Математика: полезные применения

— Математика — это не про цифры. Это про отношения между вещами. И ты пользуешься ей каждые пять минут, просто не знаешь об этом.

— А ты сейчас на каком расстоянии от меня стоишь?

— Ты только что решил задачу триангуляции, с которой не справляется робот без трёх камер. Твой мозг каждую миллисекунду вычисляет расстояние до объектов — и делает это лучше любого лидара. Ты не говоришь себе: «О, я сейчас использую математику!» — но ты её используешь.

— Вот тут самое интересное: всё наоборот. Математика — это язык, на котором описаны отношения между вещами. Не калькулятор для их подсчёта. Представь, что ты всю жизнь говорил на русском, но не знал, что он называется «русский язык». Вот точно так же ты каждые пять минут оцениваешь расстояние до машины, прикидываешь, успеешь ли к дедлайну, выбираешь более быструю очередь в супермаркете — и ни разу не называешь это математикой.

— Потому что ты решаешь задачу теории массового обслуживания — и в 60% случаев ошибаешься. Ты смотришь на длину очереди, а надо смотреть на то, что в ней происходит. У одного человека полная тележка и он будет пробиваться десять минут. У другого — пачка чипсов и бутылка воды. Твоя интуиция не учитывает дисперсию времени обслуживания. Она вообще не приспособлена к вероятностям.

— Мозг оптимизирован для саванны, где редкие смертельные угрозы и быстрые решения. А математика требует медленных решений в среде с частыми вероятностями. Это разные эпохи эволюции.

— Нет. Страховка, логистика, ценообразование в супермаркете.

— Amazon меняет цену на один и тот же товар 144 раза в сутки. Динамическое ценообразование даёт им плюс 25% к марже. Они не «назначают» цену — они решают задачу оптимизации в реальном времени. Progressive Insurance внедрила GLM-регрессию — уровень второкурсника, таблица Excel, — и за пять лет отыграла 15% рынка страховки США.

— Нужна только таблица Excel и человек, который не боится слова «регрессия». Самые денежные применения математики — скучные и незаметные. UPS экономит 400 миллионов долларов в год на топливе через алгоритм, который решает задачу коммивояжёра для 55 тысяч маршрутов в день. Не нейросети, не ИИ — задача коммивояжёра, которой двести лет.

— Вот тут самое интересное: всё наоборот. Чем точнее инструмент, тем меньше ситуаций, где он применим. Интегралы — это мощно, но когда ты в последний раз в жизни брал интеграл? А статистикой ты пользуешься каждый раз, когда смотришь на прогноз погоды, читаешь новости про «учёные доказали» или решаешь, стоит ли делать прививку.

— А ты знаешь, что 80% врачей ошибаются, когда видят положительный результат теста на редкую болезнь?

— Тест точный на 99%. Болезнь встречается у одного из тысячи. Ты сдал тест, результат положительный. Какая реальная вероятность, что ты болен?

— Около 9%. Потому что из тысячи человек у одного реально есть болезнь — и тест его поймает. А у остальных 999 человек тест ошибётся в 1% случаев — то есть даст примерно 10 ложных положительных результатов. Итого 11 положительных результатов, из которых только один настоящий. 1 из 11 — это 9%.

— Именно. Это называется base rate fallacy — ошибка базовой ставки. И 80% врачей в неё попадают. Финансисты, которые знали теорему Байеса, потеряли в 2008 году на 40% меньше денег — просто потому, что понимали: их модели неточны.

— Именно. В школе учат интегралам, потому что там есть правильный ответ. И не учат статистике, потому что там правильного ответа нет — там judgement. А в жизни judgement нужен в тысячу раз чаще.

— Монти Холл?

— А давай проверим. Три двери, за одной машина. Ты выбрал первую. Ведущий, который знает, где машина, открывает третью — там коза. Предлагает поменять выбор на вторую. Что будешь делать?

— Нет. Если ты поменяешь — выиграешь в двух случаях из трёх.

— Смотри. Когда ты выбираешь первую дверь, вероятность, что машина за ней — 1/3. Вероятность, что машина за одной из двух других — 2/3. Ведущий открывает дверь с козой — но он не меняет вероятности. Он просто показывает тебе, где козы нет. Вероятность 2/3 теперь сосредоточена на одной оставшейся двери. Меняешь — и у тебя 2/3 вместо 1/3.

— Десять тысяч человек, включая PhD по математике, ошиблись в этой задаче для третьего класса. Потому что интуиция говорит «50/50». И знаешь, что самое страшное?

— Знание ответа не меняет поведение. Человек понимает парадокс Монти Холла — и через час снова говорит «50/50». Мозг не приспособлен к вероятностям. Математика — единственная защита.

— Google — это собственный вектор матрицы переходов. Идея цепей Маркова 1897 года. Google не «читает» страницы — он решает задачу линейной алгебры.

— Представь, что по интернету бродит случайный пользователь и бесконечно кликает по ссылкам. PageRank — это вероятность, что он окажется на этой странице. Google — это собственный вектор матрицы размером с интернет.

— Преобразование Фурье. 1822 год. Французский математик создал его для уравнения теплопроводности — и понятия не имел, что через двести лет это будет сжимать фотографии котов. Netflix, Spotify, YouTube используют сингулярное разложение — метод 1870-х годов. Ты — строка в матрице «пользователи × контент».

— Именно. И мы не знаем, какие сегодняшние «бесполезные» абстракции станут технологиями 2050 года. Лучший способ предсказать технологии будущего — не читать TechCrunch, а следить за arXiv по разделам, которые ты не понимаешь.

— Не матанализ.

— Дискретную математику. Графы. Комбинаторику.

— Университеты продолжают учить матанализу, потому что это «серьёзный бренд», а дискретная математика — нет. Выпускники умеют брать интегралы, но не могут оценить сложность алгоритма. А Big O — это разница между 0,07 секунды и 28 часами на одном и том же объёме данных.

— И ты даже не узнаешь почему, если не знаешь математики. Код — это граф состояний, а не последовательность строк. Теория графов — язык описания любых систем связей: Git, базы данных, зависимости пакетов. Комбинаторика — умение сказать «это не перебрать за время жизни Вселенной». Один год математики плюс один год программирования даёт программиста, который пишет код для десяти миллионов пользователей. Десять лет кода без математики — код, который падает, когда данных становится много.

— Никакой.

— Найди задачу, которая тебя бесит.

— Ну, например, ты играешь в Factorio и хочешь оптимизировать завод. Ты выучишь топологическую сортировку за вечер, потому что без неё твои красные микросхемы не производятся. Или ты хочешь понять, как работает рекомендательная система Netflix — и выучишь сингулярное разложение, потому что без него не соберёшь свой прототип. Математика входит не через учебник, а через задачу.

— Учебники построены вокруг логики предмета, а не логики ученика. 90% бросают именно из-за этого разрыва. Плавание — нельзя выучить гидродинамику и потом прыгнуть в воду. Надо прыгнуть и в процессе разобраться, что делать руками.

— 3Blue1Brown — визуальный вход, после которого матрицы — это трансформации пространства, а не таблички с числами. Project Euler — вход через программирование: ты сам идёшь учить математику, потому что без неё программа не работает. Бен Орлин — про то, как математика пронизывает всё вокруг, от лотерей до спорта.

— Точная — внутри своих правил. Но правила выбраны произвольно.

— Игра, которая чудовищно точно описывает реальность. И никто не знает, почему.

— Теорема Гёделя о неполноте: в любой достаточно сложной системе есть истины, которые нельзя доказать. Континуум-гипотеза — утверждение, которое нельзя ни доказать, ни опровергнуть в стандартной теории множеств. Парадокс Банаха — Тарского: шар можно разбить на конечное число частей и собрать два шара того же размера.

— Да. Это не физика, это математика. Внутри своих правил это работает. Но лучшие математики постоянно говорят «я ничего не понимаю» — не потому, что они глупые, а потому что видят границы, которых не видят другие.

— Математика учит правильным вопросам. Формалисты, платонисты и интуиционисты не могут договориться, что такое математика на самом деле — она открывается или изобретается? И это нормально. Это и есть самое интересное.

— Будет вопрос. Почему математика, будучи «произвольной игрой», так чудовищно эффективна в описании реальности? Физик Юджин Вигнер назвал это «непостижимой эффективностью математики». У нас нет ответа. И это самое интересное — что у нас нет ответа.