проходить мимо. Паутина - это не просто липкая ловушка, это шедевр инженерной мысли, где каждый элемент рассчитан с математической точностью.
Представьте себе задачу: создать максимально прочную и эффективную ловушку, используя минимальное количество материала (паутины), которая при этом будет устойчива к ветру, дождю и конвульсиям добычи.
Пауки-кругопряды строят свои знаменитые радиальные сети, в основе которых лежит идеальная геометрия.
Радиальные нити. Они расходятся от центра, как спицы у колеса или зонтика. Их функция - структурная прочность, ведь они должны быть максимально натянуты и равномерно распределять нагрузку. Углы между ними почти одинаковые, что обеспечивает равномерное распределение напряжения.
Спиральные нити. Они наматываются по спирали от центра к краям, пересекая радиальные нити. Эти нити обычно липкие и служат для удержания добычи. Расстояние между витками спирали не случайно - оно оптимизировано для захвата насекомых определенного размера, минимизируя при этом расход драгоценного шелка, который, сами понимаете, тоже не с потолка берется.
Паук не просто плетёт, а постоянно "чувствует" натяжение каждой нити, регулируя её длину и толщину. Если одна нить ослабевает, он может её подтянуть или укрепить - это динамическая система, которая постоянно оптимизируется. Это как техобслуживание: лучше своевременно реагировать на малейшие изменения, пока они не переросли в серьезные проблемы.
Более того, паутина обладает удивительными свойствами: она одновременно прочная и эластичная. Это достигается за счет сложной молекулярной структуры шелка, но и за счет геометрии сети. Радиальные нити обеспечивают жесткость, а спиральные - гибкость, позволяя сети поглощать энергию удара, не разрываясь. Это как если бы вы строили мост, который мог бы выдерживать землетрясения, используя при этом минимальное количество стали. Пауки делают это инстинктивно, применяя принципы, которые люди открыли лишь в XX веке.

Пример №6. Личинки ручейников. Стереометрия и гидродинамика
Ручейники - это такие насекомые, чьи личинки живут в воде и строят себе защитные домики из камешков, веточек, песчинок, скрепляя их шелком. И эти домики - не просто случайная куча мусора, а они имеют вполне определенную форму, которая часто является цилиндрической или конической. Почему именно такая форма?
Гидродинамика. Цилиндрическая или коническая форма обеспечивает минимальное сопротивление течению воды. Это позволяет личинке тратить меньше энергии на удержание своего домика на месте, особенно в быстрых потоках. Это чистая физика и математика, где форма объекта напрямую влияет на его взаимодействие с жидкостью.
Прочность и вес. Личинка выбирает и располагает материалы таким образом, чтобы домик был достаточно тяжелым, чтобы не уносило течением, но при этом не слишком тяжелым, чтобы она могла его перемещать. Это задача на баланс веса и плавучести, а также на прочность конструкции.
Защита. Форма домика также оптимизирована для защиты от хищников. Гладкие, обтекаемые поверхности сложнее схватить, а прочная конструкция из камешков обеспечивает прочность.
Личинка ручейника, не имея ни малейшего представления о законах Ньютона или уравнениях Навье-Стокса, инстинктивно строит домик, который является оптимальным с точки зрения гидродинамики и механики. Она "знает", как расположить камешки, чтобы создать прочную, обтекаемую и функциональную структуру.

Пример №7. Мухи-дрозофилы и их навигация
Даже такие, казалось бы, примитивные существа, как мухи-дрозофилы (те самые, которые любят залетать на кухню и кружить вокруг фруктов), обладают удивительными навигационными способностями, которые можно описать математически. Когда дрозофила летит, она постоянно корректирует свой курс, основываясь на визуальных ориентирах.
Исследования показали, что дрозофилы используют сложную систему "оптического потока", и анализируют, как движутся объекты в их поле зрения. Если муха летит прямо, все объекты вокруг нее как бы "разъезжаются" в стороны. Если она поворачивает, объекты в направлении поворота движутся быстрее, а в противоположном - медленнее.
Дрозофилы обрабатывают эту информацию, чтобы поддерживать стабильный курс и избегать столкновений. Это можно представить как решение системы дифференциальных уравнений в реальном времени. Мозг мухи постоянно вычисляет вектор движения, сравнивая его с желаемым направлением, и вносит коррективы.
Более того, они способны запоминать и воспроизводить сложные траектории полета. Если дрозофила нашла источник пищи, она может вернуться к нему, даже если путь изменился. Это требует не просто следования по феромонному следу, а построения внутренней "карты" и использования алгоритмов поиска пути. По сути - это простейшая форма пространственного мышления, основанная на математических принципах.

Пример №8. Термиты. Архитектура и термодинамика.
Термиты - это настоящие мастера строительства, создающие огромные и сложные термитники, которые могут достигать нескольких метров в высоту. Эти сооружения - не просто кучи земли, а высокоэффективные экосистемы, где поддерживается стабильная температура и влажность.
Как им это удается? С помощью гениальной архитектуры, основанной на принципах термодинамики и аэродинамики:
Вентиляционные шахты. Термитники имеют сложную систему внутренних каналов и шахт, которые обеспечивают циркуляцию воздуха. Теплый воздух, поднимаясь вверх, выводится наружу, а более холодный воздух поступает снизу, что создает естественную конвекцию, поддерживая оптимальную температуру внутри.
Терморегуляция. Термиты активно регулируют температуру, строя или разрушая определенные части термитника, а также изменяя влажность. Они могут создавать "камеры" с разной температурой, чтобы личинки развивались в идеальных условиях.
Прочность конструкции. Термитники строятся из смеси земли, слюны и экскрементов, которые затвердевают, образуя прочный материал. Форма термитника, часто с широким основанием и сужающейся вершиной, обеспечивает максимальную устойчивость к ветру и другим внешним воздействиям.
Термиты, работая как единый сверхорганизм, коллективно решают сложнейшие инженерные задачи. Они "вычисляют" оптимальное расположение вентиляционных отверстий, толщину стен, угол наклона поверхностей, чтобы создать идеальные условия для жизни колонии. Это пример коллективного интеллекта, где каждый индивид выполняет свою функцию, но результат - это сложнейшее математическое и инженерное сооружение.

Почему букашек стоит уважать
Итак, что мы имеем в сухом остатке? Эволюция - величайший оптимизатор. Миллионы лет естественного отбора оттачивали эти "математические алгоритмы" до совершенства. Те, кто "считал" плохо, просто не выжили.
Математика - это не просто школьный предмет, а фундаментальный язык природы, который насекомые используют для выживания и процветания. От идеальных шестиугольников пчелиных сот до навигационных алгоритмов муравьев и стратегий выживания цикад, эти крошечные существа демонстрируют поразительные математические способности. Их инстинкты, отточенные миллионами лет эволюции, позволяют им решать сложнейшие задачи оптимизации, геометрии и теории чисел. Так что в следующий раз, когда увидите муравья или пчелу, помните: перед вами не просто насекомое, а маленький гений с крылышками, решающий задачи, над которыми ломают головы лучшие умы человечества.
Вот такая у нас сегодня получилась объемная и насыщенная статья. Да, в ней нет моих любимых шутеечек, но я решил, что иногда можно и без них обойтись. Надеюсь, что вы смогли дочитать этот текст до конца, что вам было интересно и вы узнали много нового об этих маленьких гениях, которые не оканчивали ВУЗов, но получили свои знания ценой миллионов жизней и десятков тысяч лет проб и ошибок.
Всем спасибо, все свободны!
Представьте, что в один из ничем не примечательных дней на Землю вдруг снизошел высший разум, Архитектор нашей реальности, предложив человечеству задать ему один-единственный вопрос, на который будет дан прямой и максимально исчерпывающий ответ, переданный напрямую в сознание.

Многие люди хотели бы узнать, "есть ли что-то после смерти", но в таком случае, получив даже положительный ответ, они не поняли бы механизм. Более философски настроенные решили бы узнать "в чем смысл жизни", но ответ на этот вопрос не может быть объективным, а значит в глобальном плане его ценность нулевая. Гуманисты, получив такую возможность, вероятно, хотели бы узнать "как победить рак". Получив рецепты миллионов лекарств (рак — не одна болезнь), они смогли бы решить локальную проблему, но остальные никуда бы не делись.
Поэтому идеальный вопрос должен быть мета-вопросом*, ответ на который дал бы доступ к "исходному коду" Вселенной, после чего все частные ответы стали бы очевидными. Поэтому, если бы я оказался перед Автором этой реальности, я бы спросил следующее:
"Каков точный и полный набор фундаментальных принципов, законов и констант, которые установлены для этой Вселенной, и каков замысел для разумного сознания в рамках этих правил?"
*Мета-вопрос подразумевает сложную конструкцию. Но при необходимости какая-то из ее частей может быть отброшена без потери ключевой цели вопрошающего. Например, про замысел.
Это не законы физики, а самые первые и неменяемые правила, на которых, как на фундаменте, базируется вся наша реальность. Это можно сравнить с правилами игры в шахматы, которые существуют до начала партии.
Например:
Почему так важно понять фундаментальный принцип реальности? Потому что все остальное вытекает из него.

Допустим, если верная аксиома, что "все есть информация", то законы физики — просто алгоритмы, а черные дыры — инструменты хранения данных. Если верна аксиома "сознание — основа всего", то смысл жизни в том, чтобы задавать вопросы, исследовать, накапливать опыт, а квантовая механика (где важную роль играет наблюдатель) станет понятнее.
Узнав стартовые правила "игры" мы поймем не только "как" работает мир, но и "какого он типа" и "зачем" вообще все это. Все остальное (физика, смысл жизни) станет просто следствием.
Давая ответ на мой вопрос, Архитектору нашей реальности пришлось бы объяснить, почему фундаментальные физические константы, такие как гравитационная постоянная и скорость света в вакууме имеют именно такие значения.
Несмотря на то, что фундаментальные физические постоянные кажутся произвольными числами, от них зависит сама возможность появления и стабильного существования сложной материи, включая жизнь. Если бы значения этих констант отличались от текущих хотя бы на мизерные доли процента, то звезды никогда бы не зажглись, да и вообще Вселенная могла бы оказаться настолько нестабильной, что схлопнулась бы вскоре после Большого взрыва.
Может ли это говорить о том, что в "исходном коде" мироздания есть скрытые параметры или имеет место принцип тонкой настройки, обеспечивающий существование реальности, в которой зародится сознание? Разобравшись с этим, можно было бы узнать, является ли наша Вселенная уникальной или же представляет собой каплю в океане Мультивселенной, где каждая другая вселенная получила свой набор констант.
Отвечая на мой вопрос, Создатель был бы вынужден рассказать, для чего вообще существует Вселенная, наделенная совершенной математической структурой. Кроме того, он поведал бы о нашей роли во всем этом: являемся ли мы запланированным результатом, случайным продуктом эволюции или же вообще мы находимся в симуляции, а наши тела прямо сейчас покоятся в "Зионе" (отсылка к "Матрице").

Ответ дал бы нам не только четкое понимание собственного места в этом мире, но определил бы нашу ценность. А еще мы бы узнали, есть ли во Вселенной еще кто-то кроме нас.
Получение ответа на мета-вопрос мгновенно разделило бы историю науки на «до» и «после»:
Ценность этого мысленного эксперимента — в его фокусирующей силе. Нет смысла распыляться, пытаясь разгадать тысячи второстепенных загадок; нужно сосредоточиться на обретении глубокого, системного уровня понимания устройства реальности, благодаря чему ответы на все частные вопросы будут получены сами собой.
Не обладая возможностью получить ответы тут и сейчас, мы все же способны приблизиться к истине, если научимся правильно формулировать вопросы.
На пост навел комментарий
Кто-то понимает ответ "Да" на вопрос формата "или-или" просто как мем.
А с точки зрения логики, точнее булевой логики, ответ совершенно корректен.
Вкратце, в булевой логике лишь две "цифры": 0 (ложь, нет) и 1 (истина, да). Так же определены операции НЕ и ИЛИ (знатоки сейчас скажут, что больше, но те можно вывести из этих двух).
НЕ в данном случае не интересна.
А теперь к ИЛИ, которое также называется "логическим сложением" (+).
Операндами являются некие утверждения, которые могут быть ложны или истинны. Первые "приводятся" к цифре 0, а вторые - к 1.
Так же как в арифметике
0+0 = 0
0+1 = 1
1+0 = 1
А вот 1+1 = 1, так как переносов разрядов нет.
Пример раз: трава красная или в Марианской впадине нет воды. Первое утверждение ложно, то есть 0. Второе так же ложно, то есть 0. 0+0 = 0.
Пример двас: вода мокрая или чихают ушами. Первое - 1, второе - 0. 1+0 = 1.
Пример три: трава зелёная или чихают носом. Первое - 1, второе - 1. 1+1 = 1.
Также можно использовать и более двух утверждений. И так же как в арифметике, применяются те же правила.
А теперь, вернёмся к вопросу: "Божий промысел или рыболовный или воровской...? "
Все три варианта существуют и контекстно применимы, то есть получается 1+1+1 = 1
Вспоминаем, что одной из интерпретаций цифры 1 является "да", поэтому ответом на поставленный вопрос является "Да".
Пожалуй, каждый школьник, нахватавшись плохих оценок, слышал от родных и близких подобные слова поддержки:
"Да не расстраивайся ты. Эйнштейн вообще был двоечником!"
Так родители утешают детей, учителя мотивируют отстающих, а в интернете плодятся мемы про "двоечника, перевернувшего науку".

Но тут есть загвоздка: это абсолютная ложь. Эйнштейн не был двоечником. Напротив, он был одним из самых усидчивых, внимательных и умных детей во всей школе.
Откуда же взялся этот устойчивый миф, в который по сей день верят миллионы людей?
Маленький Альберт поздно заговорил — до трех лет он молчал, предпочитая наблюдать за миром. Родители Герман и Паулина даже подозревали, что у них растет умственно отсталый наследник.
Но когда мальчик наконец открыл рот, то он сразу стал формулировать целые предложения. Просто до этого его мозг был занят более важными вещами, чем генерация детского лепета.
В швейцарской школе Арау, где учился Эйнштейн, в то время действовала оценочная система, в корне отличавшаяся от той, к которой привыкли мы с вами. Там высшим баллом была единица, а не пятерка.

Поэтому, когда люди слышали, что у Эйнштейна были сплошные "единицы" по математике и физике, они воспринимали его как ни на что неспособного неуча. По факту же это были замечательные оценки — максимально возможные в той системе.
У Эйнштейна были сложные отношения с некоторыми преподавателями, и дело было не в его неуспеваемости. Наоборот — он все схватывал на лету и быстро разбирался в любой теме, но презрительно относился к педагогам, которые допускали ошибки или говорили глупости.
В порыве гнева один из учителей даже сказал, что Альберт "никогда ничего не достигнет". Ирония судьбы в том, что едва ли кто-нибудь вспомнит имя этого преподавателя, а вот Эйнштейн стал символом человеческой гениальности.
Эйнштейн не смог поступить в Федеральную политехническую школу Цюриха с первого раза. Но завалил он не физику или математику — по этим предметам у него были как всегда блестящие результаты.

Проблемы возникли с гуманитарными дисциплинами, особенно с французским языком, который не был для него родным. Будущий ученый просто не желал тратить время на изучение того, что его не увлекало, предпочитая заниматься физикой, с которой уже тогда планировал связать свою жизнь.
"Я никогда не делал ошибок в математике, а дифференциальное и интегральное исчисление освоил к 15 годам", — писал ученый в своем дневнике.
Разве это портрет двоечника? Скорее гения, который с детства интеллектуально опережал сверстников на годы (или десятилетия).

Стоит отдать дань уважения студенту медицинского вуза Максу Талмуду, который был наставником юного Эйнштейна, познакомившим его с чудесами науки, не связанными с сухой и скучной зубрежкой, принятой в школе.
Люди обожают истории из серии "из грязи да в князи". Многим хочется верить, что великие достижения доступным каждому, даже двоечнику. Легенда про "неудачника Эйнштейна" дает надежду родителям плохо успевающих детей и оправдание тем, кто не желает учиться.
Но не стоит кормить двоечником мифами! Будущее поколение нужно учить тому, что успех требует адского труда и нечеловеческого упорства.
Альберт Эйнштейн — идеальный пример того, как выдающиеся способности, помноженные на страсть к познанию и трудолюбие, привели к революционным открытиям, перевернувшим наши представления об устройстве Вселенной.
Да не простой, а самый сложный в мире. Человеку просто нереально найти путь. Математики Бристольсого университета решили использовать для этого фрактальную геометрию, в частности Гамильтовы циклы.

Подобные системы очень хорошо массштабируются без повторений. Такими свойствами обладают квазикристаллы - вроде и кристалл, но структура упорядочена не точно.

Естественно учёные не оставили лабиринт без решения. Увы, я не придумал как картинку спрятать под спойлер:

Новое доказательство проливает свет на скрытые закономерности, которые проявляются, когда сложение становится невозможным.

Возьмём, к примеру, сложение. Это простая операция: одна из первых математических истин, которую мы узнаём, заключается в том, что 1 плюс 1 равно 2. Но у математиков до сих пор остаётся много вопросов без ответа о закономерностях, которые может порождать сложение. «Это одна из самых базовых вещей, которые вы можете сделать», — сказал Бенджамин Бедерт , аспирант Оксфордского университета. «Почему-то во многих отношениях это всё ещё очень загадочно».
Разгадывая эту загадку, математики также надеются понять пределы возможностей сложения. С начала XX века они изучают природу множеств, в которых никакие два числа не суммируются с третьим. Например, сложите любые два нечётных числа, и вы получите чётное число. Таким образом, множество нечётных чисел не суммируется.
В статье 1965 года выдающийся математик Пауль Эрдёш задал простой вопрос о распространенности множеств, свободных от сумм. Однако на протяжении десятилетий прогресс в решении этой проблемы был незначительным.
«Это, на первый взгляд, очень простая вещь, о которой мы имели поразительно мало понимания», — сказал Джулиан Сахасрабудхе , математик из Кембриджского университета.
До этого февраля. Спустя шестьдесят лет после того, как Эрдёш сформулировал свою задачу, Бедерт решил её. Он показал, что в любом множестве, состоящем из целых чисел — как положительных, так и отрицательных, — существует большое подмножество чисел, не имеющих сумм . Его доказательство проникает в глубины математики, оттачивая методы из разных областей, чтобы раскрыть скрытую структуру не только множеств, не имеющих сумм, но и самых разных других ситуаций.
«Это фантастическое достижение», — сказал Сахасрабудхе.
Застрял посередине
Эрдёш знал, что любой набор целых чисел должен содержать меньшее подмножество без сумм. Рассмотрим набор {1, 2, 3}, который не является набором без сумм. Он содержит пять различных подмножеств без сумм, например, {1} и {2, 3}.
Эрдёш хотел узнать, насколько широко распространено это явление. Если у вас есть множество из миллиона целых чисел, каково его наибольшее подмножество без сумм?
Во многих случаях оно огромно. Если вы выберете миллион случайных чисел, примерно половина из них будут нечётными, что даст вам подмножество без сумм, содержащее около 500 000 элементов.
В своей статье 1965 года Эрдёш показал (в доказательстве, которое состояло всего из нескольких строк и было признано блестящим другими математиками), что любой набор из N целых чисел имеет свободное от сумм подмножество, состоящее по крайней мере из N /3 элементов.
И всё же он не был удовлетворён. Его доказательство касалось средних значений: он нашёл набор подмножеств без сумм и вычислил, что их средний размер равен N /3. Но в таком наборе обычно считается, что самые большие подмножества намного больше среднего.
Эрдёш хотел измерить размер этих сверхбольших подмножеств без сумм.
Математики вскоре выдвинули гипотезу, что по мере роста множества наибольшие подмножества без сумм будут значительно превышать N /3. Более того, отклонение будет бесконечно большим. Это предсказание — что размер наибольшего подмножества без сумм равен N /3 плюс некоторое отклонение, которое бесконечно растёт с N , — теперь известно как гипотеза о множествах без сумм.
«Удивительно, что этот простой вопрос, по-видимому, вызывает значительные трудности, — писал Эрдёш в своей оригинальной статье, — но, возможно, мы упускаем из виду очевидное».
Десятилетиями ничего очевидного не появлялось. Никто не мог улучшить доказательство Эрдёша. «Чем дольше никто не мог улучшить эту простую границу, тем большую известность приобретала эта задача», — сказал Бен Грин , научный руководитель Бедерта в Оксфорде. И, добавил он, это была именно та задача, которую «очень и очень сложно решить хоть как-то лучше».
Противостояние норме
После 25 лет безуспешных попыток улучшить первоначальный результат Эрдёша математики наконец-то начали двигаться вперёд. В 1990 году два исследователя доказали, что любой набор из N целых чисел имеет подмножество без сумм, содержащее по крайней мере N /3 + 1/3 элементов, что чаще записывается как ( N + 1)/3.
Но поскольку размер множества всегда является целым числом, увеличение на 1/3 часто не имеет значения. Например, если вы знаете, что подмножество без суммирования должно содержать не менее 5/3 элементов, это означает, что его размер гарантированно равен 2 или более. Если вы добавите 1/3 к 5/3, ваш ответ всё ещё будет 2. «Забавно, это означает, что на самом деле это не всегда улучшает результат», — сказал Дэвид Конлон из Калифорнийского технологического института. «Это улучшает результат только тогда, когда N делится на 3».
В 1997 году легендарный математик Жан Бургейн поднял эту границу до ( N + 2)/3. Результат мог бы показаться не заслуживающим упоминания, но в статье Бургейна скрывался поразительный прорыв. Он описал идею доказательства того, что наибольшие подмножества без сумм будут сколь угодно больше. Он просто не смог точно определить детали, чтобы превратить это в полноценное доказательство.
«В статье рассказывается, как я пытался решить проблему и почему это не сработало», — сказал Сахасрабудхе.

Бургейн показал, что если множество из N элементов имеет большую норму Литтлвуда, то оно также должно иметь множество без сумм, значительно большее, чем N /3. Но ему не удалось добиться прогресса в случае, когда множество имеет малую норму Литтлвуда.
«Бургейн известен своей компетентностью, — сказал Шон Эберхард из Уорикского университета. — Это яркий показатель того, насколько сложна эта проблема».
В конечном итоге Бургейну пришлось использовать другой аргумент, чтобы получить свою оценку ( N + 2)/3. Но математики читали между строк: возможно, им удастся использовать норму Литтлвуда, чтобы полностью доказать свою гипотезу. Им оставалось лишь понять, как работать с множествами с малой нормой Литтлвуда.
Известные проблемы
Учитывая, что Грин был его научным руководителем, Бедерт неизбежно столкнулся с гипотезой о множествах, свободных от сумм. На сайте Грина перечислено 100 нерешённых задач ; эта задача стоит первой.
Бедерт просмотрел этот список вскоре после начала учёбы в аспирантуре. Поначалу он избегал задачи о множествах без сумм. «Я подумал: это очень сложно, не буду об этом думать», — вспоминал он. «Оставлю это на будущее».
Будущее наступило довольно скоро. Летом 2024 года Бедерт решил, что готов к более рискованному проекту. «Я уже добился довольно хороших результатов в своей докторской диссертации и, в общем-то, уже подготовил диссертацию», — сказал он. «Я начал думать над этими, пожалуй, более известными проблемами».

Он прочитал статью Бургейна 1997 года и начал размышлять о том, как реализовать схему Литтлвуда. Почти сразу у него возникла идея, как подойти к задаче о множествах с малой нормой Литтлвуда.
До сих пор было слишком сложно показать, что множества с малой нормой Литтлвуда всегда напоминают наборы арифметических прогрессий. Но Бедерт счёл полезным доказать нечто более достижимое: что даже если эти множества не построены буквально из арифметических прогрессий, они обладают определёнными ключевыми свойствами, свойственными прогрессиям.
В недавнем проекте Бедерт наткнулся на то, что он посчитал хорошим кандидатом на свойство, на котором можно было бы сосредоточиться. В арифметических прогрессиях существует множество групп чисел с одинаковой суммой. Например, в множестве чётных чисел (которое является арифметической прогрессией) сумма 4 + 8 равна сумме 2 + 10 и 2 + 4 + 6. Бедерт посчитал, что достаточно показать, что множества с малой нормой Литтлвуда всегда подчиняются этому свойству.
За пару недель ему удалось доказать истинность этого свойства. Но обеспечит ли этот результат уровень сходства с арифметическими прогрессиями, необходимый для доказательства гипотезы о множествах, свободных от сумм?
«Я был определённо взволнован, — сказал он. — А потом понял, что предстоит ещё так много работы».
Волны прогресса
Во-первых, Бедерт показал, что любое множество с малой нормой Литтлвуда можно «отобразить» во второе множество, ещё более похожее на арифметические прогрессии. Он подозревал, что именно в этих новых множествах он сможет найти большие подмножества без сумм.
Последней задачей было показать, каков будет размер такого подмножества без сумм. «Всё время рождественских каникул я не отрываясь думал об этой задаче», — сказал Бедерт. «К Новому году я так и не нашёл последний фрагмент головоломки».
Затем, через несколько дней после возвращения в Оксфорд в январе, его осенило. «Не знаю, откуда это взялось», — сказал он. «Возможно, эти идеи какое-то время роятся в голове, а потом наконец получается что-то стоящее».
Он представил структуру своих множеств с помощью инструмента, называемого преобразованием Фурье, а затем модифицировал доказательство 1981 года, чтобы показать, что некоторые отдельные компоненты этого представления должны иметь большую норму Литтлвуда. Поскольку Бургейн уже показал, как работать с множествами с большой нормой Литтлвуда, это завершило доказательство.
В конце концов, Бедерт показал, что любой набор из N целых чисел имеет подмножество без сумм, содержащее по меньшей мере N /3 + log(log N ) элементов. Для многих значений N это даёт подмножество без сумм, которое лишь немного превышает средний размер Эрдёша N /3. Даже если N , например, равно 10 100 , log(log N ) составляет всего около 5. Но по мере того, как N стремится к бесконечности, растёт и разница в границах Бедерта и Эрдёша, что окончательно подтверждает гипотезу.
«Это действительно потрясающий результат», — сказал Ифань Цзин из Университета штата Огайо. Цзин, который также был наставником Грина, считает, что это достижение — результат сосредоточенности Бедерта. «Бенджамин действительно проделал глубокую работу, чтобы модифицировать доказательство Бургейна и заставить его работать», — сказал он. «Он тратит на ту же задачу гораздо больше времени, чем другие».
Нам ещё многое предстоит узнать о подмножествах без сумм, а следовательно, и о степени влияния сложения на структуру целых чисел. Например, результат Бедерта решает вопрос о том, становится ли наибольшее подмножество без сумм бесконечно больше N /3. Но математики не знают точно, насколько быстро может расти это отклонение. Благодаря статье Грина и двух его коллег 2014 года они знают, что отклонение растёт медленнее, чем N. Однако, по словам Грина, «остается огромный разрыв» между этой верхней границей N и нижней границей Бедерта log(log N ).
Работа также даёт новое представление о множествах с малой нормой Литтлвуда. Такие множества являются фундаментальными объектами в области анализа, но их очень сложно изучать. Результат Бедерта помог математикам лучше понять их структуру, которую Грин и другие теперь надеются продолжить изучать. «Это красиво, это интересно, это кажется естественным», — сказал Эберхард. «Вы хотите разгадать тайну, не так ли?»
Для Сахасрабудхе вывод прост. «Старая и сложная проблема решена гениальным парнем», — сказал он. «Материал, на котором он строит, тонок и с ним сложно работать. Результат действительно замечательный».
Источник: www.wired.com
Доказав, как отдельные молекулы создают сложное движение жидкостей, три математика объяснили, почему время не может течь вспять.

На рубеже XX века известный математик Давид Гильберт вознамерился привнести в мир физики более строгий математический подход. В то время физики всё ещё были охвачены спорами о базовых определениях — что такое тепло? Как устроены молекулы? — и Гильберт надеялся, что формальная логика математики сможет помочь в этом.
Утром 8 августа 1900 года он представил Международному конгрессу математиков список из 23 ключевых математических задач. Номер шесть: предоставить неопровержимые доказательства законов физики.
Масштаб шестой проблемы Гильберта был огромен. Он предлагал «трактовать таким же образом [как и геометрию], посредством аксиом, те физические науки, в которых математика играет важную роль».
Его задача аксиоматизировать физику была «на самом деле программой», сказал Дэйв Левермор , математик из Мэрилендского университета. «В том виде, в котором шестая проблема сформулирована, она никогда не будет решена».
Но Гильберт дал отправную точку. Для изучения различных свойств газа, например, скорости его молекул или средней температуры, физики используют разные уравнения. В частности, они используют один набор уравнений для описания движения отдельных молекул в газе, а другой – для описания поведения газа в целом. Возможно ли, задавался вопросом Гильберт, показать, что один набор уравнений подразумевает другой – что эти уравнения, как предполагали физики, но не доказали строго, просто разными способами моделируют одну и ту же реальность?
В течение 125 лет даже аксиоматизация этого небольшого раздела физики казалась невозможной. Математики добились частичного прогресса, предложив доказательства, которые работали только при рассмотрении поведения газов на чрезвычайно коротких временных интервалах или в других вымышленных ситуациях. Но они не соответствовали тому результату, который представлял себе Гильберт.

И вот теперь три математика наконец-то получили такой результат. Их работа не только представляет собой значительный шаг вперёд в программе Гильберта, но и затрагивает вопросы о необратимости времени.
«Это прекрасная работа», — сказал Грегори Фалькович , физик из Института Вейцмана. «Проявление выдающейся силы».
Под мезоскопом
Рассмотрим газ, частицы которого сильно разбросаны. Физик может смоделировать его множеством способов.
На микроскопическом уровне газ состоит из отдельных молекул, которые ведут себя подобно бильярдным шарам, двигаясь в пространстве согласно законам движения Исаака Ньютона, открытым 350 лет назад. Эта модель поведения газа называется системой частиц типа «твёрдой сферы».
Теперь немного уменьшите масштаб. В этом новом «мезоскопическом» масштабе ваше поле зрения охватывает слишком много молекул, чтобы отслеживать каждую по отдельности. Вместо этого вы будете моделировать газ, используя уравнение, разработанное физиками Джеймсом Клерком Максвеллом и Людвигом Больцманом в конце XIX века. Это уравнение, называемое уравнением Больцмана, описывает вероятное поведение молекул газа, показывая, сколько частиц можно ожидать обнаружить в разных местах, движущихся с разными скоростями. Эта модель газа позволяет физикам изучать движение воздуха в малых масштабах — например, как он может обтекать космический челнок .
«Математики делают с физиками то, что они будят нас».
Григорий Фалькович
Уменьшите масштаб, и вы больше не сможете определить, состоит ли газ из отдельных частиц. Он ведёт себя как единое непрерывное вещество. Для моделирования этого макроскопического поведения — плотности газа и скорости его движения в любой точке пространства — вам понадобится ещё один набор уравнений, называемых уравнениями Навье-Стокса.
Физики считают эти три различные модели поведения газа совместимыми; они просто представляют собой разные подходы к пониманию одного и того же явления. Но математики, надеясь внести свой вклад в решение шестой проблемы Гильберта, хотели строго это доказать. Им нужно было показать, что ньютоновская модель отдельных частиц приводит к статистическому описанию Больцмана, а уравнение Больцмана, в свою очередь, приводит к уравнениям Навье-Стокса.
Математики добились определённых успехов на втором этапе, доказав возможность вывести макроскопическую модель газа из мезоскопической в различных условиях. Но им не удалось решить первый этап, оставив логическую цепочку незавершённой.
Теперь всё изменилось. В серии работ математики Юй Дэн , Захер Хани и Сяо Ма доказали, что переход от микроскопического состояния к мезоскопическому для газа в одной из таких ситуаций — это более сложный процесс, впервые замкнувший цепочку . Результат и методы, которые сделали это возможным, «переворачивают парадигму», — сказал Янь Го из Университета Брауна.

Декларация независимости
Больцман уже смог показать, что законы движения Ньютона приводят к его мезоскопическому уравнению, при условии, что одно важнейшее предположение верно: частицы в газе движутся более или менее независимо друг от друга. То есть, столкновения одной пары молекул друг с другом должны быть крайне редкими.
Но Больцман не смог окончательно доказать истинность этого предположения. «Чего он, конечно, не мог сделать, так это доказать теоремы на эту тему», — сказал Серджо Симонелла из Университета Ла Сапиенца в Риме. «В то время не было ни структуры, ни инструментов».
В конце концов, существует бесконечное множество способов, которыми группа частиц может столкнуться и снова столкнуться. «Вы получаете просто колоссальный взрыв возможных направлений, в которых они могут двигаться», — сказал Левермор, — и это делает «кошмаром» возможность доказать, что сценарии с множеством повторных столкновений настолько редки, насколько это было нужно Больцману.
В 1975 году математику по имени Оскар Лэнфорд удалось доказать это , но только для чрезвычайно коротких промежутков времени. (Точное количество времени зависит от начального состояния газа, но, по словам Симонеллы, оно меньше, чем мгновение ока.) Затем доказательство перестало работать; прежде чем большинство частиц получили возможность столкнуться хотя бы один раз, Лэнфорд больше не мог гарантировать, что повторные столкновения останутся редким явлением.
В последующие десятилетия многие математики пытались расширить его результат, но безуспешно.
Затем, в ноябре 2023 года, Дэн, ныне работающий в Чикагском университете, и Хани из Мичиганского университета опубликовали препринт , в котором предлагалось долгожданное доказательство. Они написали, что готовящаяся к публикации статья будет основана на их последнем результате и позволит исследовать «долговременное обобщение теоремы Лэнфорда».
Другие математики не знали, как отреагировать на это заявление. «Я не думал, что это возможно», — сказал Пьер Жермен из Имперского колледжа Лондона. Дэн и Хани обычно не работали с системами частиц; до этого момента они в основном изучали системы, состоящие из волн (например, лучей света).
Поэтому математики с нетерпением ждали обещанного доказательства.
Когда частицы сталкиваются
Результат Дэнга и Хани, полученный в 2023 году, включал анализ перехода от микроскопического масштаба к мезоскопическому в контексте волн. Примерно за год до публикации своей статьи в интернете Дэнг присутствовал на конференции, где встретился с аспирантом Принстонского университета Сяо Ма. В итоге они обсудили работу Дэнга и Хани и то, как они могли бы адаптировать эти методы к частицам. Это позволило бы им расширить результат Лэнфорда — показать, что повторные столкновения частиц редки даже на более длительных временных интервалах.
Дэн и Хани уже обдумывали эту идею. Впечатлённый проницательностью Ма, Дэн пригласил его помочь им превратить интуицию в доказательство.
Трио надеялось сосредоточиться на хорошо изученном сценарии, в котором математики уже доказали второй шаг, переход от мезо-к-макро, в шестой проблеме Гильберта. В этом сценарии разреженный газ сферических частиц заключён в ящик. Если частица ударяется об одну из стенок ящика, она появляется на противоположной стенке.
Но чтобы доказать более сложный переход от микро- к мезо-частицам в этой ситуации и тем самым решить шестую проблему Гильберта, Дэну, Хани и Ма пришлось перенести свои волновые методы на случай частиц. Поэтому они начали с ситуации, где эта задача была бы немного проще. Они работали с газом, частицы которого случайным образом распределены в бесконечном пространстве; в отличие от частиц в замкнутом газе, которые постоянно отскакивают друг от друга, эти частицы в конечном итоге рассеиваются и перестают сталкиваться. «В случае всего пространства есть более короткий путь», — сказал Дэн.
Сначала трём математикам нужно было составить таблицу различных моделей столкновений, которые могли бы произойти в их газе, и оценить вероятность каждой из этих моделей. Они могли легко исключить сценарии с особенно высокой частотой повторных столкновений. Это оставило им для анализа конечное, хотя и огромное, число моделей, каждая из которых включала определённое подмножество частиц, сталкивающихся в определённом порядке. Определив точное значение каждой модели, они могли использовать эту информацию для оценки её вероятности.
Но это часто казалось невыполнимой задачей, поскольку многие закономерности включали огромное количество частиц и сложные косвенные взаимодействия между ними. «Структура этих множеств [сталкивающихся частиц] становится чрезвычайно сложной», — сказал Дэн. В принципе, математикам пришлось бы отслеживать каждую из этих частиц одновременно, чтобы вычислить необходимые им оценки вероятностей.
Именно здесь предыдущая работа Дэнга и Хани по изучению волн дала им важное понимание. В результате они нашли способы разбить сложные модели взаимодействующих волн на более простые. Они тщательно разработали свою методику, чтобы, работая лишь с несколькими волнами одновременно, всё равно получать точную оценку вероятности более сложной полной модели.
Они надеялись, что та же идея сработает и в случае частиц.
Но после столкновения частицы ведут себя совершенно иначе, чем волны. Например, частицы, в отличие от волн, отскакивают друг от друга, что существенно влияет на итоговую картину столкновений и вероятность их возникновения. Дэну, Хани и Ма пришлось с самого начала пересмотреть детали своей стратегии.

Сначала они рассмотрели простейшие случаи, в которых каждая частица сталкивается всего несколько раз за очень короткий промежуток времени, без повторных столкновений. Затем они постепенно перешли к более сложным случаям — более длительным периодам времени, с большим количеством столкновений и повторных столкновений.
Это было одновременно и искусством, и наукой. «Интуиция развивалась постепенно, начиная с нескольких неудачных попыток», — сказал Дэн. Им нужно было понять, как разбить большие и сложные схемы столкновений частиц на слои, чтобы упростить вычисления и при этом сохранить высокую точность оценок.
«Этот процесс занимает месяцы», — сказал Хани. «Мы постоянно застреваем». Почти каждый день они собирались на Zoom-встречу, чтобы обсудить всё. «К большому разочарованию моей жены, некоторые из них происходили очень поздно ночью или очень рано утром», — сказал Хани. «Я укладывал дочь спать, а потом мы два-три часа проводили встречи в Zoom».
Наконец, к весне 2024 года трио было уверено, что всё учтено. Их доказательство, опубликованное в интернете тем же летом, подтвердило, что повторные столкновения должны быть очень и очень редкими. Они показали, как и надеялись, что в их бесконечном пространстве описание газа Больцмана можно вывести из ньютоновского. Микроскопические и мезоскопические масштабы подпадали под единую строгую математическую модель.
«Я считаю, что это выдающаяся работа», — сказал Александру Ионеску , математик из Принстона, который также был научным руководителем Дэнга и Ма по докторской диссертации. «Это одни из самых значительных достижений за многие-многие годы».
Теперь они были готовы вернуться к модели «газа в коробке», где они наконец смогли решить шестую проблему Гильберта.
Завершенная цепочка
Им не потребовалось много времени, чтобы распространить свой результат с бесконечного пространства на ограниченное. «Восемьдесят процентов доказательства остаются теми же в случае всего пространства», — сказал Дэн.
В марте они опубликовали новую статью , в которой их доказательство было объединено с более ранними результатами, связывающими уравнение Больцмана с уравнениями Навье-Стокса. Логическая цепочка была замкнута: они показали, что для реалистичной модели газа микроскопическое описание отдельных частиц действительно в конечном итоге приводит к макроскопическому описанию крупномасштабного поведения газа.
Эта работа не только ознаменовала собой решение одного из основных случаев шестой проблемы Гильберта. Она также дала строгое математическое решение старого парадокса.
В микроскопическом масштабе, где частицы ведут себя подобно бильярдным шарам, время обратимо. Уравнения Ньютона предсказывают как происхождение частицы, так и её дальнейшее движение. Будущее принципиально не отличается от прошлого.
Но на мезоскопическом и макроскопическом уровнях возврата во времени нет. «Мы прекрасно знаем, что, двигаясь вперёд во времени, мы стареем, но не омолаживаемся; тепло не переходит самопроизвольно от холодного тела к тёплому; капля чернил в стакане воды растекается, темнея жидкость, но не возвращается самопроизвольно к своей первоначальной маленькой округлой форме», — писала Симонелла . Ни уравнение Больцмана, ни уравнения Навье-Стокса не являются обратимыми во времени; если попытаться повернуть время вспять, результаты будут бессмысленными.
Для современников Больцмана это было озадачивающим. Как можно было вывести необратимое во времени уравнение из обратимой во времени системы?
Но Больцман утверждал, что парадокса нет: даже если каждую частицу можно смоделировать обратимым во времени образом, почти каждое столкновение заканчивается рассеиванием газа. Вероятность того, что, например, газ внезапно сожмётся, практически равна нулю.
Лэнфорд математически подтвердил эту интуицию для своего очень короткого периода времени. Теперь результат Дэнга, Хани и Ма подтверждает её для более реалистичных ситуаций.
В дальнейшем математики, которые всё ещё изучают детали нового доказательства, хотят проверить, могут ли аналогичные методы быть полезны в других, ещё более реалистичных контекстах. Они могут включать газы, состоящие из частиц разной формы, или частицы, взаимодействующие более сложным образом.
Между тем, по словам Фальковича, подобные строгие доказательства могут помочь физикам понять, почему газ ведёт себя определённым образом в разных масштабах и почему разные модели могут быть более или менее эффективны в разных сценариях. «Математики делают с физиками, — сказал он, — они нас будят».
Источник: www.wired.com
Теоретически квантовая физика может обойти сложные математические проблемы, лежащие в основе современного шифрования. Новое доказательство показывает, как это сделать.

Сложные задачи обычно не вызывают особого энтузиазма. Но криптографы их обожают. Ведь именно сложные математические задачи лежат в основе безопасности современного шифрования. Любой хитрый трюк для их решения погубит большинство форм криптографии.
Несколько лет назад исследователи нашли радикально новый подход к шифрованию , лишённый этого потенциально уязвимого места. Этот подход использует особенности квантовой физики. Но в отличие от более ранних схем квантового шифрования, которые работали лишь для некоторых специальных задач, новый подход способен решать гораздо более широкий круг задач. И он может сработать, даже если все проблемы, лежащие в основе обычной «классической» криптографии, окажутся легко решаемыми.
Однако это поразительное открытие основывалось на нереалистичных предположениях. Результат был «скорее подтверждением концепции», — сказал Ферми Ма , исследователь криптографии из Института теории вычислений Саймонса в Беркли, Калифорния. «Это не утверждение о реальном мире».
Новая статья двух криптографов предлагает путь к квантовой криптографии без этих нелепых предположений. «В этой статье утверждается, что если определённые другие гипотезы верны, то квантовая криптография должна существовать», — сказал Ма.
Небесный замок
Современную криптографию можно представить себе как башню, состоящую из трёх основных частей. Первая часть — это фундамент, находящийся глубоко под башней и состоящий из сложных математических задач. Вторая часть — это сама башня, в которой находятся специальные криптографические протоколы, позволяющие отправлять личные сообщения, подписывать цифровые документы, проводить тайное голосование и многое другое.
Между ними, защищая эти повседневные приложения от математических основ, находится фундамент из строительных блоков, называемых односторонними функциями . Они отвечают за асимметрию, присущую любой схеме шифрования. «Она односторонняя, потому что сообщения можно зашифровать, но нельзя расшифровать», — сказал Марк Жандри , криптограф из NTT Research.
В 1980-х годах исследователи доказали, что криптография, построенная на односторонних функциях, обеспечит безопасность для множества различных задач. Но спустя десятилетия они всё ещё не уверены, что её фундамент достаточно надёжен для этого. Проблема в том, что этот фундамент состоит из особых сложных задач, известных как NP-задачи, отличительной особенностью которых является лёгкость проверки корректности любого из возможных решений. (Например, разложение числа на простые множители — это NP-задача: её сложно решить для больших чисел, но легко проверить.)
Многие из этих задач кажутся изначально сложными, но учёные-компьютерщики не смогли этого доказать . Если кто-то откроет гениальный алгоритм для быстрого решения сложнейших NP-задач, фундамент рухнет, и вся башня рухнет.
К сожалению, вы не можете просто переместить башню в другое место. Фундамент башни — односторонние функции — может опираться только на фундамент из NP-задач.
Чтобы построить башню для решения более сложных задач, криптографам потребуется новый фундамент, не основанный на односторонних функциях. Это казалось невозможным до тех пор, пока несколько лет назад исследователи не поняли, что квантовая физика может помочь.
Всё началось с опубликованной в 2021 году статьи аспиранта Уильяма Кречмера , в которой он обратил внимание на странную проблему, связанную со свойствами квантовых систем. Вскоре исследователи показали, что проблема Кречмера может заменить односторонние функции и стать основой для новой башни криптографических протоколов . В следующем году Кречмер и другие доказали , что этот альтернативный подход может работать даже без сложных NP-задач. Внезапно показалось, что можно построить гораздо более прочную криптографическую крепость.
Но где его построить? Квантовая проблема, которую Кречмер взял за основу, включала гипотетические вычислительные устройства, называемые оракулами , которые могут мгновенно отвечать на конкретные вопросы. Оракулы могут быть полезными теоретическими инструментами, но на самом деле их не существует. Доказательства Кречмера были подобны чертежу для строительства воздушного замка. Можно ли было спустить его на землю?
Второе Основание
Осенью 2022 года этот вопрос привлёк внимание Дакшиты Кураны , криптографа из Иллинойсского университета в Урбане-Шампейне и исследовательской компании NTT. Курана и её аспирант Кабир Томер решили построить новую башню криптографии. Первым шагом Кураны было создание нового фундамента с использованием квантовых строительных блоков вместо классических односторонних функций. Затем ей нужно было доказать, что этот новый фундамент может поддерживать башню из других криптографических протоколов. Как только она докажет, что фундамент может поддерживать башню, ей нужно будет найти прочное основание для всего этого — основу из реальных задач, которые кажутся даже сложнее, чем задачи NP, используемые в классической криптографии.

На первом этапе Хурана и Томер сосредоточились на квантовой версии односторонней функции, называемой односторонним генератором состояний , которая удовлетворяет трём свойствам, делающим односторонние функции полезными. Во-первых, функция должна выполняться быстро, чтобы можно было легко сгенерировать криптографический замок и соответствующий ключ для его открытия для каждого отправляемого сообщения. Во-вторых, каждый замок должен быть надёжным, и для его взлома без подходящего ключа потребуется немало усилий. Наконец, каждый замок должен легко открываться подходящим ключом.
Ключевое отличие заключалось в природе замков. Классические односторонние функции генерируют математические замки, состоящие из битов — нулей и единиц, которые хранят информацию в классическом компьютере. Квантовые генераторы односторонних состояний, напротив, генерируют замки, состоящие из единиц квантовой информации, называемых кубитами. Эти квантовые замки потенциально могут оставаться надёжными, даже если все классические замки легко взломать. Курана и Томер надеялись начать с этого нового квантового фундамента и построить на нём башню криптографических протоколов. «Это оказалось довольно сложно», — сказал Курана. «Мы застряли на много-много месяцев».
К июлю 2023 года Хурана была почти на девятом месяце беременности и планировала отпуск по уходу за ребёнком. У Томера не было никаких идей. «Я настроен гораздо более пессимистично, чем Дакшита», — сказал он. «Она всегда верит, что всё получится».
Затем они совершили прорыв. Решающим шагом стало определение ещё одного математического строительного блока, который служил чем-то вроде подвального этажа: структуры, которая соединила бы фундамент односторонних генераторов состояний с башней криптографических протоколов. Когда Курана и Томер выяснили, какими свойствами должен обладать этот строительный блок, они обнаружили, что он напоминает одностороннюю функцию с запутанной смесью квантовых и классических характеристик. Как и в обычной односторонней функции, и замки, и ключи были сделаны из классических битов, но процедура генерации этих замков и ключей могла работать только на квантовом компьютере. Что ещё более странно, новый строительный блок удовлетворял первым двум определяющим свойствам односторонних функций, но не третьему: было легко генерировать замки и ключи, и любой замок было трудно взломать. Но ключ не мог легко открыть свой замок.
Хурана и Томер назвали эти запутанные новые строительные блоки односторонними головоломками. Интуитивно сложно представить, чем они могут быть полезны: какой смысл в ключе, которым никогда не воспользуешься? Но два криптографа показали, что односторонние головоломки в сочетании с другими квантовыми трюками фактически позволили бы создать множество криптографических протоколов . Если можно создавать замки и ключи, которые в принципе подходят друг другу, неважно, насколько неэффективна процедура разблокировки.

«Достаточно просто знать, что существует алгоритм, который может быть сколь угодно медленным», — сказал Кречмер, ныне работающий исследователем в Институте Саймонса. «Это очень удивительно».
Установив недостающую часть на место, они быстро закончили доказательство 4 августа. Дочь Кураны родилась всего через несколько дней.
Установив недостающую часть на место, они быстро закончили доказательство 4 августа. Дочь Кураны родилась всего через несколько дней.
Постоянная запись
К ноябрю Курана вернулась к работе и была готова приступить ко второй фазе своего плана. Они с Томером показали, что многие виды криптографии могут быть построены на односторонних головоломках, а односторонние головоломки, в свою очередь, могут быть построены на новом квантовом фундаменте, созданном генераторами односторонних состояний. Следующим шагом в их первоначальном плане было связать этот квантовый фундамент с новой основой — некоторым относительно неуязвимым набором математических задач, ещё более трудноразрешимых, чем задачи из класса NP.
Но когда Хурана и Томер взялись за решение этой задачи, они решили использовать более прямой подход: забыть о генераторах односторонних состояний и вместо этого привязать односторонние головоломки непосредственно к математической основе.

С одной стороны, это казалось странным выбором. Односторонние головоломки — это математические диковинки, которые Хурана и Томер использовали на промежуточном этапе своего доказательства.
Однако у односторонних головоломок есть некоторые преимущества. Во-первых, хотя они и квантовые, замки и ключи, которые они генерируют, классические. Курана считал, что это может облегчить их связь с фундаментом классической математики. Кроме того, односторонние головоломки генерируют ключи, которые слишком громоздки, чтобы открывать замки. Это может облегчить их связь с настолько сложными задачами, что даже проверка решений кажется безнадежно сложной.
Но какие именно задачи подошли бы? У Хураны был на примете кандидат: вычисление определённой комбинации элементов в таблице чисел, называемой матрицей. Эта задача, известная как задача о перманенте матрицы, чрезвычайно сложна для больших матриц, и не существует простого способа проверить правильность вычисления. Задача о перманенте матрицы обладает и другими особыми математическими свойствами, которые привлекают криптографов.
«Это была бы прекрасная задача, на которой можно было бы построить криптографию», — сказал Курана.
Проблема перманентности матрицы также связана с другой проблемой, которую квантовые компьютеры могут легко решить, но классические, по-видимому, не могут . Исследователи работают над доказательством этого преимущества квантовых вычислений в точном теоретическом смысле. Курана и Томер показали, что такое доказательство также позволит им строить безопасные односторонние головоломки — и, следовательно, всю башню квантовой криптографии — поверх проблемы перманентности.
«Им удалось сделать это, основываясь на хорошо изученных предположениях», — сказал Кречмер. «Я был очень рад это увидеть».
Благодаря своему новому результату Хурана и Томер фактически свели две открытые проблемы к одной. Если исследователи докажут, что квантовые компьютеры действительно превосходят классические в решении конкретной задачи, это автоматически придаст квантовой криптографии гораздо более прочную теоретическую основу, чем практически любой вид классической криптографии.
Увы, в ближайшее время вы не сможете использовать новый подход Хураны и Томера для отправки секретных сообщений. Несмотря на недавний прогресс , технология квантовых вычислений пока недостаточно развита, чтобы реализовать их идеи на практике. Тем временем другие исследователи разработали методы квантовой криптографии, которые могут быть использованы раньше , хотя потребуется ещё немало исследований, чтобы доказать их действительную безопасность.
Квантовая криптография уже преподнесла немало сюрпризов, и исследователи лишь недавно начали изучать её возможности. «Мы просто пытаемся понять этот новый ландшафт, который действительно существовал всё это время», — сказал Жандри.
Источник: www.wired.com
Задача Busy Beaver Challenge, известная своей сложностью в теоретической информатике, теперь дает настолько большие ответы, что их невозможно записать с помощью стандартных математических обозначений.

Представьте, что кто-то даёт вам список из пяти чисел: 1, 6, 21, 107 и — подождите — 47 176 870. Догадаетесь, что будет дальше?
Если вы в замешательстве, вы не одиноки. Вот первые пять чисел «занятого бобра». Они образуют последовательность, тесно связанную с одним из самых известных и сложных вопросов теоретической информатики. Определение значений чисел «занятого бобра» — сложнейшая задача, которая уже более 60 лет привлекает поклонников как среди профессиональных математиков, так и среди любителей.
Исследователи определили первые четыре числа «занятого бобра» в 1960-х и 1970-х годах. Заметно большее пятое число, BB(5), было окончательно установлено лишь в прошлом году командой, состоящей в основном из математиков-любителей, работавших вместе в онлайн-сообществе под названием Busy Beaver Challenge .
Никто не знает, насколько велико число BB(6). У нас есть лишь нижние пределы — поистине ошеломляющие. В 2022 году трудолюбивые охотники на бобров установили, что BB(6) должно быть, как минимум, настолько велико, что его буквально невозможно записать в обычной десятичной системе счисления. Даже если бы вы каким-то образом вырезал цифру на каждом атоме в космосе, вы бы исчерпали все атомы прежде, чем достигли бы хоть сколько-нибудь заметного прогресса.
«Это намного превосходит все, что мы когда-либо могли бы постичь или к чему могли бы прикоснуться», — сказал Скотт Ааронсон , специалист по информатике из Техасского университета в Остине.
Охотники на бобров теперь обнаружили , что это ошеломляюще большое число должно быть ещё больше. Открытие сделал один из самых загадочных и плодовитых участников проекта Busy Beaver Challenge, который в июне установил новый нижний предел для BB(6) и всего через девять дней снова побил рекорд. Новые результаты заставляют нижнюю границу для 2022 года выглядеть просто ничтожной.
«Я не перестаю удивляться», — сказал Уильям Гасарч , специалист по информатике из Мэрилендского университета. «Шесть выводит нас в стратосферу больших чисел».
Бобровая ловушка
Самый сложный вопрос, стоящий за цифрами о занятости бобров, заключается в следующем: если известен код компьютерной программы, можно ли сказать, остановится ли она в конце концов или будет работать вечно?
В 1936 году пионер логики Алан Тьюринг доказал, что не существует универсальной процедуры для ответа на этот вопрос, который получил название «проблема остановки». Любой метод, работающий для одних программ, окажется неэффективным для других, а в некоторых случаях вообще не будет работать ни один метод.
Тьюринг доказал этот основополагающий результат, разработав формальную математическую модель вычислений, в которой программы представлены гипотетическими устройствами, ныне называемыми машинами Тьюринга . Каждая машина Тьюринга выполняет вычисления дискретными шагами в соответствии с уникальным списком простых правил. Чем больше правил у машины Тьюринга, тем сложнее становится её поведение и тем сложнее определить, остановится ли она.
Но насколько сложнее? В 1962 году математик Тибор Радо придумал новый способ исследовать этот вопрос с помощью игры «Занятый бобр» . Чтобы начать игру, выберите определённое количество правил — назовём это число n . Ваша цель — найти машину Тьюринга с n- правилами, которая работает дольше всего, прежде чем в конце концов остановится. Эта машина называется «Занятый бобр», а соответствующее число «занятый бобр», BB( n ), — это количество шагов, которые она делает.
В принципе, если вы хотите найти «занятого бобра» для любого заданного n , вам нужно сделать всего несколько вещей. Во-первых, перечислите все возможные машины Тьюринга, соответствующие правилу n . Затем с помощью компьютерной программы смоделируйте работу каждой машины. Обратите внимание на явные признаки того, что машины никогда не остановятся, например, многие машины попадут в бесконечные повторяющиеся циклы. Отбросьте все эти машины, которые не останавливаются. Наконец, запишите, сколько шагов каждая другая машина сделала до остановки. Машина с наибольшим временем работы и есть ваш «занятый бобр».
На практике это становится сложнее. Во-первых, количество возможных машин быстро растёт с каждым новым правилом. Анализировать их все по отдельности было бы безнадёжно, поэтому вам придётся написать специальную программу для классификации и отбраковки машин. Некоторые машины легко классифицировать: они либо быстро останавливаются, либо попадают в легко распознаваемые бесконечные циклы. Но другие работают долго, не проявляя никакой очевидной закономерности. Для таких машин проблема остановки заслуживает своей пугающей репутации.
Чем больше правил вы добавляете, тем больше вычислительной мощности вам требуется. Но простого перебора недостаточно. Некоторые машины работают так долго, прежде чем остановиться, что пошаговое моделирование их работы невозможно. Для измерения времени их работы требуются хитрые математические приёмы.
«Технологические усовершенствования, безусловно, помогают», — сказал Шон Лигоцки , инженер-программист и опытный охотник на бобров. «Но пока они помогают лишь до поры до времени».
Конец эпохи
Занятые охотники на бобров начали всерьез заниматься проблемой BB(6) в 1990-х и 2000-х годах, когда поиски BB(5) зашли в тупик. Среди них были Шон Лигоцки и его отец, Терри, прикладной математик, которые запускали свою поисковую программу в нерабочее время на мощных компьютерах Национальной лаборатории Лоуренса в Беркли. В 2007 году они создали машину Тьюринга с шестью правилами, которая побила рекорд по длительности работы: число шагов, которые она делала до остановки, составляло почти 3000 цифр. Это колоссальное число по любым обычным меркам. Но оно не слишком велико, чтобы его записать. При использовании шрифта 12 пунктов эти 3000 цифр едва ли займут один лист бумаги.

«Мне повезло, потому что в лаборатории уже жаловались на загрузку моего процессора, и мне пришлось немного сбавить обороты», — написал Кропиц в личном сообщении на Discord-сервере Busy Beaver Challenge . Спустя ещё месяц поисков он побил собственный рекорд, создав машину, время выполнения которой превысило 30 000 цифр — этого хватило бы, чтобы заполнить около 10 страниц.
Машина Кропица удерживала рекорд BB(6) 12 лет. Затем, в мае 2022 года, Шон Лигоцки устроился на новую работу, где у него был доступ к мощному компьютерному кластеру, и решил попробовать запустить свой старый код на более новом оборудовании. И действительно, он нашёл нового чемпиона, который побил рекорд Кропица. Это открытие вызвало бурную активность. Дважды в течение двух недель Лигоцки объявлял о новом рекорде в почтовой рассылке «Busy Beaver». Каждый раз Кропиц побивал его рекорд в течение трёх дней. Лигоцки вспоминает, как его отец восхищался тем, как Кропицу это удалось.
«Он шутил, что, по его мнению, Павел уже решил BB(6)», — сказал Лигоцкий. «Всякий раз, когда мы находим чемпиона, он просто достаёт из сумки тот, что побольше».
Однако последние две машины, обнаруженные Лигоцки и Кропицем, работали не просто дольше действующего чемпиона — их время работы было на совершенно новом уровне.
Чтобы разобраться с такими большими числами, нам нужно вернуться к привычной математике сложения и умножения. Начнём со сложения n копий числа — это и есть определение умножения на n . Если же вместо этого умножить n копий числа, это называется возведением в степень. Что же произойдёт, если многократно возводить число в степень? Этот процесс определяет новую операцию, называемую тетрацией, которая обозначается двумя стрелками, направленными вверх.
Тетрация быстро разрастается. 10↑↑1 — это всего лишь 10. Но 10↑↑2 — это 10 10 , или 10 миллиардов, а 10↑↑3 — это 10 в 10-миллиардной степени: единица с 10 миллиардами нулей. Чтобы записать все цифры, понадобится стопка бумаги высотой в тысячу футов. При 10↑↑4 вы пересекаете символический порог, где уже не вопрос поиска достаточного количества бумаги — цифр во Вселенной гораздо больше, чем атомов.
Когда Лигоцкий во второй раз побил рекорд Кропица, он использовал машину Тьюринга с шестью правилами, которая работала более 10↑↑5 шагов, прежде чем остановиться. Кропиц ответил машиной, которая работала 10↑↑15 шагов — это башня из десятков высотой в пятнадцать этажей. Они оставили привычный мир цифр далеко позади.
«Это был конец эпохи», — написал Кропиц в личном сообщении.
Это также стало концом целой эпохи в другом отношении. До этого игра «Занятые бобры» была соревнованием, и исследователи в основном работали в одиночку. Затем был создан проект «Занятые бобры», положивший начало новой эре сотрудничества.
Новый класс сумасшедших
Конкурс Busy Beaver Challenge был основан в 2022 году аспирантом факультета компьютерных наук Тристаном Стерином с единственной целью — строго доказать истинную ценность BB(5). Летом 2024 года группа добилась успеха благодаря ключевому вкладу таинственного новичка, известного только под псевдонимом mxdys.
Новость о результате появилась в Quanta , где её случайно увидела Кейтлин Дусетт, студентка бакалавриата по информатике из Политехнического университета Вирджинии. Вскоре она присоединилась к сообществу Busy Beaver Challenge, поначалу лишь изредка заглядывая на сервер Discord. Но в мае она сделала захватывающее открытие и с тех пор стала одним из самых активных участников поиска BB(6). «Меня это просто зацепило», — сказала она. «Это такой замечательный набор задач».
В течение года, прошедшего с момента завершения доказательства BB(5), mxdys неуклонно продвигался к решению проблемы BB(6), используя сложные автоматизированные методы для классификации всех машин, за исключением нескольких тысяч «отстающих». Дусетт копалась в списке отстающих, когда нашла одну, которая выглядела особенно многообещающей . Проанализировав её дальше с некоторой помощью Шона Лигоцки, она обнаружила, что её время работы уступало только времени работы действующего чемпиона Кропица. Более того, машина Дусетт принадлежала к классу машин, известных как счётчики сдвига и переполнения , которые достигают длительного времени работы, используя совершенно иной механизм, чем чемпион Кропица.
«Удивительно видеть, что эти трудолюбивые бобры нашли новую технологию», — сказал Лигоцкий.
Несколько других занятых охотников на бобров ранее обнаружили счетчики сдвига с переполнением, которые останавливались после долгого времени, но открытие Дусетта заставило команду заподозрить, что таких машин было больше, чем они предполагали. И если некоторые из первых изученных машин приблизились к рекорду Кропица, другие, вероятно, превзойдут его. Участники Busy Beaver Challenge бросились анализировать другие счетчики сдвига с переполнением, но mxdys опередил их. 16 июня они объявили об открытии нового чемпиона , который остановился после 10↑↑10 7 шагов — то есть его время работы равно башне десятков высотой с 10 миллионов этажей. Записать это число в виде строки цифр не представляется возможным. Но даже запись его в виде башни степеней становится рискованной: шрифтом 12 пунктов эта строка десятков растянется примерно на 25 миль.
Кропиц, увидевший эту новость во время отпуска, смирился с потерей титула, написав в Discord: «К сожалению, на этот раз я не смогу показать свой трёхдневный трюк». Утешительный приз ему очень помог. Месяцем ранее он установил рекорд по продолжительности работы машины Тьюринга с семью правилами. По крайней мере, пока Кропиц остаётся в таблице лидеров.
За пределами самого большого
Новый рекорд продержался недолго. Неделю спустя mxdys снова побил его, выпустив машину, время работы которой — в очередной раз — находится на качественно новом уровне. Чтобы записать это в наиболее краткой форме, нам нужно ввести абсурдную математическую операцию, называемую пентацией, представленную тремя стрелками, направленными вверх. Пентация — это повторяющаяся тетрация, то есть она имеет такое же отношение к тетрации, как тетрация к возведению в степень.
Общее количество шагов, которое новый чемпион mxdys сделал до остановки, превысило 2↑↑↑5, или 2↑↑(2↑↑(2↑↑(2↑↑2))). Чтобы расшифровать это выражение, нужно раскрыть скобки: 2↑↑2 равно 4, а 2↑↑4 — чуть больше 65 000. В итоге получается 2↑↑(2↑↑65 000), что делает высоту итоговой стопки двоек непостижимо большим числом. Забудьте о написании башни степеней, простирающейся на мили или мегапарсеки. Даже эта более компактная запись больше не вмещается во Вселенную.
Этот новый результат пока лишь указывает на нижний предел BB(6) — истинное значение может быть ещё выше. Занятые охотники на бобров не рассчитывают получить окончательный ответ в ближайшее время. Первым признаком проблем стала гигантская машина Тьюринга с шестью правилами, которую команда назвала Антигидрой и которую mxdys обнаружил в прошлом году.
Антигидра почти наверняка никогда не останавливается. Но исследователям не удалось это доказать. И тому есть веская причина: охотница на бобров по имени Рашелин, работающая на износ, показала, что вопрос об остановке Антигидры тесно связан с известной нерешённой математической проблемой, известной как гипотеза Коллатца . С тех пор команда обнаружила множество других шестилинейных машин с похожими характеристиками. Уничтожение Антигидры и её сородичей потребует концептуальных прорывов в чистой математике.
Но для заядлых охотников на бобров это не повод отчаиваться. Ещё есть тысячи машин Тьюринга с шестью правилами, которые стоит изучить, и каждая из них обладает своим богатым набором функций.
«Для меня самая веская причина заниматься математикой — это развлечение. Это искусство», — написала Рэйчелин в личном сообщении в Discord. «Всегда найдётся что-то новое».
Источник: www.wired.com
Эти инновационные покрытия преобразуют кинетическую энергию шагов в чистую электрическую энергию.

Мы идём здесь,Мы ходим пешком, мы ходим пешком везде. Возможно, вы идёте на работу или на обед в шумном городе. Вы тратите энергию, и физические упражнения вам полезны. Но что, если бы мы могли, вдобавок ко всему, собрать всю эту свободно получаемую энергию и преобразовать её в полезное электричество?
Это реальность. Системы установлены в десятках стран. И зачем останавливаться на достигнутом? Можно установить их на дискотеках и использовать их изящные движения для питания стробоскопов. Или встроить их в игровые площадки для игр в классики. Когда начинаешь думать об этом, возможности безграничны.
Но как это работает? И сколько энергии оно может вырабатывать? Конечно, один человек не сильно поможет, но преобразите переполненные тротуары Нью-Йорка, и, возможно, у вас получится что-то стоящее. Можно ли установить это по всему миру и отказаться от ископаемого топлива? Давайте выясним!
Следуй за прыгающим мячом
Для начала нам нужна модель идущего человека. Легко, правда? Ходить так просто, что даже годовалый ребёнок справится. На самом деле, двуногое передвижение ужасно сложно с точки зрения физики. Серьёзно, если бы вам пришлось учиться ходить по физической модели, вы бы до сих пор сидели в коляске. Так что давайте начнём с чего-нибудь попроще: с прыгающего мяча.
Хотите верьте, хотите нет, но это довольно хорошая аналогия. Сразу видно, что задействованы три вида энергии: кинетическая энергия, потенциальная энергия гравитации и потенциальная энергия пружины.
Кинетическая энергия связана с движением тела: чем быстрее оно движется, тем больше у него кинетической энергии. Если взять мяч и бросить его, он будет ускоряться вниз, а это значит, что его кинетическая энергия увеличивается. Но откуда взялась эта дополнительная энергия?
Ответ: Она хранится в гравитационном поле. Это потенциальная энергия гравитации . Её величина зависит от напряжённости поля ( g = 9,8 ньютона на килограмм на Земле), массы тела и высоты над землёй. При падении мяча потенциальная энергия гравитации уменьшается, а кинетическая энергия увеличивается.
Прямо здесь вы видите нечто очень важное. Мы называем это законом сохранения энергии . Он гласит, что если у нас есть система без входов и выходов энергии (так называемая замкнутая система), энергия может менять форму, но её общее количество остаётся постоянным.
Наконец, у нас есть потенциальная энергия пружины . Это энергия, запасённая в упругом объекте при сжатии. Когда мяч падает на землю, он деформируется и останавливается. Если бы у вас была высокоскоростная камера, вы бы увидели, как он на долю секунды сплющивается, превращаясь в энергию пружины.
Затем мяч отскакивает, восстанавливая свою форму. Потенциальная энергия пружины преобразуется обратно в кинетическую энергию, действующую в противоположном направлении, и мяч подпрыгивает вверх. Вот как это выглядит:

Если это действительно замкнутая система, общая энергия останется неизменной от отскока к отскоку, и вы увидите, как мяч возвращается к своей первоначальной высоте. Конечно, это не очень реалистично. Вместо этого часть кинетической энергии рассеивается в виде тепла или звука при ударе. Тогда энергия пружины становится меньше первоначальной кинетической энергии, поэтому каждый отскок становится всё ниже и ниже:

Точно так же, каждый раз, когда ваши ноги касаются земли, часть энергии утекает. Но погодите! Когда люди идут, их рост остаётся постоянным шаг за шагом. Как это возможно? Всё потому, что мы восполняем потерю энергии внутренней энергией из пищи. Это работа мышц. Если мы включим этот источник в систему, энергия будет сохраняться.
Итак, вернёмся к нашему изначальному вопросу: можно ли собрать эту «потерянную» энергию и использовать её? Да, именно это и делают тротуары, работающие на энергии людей. Давайте посмотрим, как это работает.
Две технологии
Для этого можно использовать два основных метода: пьезоэлектрический или электромагнитный генератор. Обе эти технологии существуют уже давно, новизна заключается лишь в их применении на поверхностях, генерирующих электроэнергию.
Пьезоэлектрические устройства повсюду вокруг вас. Они в тех палочках, которыми вы разжигаете барбекю. Они в кнопках лифта, где отсутствие подвижных частей делает их гораздо более долговечными, чем механические кнопки старого образца. Именно благодаря им детские кроссовки светятся ночью.
Он основан на особом типе кристалла, например, кварца. При нажатии на кристалл изменяется структура атомной решетки, что приводит к разделению положительных и отрицательных зарядов. Другими словами, он создаёт напряжение, как батарейка, что приводит к возникновению электрического тока.
О, это работает и в обратную сторону. Если подать напряжение на пьезоэлектрический кристалл, он расширится. Приложите постоянно меняющееся напряжение, и кристалл начнет колебаться и издавать звук. Теперь у вас есть крошечный динамик. Благодаря своей тонкости они используются в поздравительных открытках, которые проигрывают мелодию при открытии.
Вот пьезоэлектрический динамик, который я вытащил из игрушки и подключил к светодиоду. Когда я ударяю по нему, энергии достаточно, чтобы светодиод загорелся. Круто, правда?

Теперь представьте, что вы поместили пьезоэлектрический кристалл в панель пола. Идущий человек будет надавливать на него, сжимая кристалл и генерируя электричество. Именно так японская компания Soundpower Corp (теперь Global Energy Harvest) создала свой пол, генерирующий электроэнергию.
Британская компания Pavegen использует пол с небольшими маховиками под ним. Когда нога надавливает на пол, маховик вращается, вращая катушку провода в магнитном поле, которое создаёт электрический ток. Это электромагнитный генератор, и именно так вырабатывается большая часть нашей повседневной энергии — вопрос лишь в том, что заставляет генератор вращаться. Обычно это ветер, вода или (чаще всего) пар от сжигания ископаемого топлива.
Сила народа
Итак, сколько электроэнергии может выработать один человек? Давайте проведём простой расчёт . (Физики именно так и поступают, когда хотят получить быстрое приближение — это позволяет нам понять, стоит ли вообще получать более точное число.)
Для начала кратко напомним о разнице между мощностью и энергией. Если коротко, мощность — это скорость передачи энергии. Как показано в следующем уравнении, это изменение энергии ( ΔE ) за единицу времени.

Если ΔE измеряется в джоулях, а Δt — в секундах, то мощность будет выражена в ваттах. Чтобы вы могли представить себе эти единицы, поднимите учебник с пола и положите его на стол, затратив около 10 джоулей энергии. Мощность, потребляемая обычной светодиодной лампой, составляет от 10 до 20 ватт.
Предположим, что наш идущий человек подобен очень сильно прыгающему мячу. Во время одного шага человек опускается вниз и ударяется об пол. При этом вся его кинетическая энергия (по нашим оценкам) теряется. Поскольку его кинетическая энергия возникла из-за изменения гравитационной потенциальной энергии, мы можем получить энергию одного шага, просто используя массу ( m ) и высоту ( h ), на которую он спускается. Таким образом, наша энергия одного шага будет равна:

Я возьму массу человека 70 килограммов с изменением роста на 2 сантиметра. И помните, гравитационное поле Земли равно g = 9,8 ньютона на килограмм. Но погодите! Каждый шаг составляет всего половину веса человека, поэтому умножим на 1/2. Предположим, быстро идущий человек делает два шага в секунду. Это значит, что мы можем использовать временной интервал 0,5 секунды.
Подставив эти значения, мы получим среднюю мощность 13,7 Вт. Конечно, это предполагает, что система абсолютно эффективна. Для минимальной оценки предположим, что КПД пола составляет всего 10%. Тогда средняя выходная мощность составит 1,37 Вт. Думаю, если бы у вас было значение от 1 до 10 Вт, это было бы правдой.
А что, если бы в загруженном аэропорту был этаж, работающий от людей, и на человека приходилось бы 5 ватт? Это значит, что 100 человек давали бы вам 500 ватт общей мощности. Этого должно было бы хватить для освещения зала ожидания. Конечно, когда аэропорт безлюден, например, поздно ночью, света не будет, поэтому неплохо было бы иметь какой-то резервный источник.
Источник: www.wired.com
Альберт Эйнштейн говорил: «У меня нет особого таланта. Я просто страсть как любопытен». По мнению математика Давида Бессиса, слишком мало людей воспринимает эти слова всерьез. В книге «Путь к сути вещей: Как понять мир с помощью математики» (издательство «Альпина Паблишер»), переведенной на русский язык Екатериной Поляковой, он рассказывает, как можно разобраться в математике, а также демонстрирует, что она может не только запутывать, но и объяснять. Предлагаем вам ознакомиться с фрагментом о том, как быстро посчитать сумму целых чисел от 1 до 100 и какие выводы можно извлечь из решения этой задачи.
Нет никакой хитрости
Обычный день в США начала 1950-х годов. Обычная семья едет по обычной дороге. Отец за рулем, двое сыновей сидят на заднем сиденье. Чтобы они не ссорились, отец задает им задачи: «Какова сумма целых чисел от 1 до 100?»
Младшему из братьев пять лет. Через несколько секунд он отвечает: «5000». Отец говорит, что это почти правильно. Мальчик думает еще несколько секунд и дает правильный ответ: «5050».
Этот пятилетний мальчик — Билл Тёрстон. История про него вызывает улыбку у тех, кто видит в ней повторение известного случая с Карлом Фридрихом Гауссом (1777–1855), «королем математики». Пусть даже эта старая история — просто легенда, но она широко известна, и отец Тёрстона, несомненно, о ней слышал.
Гаусс был одним из величайших математиков в истории, одним из тех, кого не колеблясь ставят рядом с Фалесом, Пифагором, Евклидом, Архимедом, Аль-Хорезми, Декартом, Эйлером, Ньютоном, Лейбницем, Риманом, Кантором, Пуанкаре, фон Нейманом, Гротендиком и еще несколькими. Он был настолько блистателен и обладал таким творческим потенциалом, что современники отказывались верить, что его интеллект порожден биологически нормальным человеческим мозгом. В некотором роде он был Альбертом Эйнштейном своего времени.
И закончилось все, кстати, ровно так, как и должно было (абсолютно как с Эйнштейном): когда Гаусс умер, кто-то счел весьма хитроумным изъять его мозг в надежде проникнуть в его секреты. Два века спустя мозг Гаусса так и лежит в банке, бережно хранимый в запасниках Гёттингенского университета. Никто не нашел в нем ничего интересного.
Согласно легенде, в возрасте семи лет маленький Гаусс очень напугал своего школьного учителя. Тот задал классу вычислить сумму целых чисел от 1 до 100, полагая, что так подарит себе добрых 25 минут тишины. Он не предусмотрел, что один из мальчишек ответит через несколько секунд.
Мне было 17 лет, когда преподаватель математики нашего выпускного класса рассказал эту историю, и она сильно впечатлила нас. Мы не понимали, как Гаусс мог посчитать настолько быстро. По сравнению с таким гением мы все чувствовали себя несколько жалко.
Объяснение нашего преподавателя заключалась в том, что здесь есть «хитрость». Мы хотим посчитать сумму целых чисел от 1 до 100, то есть выполнить сложение
1 + 2 + 3 + 4 + ... + 97 + 98 + 99 + 100.
Хитрость в том, чтобы умножить эту сумму вдвое, дважды посчитав каждое целое число от 1 до 100, и выстроить эту двойную сумму в две строки следующим образом:
1 + 2 + 3 + 4 + ... + 97 + 98 + 99 + 100 + 100 + 99 + 98 + 97 + ... + 4 + 3 + 2 + 1.
Что за ерунда! Зачем считать эту сумму дважды? Зачем так выстраивать числа? Может, это и странно, но мы в полном праве так сделать. В любом случае каждое число от 1 до 100 появляется здесь дважды. Значит, двойная сумма в два раза больше числа, которое мы хотим найти.
А теперь посмотрите не на строки, а на столбцы. У нас 100 столбцов, и в каждом из них по два числа, сумма которых всегда равна 101. Это может показаться волшебством, но это так. Значит, двойная сумма равна 100 умножить на 101, то есть 10 100. Нужное нам число — половина от этого, то есть 5050.
Не надо стыдиться, если вам понадобится перечитать это рассуждение несколько раз, прежде чем счесть его убедительным. Как и в любом математическом рассуждении, в нем есть что-то странное и пугающее. Пока нам не удается счесть его очевидным, приходится расшифровывать его строчка за строчкой, что требует времени и концентрации.
Этапы рассуждения довольно просты и, по идее, позволят вам прийти к трем выводам.
Во всяком случае такие выводы в 17 лет сделал я сам.
Я также заключил, что математика создана не для меня, потому что она предназначена только для этих особых людей, гениев, у которых мозг работает не так, как мой, и может генерировать столь невероятные идеи.
Преподаватель в моем выпускном классе был прекрасным педагогом, я высоко его ценил, и он научил меня очень многому. Но, говоря нам о «хитрости», в тот день он оказал нам плохую услугу.
Нет никакой хитрости. Не было и не будет. Верить в существование хитростей так же токсично, как верить в существование истин, по природе своей контринтуитивных. Это два главных предрассудка в идеологии Системы 2 — вот эта вера, что наша интуиция ничего не стоит и мы должны механически применять методы, которых не понимаем.
Разумеется, бывает так, что что-то происходит и мы не понимаем почему. И даже довольно часто. Но это всегда временная ситуация, которая ждет объяснения.
Верить, что на структурном уровне существуют какие-то хитрости, — значит согласиться с мыслью, что есть вещи, которых мы никогда не поймем, и их нужно выучить на изусть. Путать проверку доказательства строчка за строчкой с его интуитивным пониманием. Вступить в подчиненные отношения с Системой 2. Согласиться на нечестное и унизительное для нас распределение ролей: великие гении находят всякие хитрости, а вот мы годны только на то, чтобы проверить, что сложение верно.
Если все это только для того, чтобы проверить, что сумма целых чисел от 1 до 100 действительно равна 5050, — да плевать на это, откровенно говоря. Нам важно научиться думать как Гаусс и Тёрстон.
Ловушка языка
Чтобы понять, что скрывается за математическими «хитростями», проще всего посмотреть на рецепт бананового кекса, например такой:
Ингредиенты: 4 банана, 4 яйца, 250 грамм муки, 180 грамм сливочного масла, 120 грамм сахара, 1 пакетик ванильного сахара, 1 пакетик разрыхлителя.
Представьте себе разные этапы рецепта.
Между этими двумя этапами вы сменили мысленный образ. Перед тем как разминать бананы, вы мысленно очистили их. За так называемыми хитростями обычно кроется нечто подобное: смена мысленного образа, которая происходит в одно мгновение по «очевидным» причинам, неочевидным для остальных.
Когда хорошо знаком с бананами, очевидно, что их нужно очистить, прежде чем разминать. Если никогда не держал бананы в руках — это перестает быть очевидным. Текст рецептов никогда не охватывает абсолютно все необходимые действия. Всегда не хватает каких-то важных деталей, тех самых пресловутых «хитростей». Вот почему так много людей предпочитают смотреть кулинарные видео, а не читать рецепты.
Бананы знакомы вам с детства. Можно даже сказать, вы с ними в близкой дружбе. Вы изучили их так, чтобы не нуждаться в языке для их описания. Вы знаете о них кучу подробностей, о которых никогда никому не рассказывали. Вам досконально знакомо волокно, проходящее вдоль их мякоти, пусть даже вы не знаете его названия. Это волокно ни разу ни для чего вам не пригодилось, но поразило вас своим видом и свойствами. Еще вы знаете — и ни разу не осмелились в этом признаться, — что ничто на земле не разламывается так мягко и приятно, как мякоть банана. Слово «банан» вызывает у вас не просто мысленный образ, а множество возможных мысленных образов. И вы моментально, без усилий и указаний со стороны, всегда выбираете нужный. Разминать бананы, не очистив их, настолько глупо, что это забавляет вас. Это из серии тех дурацких штук, которые могут проделать только роботы.
Когда Гаусс или Тёрстон хотят сложить целые числа от 1 до 100, они выбирают нужный способ представить эти числа — тот, который облегчит вычисление. Они находят его моментально, без усилий и указаний со стороны. Они умеют активировать свое знание чисел так же, как вы умеете активировать свое знание бананов. Речь идет об одной и той же форме интеллекта.
В математике свершение чуда или возникновение идеи ниоткуда — всегда знак, что вам не хватает какого-то образа. Ваш способ видеть вещи неверен или неполон, и есть вариант лучше, проще и яснее, которого вы еще не знаете, а может быть, и никто не знает. Искать и найти этот правильный способ видеть — вот сама суть математической деятельности. Это основной источник удовольствия от нее.
Каждый раз, когда вам говорят о хитростях, вам приказывают перестать размышлять как раз в тот момент, когда начинается самое интересное.
Ирония здесь в том, что в то время, когда вы завязали близкую дружбу с бананами — в ту далекую пору вашего детства, — вы также завязали близкую дружбу с числами. Именно такая степень близости позволила вам научиться считать.
Эту дружескую связь с числами вы потеряли. Подрастая, вы угодили в то, что я называю ловушкой языка, и именно она мешает вам «увидеть» сумму целых чисел от 1 до 100 так же, как Гаусс и Тёрстон.
Ловушка языка — это убеждение, что достаточно назвать вещи, чтобы они начали существовать, избавив нас от необходимости по-настоящему воображать их.
Это убеждение — типичное проявление идеологии Системы 2. Нам рассказывают, что мы думаем именно словами и ни к чему пытаться выйти за их пределы. Это сжатое изложение весьма проблемно, оно граничит с ложью. Да, называние вещей позволяет упомянуть их, но не вызывает в сознании настолько яркие образы, чтобы можно было мыслить и творить.
«Не думайте о розовом слоне». Эта шутка очень веселит лингвистов, потому что в определенном смысле эта фраза вынуждает нас думать о розовом слоне. Только вот этот способ думать о розовых слонах пассивно, против воли, не поможет вам стать их близким другом и понять их по-настоящему. Постарайтесь представить розового слона в настоящую величину — прямо здесь, перед вами. Дайте себе время рассмотреть его и изучить вблизи. Этот намеренно вызванный образ будет неимоверно глубже, богаче и точнее, чем невнятная картинка, возникшая у вас в уме в начале этого абзаца. Когда вы разрешаете себе отпустить воображение на свободу, у него практически нет пределов.
Именно это усилие воображения позволяет выбраться из ловушки языка и решать математические задачи. Эта деятельность лежит в основе Системы 3. Она подразумевает свободное стремление увидеть, без оговорок и полумер, с полным физическим вовлечением.
Если, читая слова «сумма целых чисел от 1 до 100», вы удовлетворитесь невнятным образом, возникшим в вашем уме, вы ничего не увидите.
Не позволяйте словам убаюкать вас, заставьте себя подумать, что эта сумма физически присутствует перед вами. Заставьте себя вообразить целые числа от 1 до 100 из плоти и крови, воплощенные в реальном мире и смирно выстроившиеся перед вами. Если вам удастся их увидеть и вы дадите себе время как следует понаблюдать за ними, вы найдете способ вычислить их сумму.
Чтобы дать себе шанс догадаться самим, можете сделать перерыв, прежде чем продолжать читать.
Подробнее читайте:Бессис, Д. Путь к сути вещей: Как понять мир с помощью математики / Давид Бессис ; Пер. с фр. [Екатерины Поляковой] — М. : Альпина Паблишер, 2024. — 346 с.
Источник: nplus1.ru
В прошлом посту я показал, что на самом деле, в природе, нет никакой связи между периметром и площадью фигуры. В качестве примера была снежинка Коха. Вроде пример надуманный - и всё это просто игры математиков. А вот нифига. В природе эти фракталы встречаются почти везде.

Глядя на фотку выше математик Майкл Брансли решил описать его математически (делать ему больше нечего что ли?) и, у него получилось(более-менее точно):
Та же береговая линия острова. Чем точнее будем вычислять периметр острова тем тоскливее нам будет (периметр таких фракталов обычно стремится к бесконечности).
Но у фракталов есть ещё одна характеристика - размерность.
Например у математической (а не ручкой поставленной) точки размерность равна нулю, у линии - единице, у плоскости двойке, у куба - тройке, а вот у сферы снова двойке (это Вам для разминки мозгов), в то время как у шара - привычная тройка.
Т.е. на линии мы можем взять точку отсчёта и обозначить положение на линии одной координатой, на плоскости уже двумя, у куба - три(ширина, высота и длина) и т.д.
А что же с размерностью у фракталов?
Думали-думали и придумали. Решилм использовать фрактальную размерность. Её начали использовать для определения сложных объектов (не обязательно бесконечных фракталов). Фообще слово фрактал (fractured) в математике означает "дробное". Определили енту величину как меру сложности подобных структур. Как оценить енту меру-то? Ведь математикам нужно конкретное число, а не то что один сказал - "просто", второй "сложно", третий "пойдёт"... Решили, что на определённом массштабе определяется количество отдельных элементов и как это число меняется при уменьшении массштаба.
Математически выглядит так:
А формула простое соотношение D=log(N) / log(S).
Для той же снежинки Коха

Снежинка строится на отрезке, который делится на три равные части, затем на средней части создается «пик» в форме равностороннего треугольника без основания. В результате каждый исходный отрезок заменяется на 4 меньших, и так далее.
Получаем, что S = 3, N = 4, а размерность log(4) / log(3) ≈1.261859507...
Вот такие чудеса, вомбатяне, оказывается имеются и дробные размерности, причём в самой природе.