只有天才才能做数学吗?

简介: 只有天才才能做数学吗? 答案绝对是——No。 为了能为数学作出比较重要的贡献,你确实需要努力工作,熟练掌握自己的领域,并尽可能学习其他领域和各种工具的使用,还需要提出自己的问题、与其他数学家交流,然后再思考思考数学的“大蓝图”(big picture)。



只有天才才能做数学吗?


答案绝对是——No


为了能为数学作出比较重要的贡献,你确实需要努力工作,熟练掌握自己的领域,并尽可能学习其他领域和各种工具的使用,还需要提出自己的问题、与其他数学家交流,然后再思考思考数学的“大蓝图”(big picture)。当然,你确实需要一些聪明才智、足够的耐心以及成熟的心智。但是你并不需要所谓“天才基因”这样的“魔杖”,并不是说有了它们,你就能无中生有般地产生深刻的洞见、意想不到的证明或着其他超能力。


公众眼里的天才形象往往是孤军奋战(甚至有些疯狂),他们忽视现有的文献和其他传统的做法,大脑中灵光乍现(当然有时可能还伴有灵感出现前的煎熬),于是对一个问题的天才之解就此诞生,连相关领域的专家都摸不着头脑。这确实是一个充满魅力而又浪漫的形象,但是却很不符实——至少在现代数学的世界中。我们当然有一些伟大、深刻并且影响深远的成果和洞见,但是它们往往来自于辛苦的工作和前人几年、几十年、甚至几个世纪的成果的积累。从一个阶段的理解到下一个阶段的飞跃往往是非常不平凡的,并且经常出人意料,但是它们仍然是在前人工作的基础上做出来的,绝对不是无中生有。怀尔斯(Andrew Wiles)攻克费马大定理,以及佩雷尔曼(Grigori Perelman)攻克庞加莱猜想都是如此。


实际上,我觉得当今的数学研究的现状反而比当年我还是学生时对数学家浪漫形象的憧憬更加令我满足。当时我以为数学的发展都是由一些少有的天才的神秘灵感推进的,但事实是,当今的数学研究基本都来自于长期的努力工作,需要直觉的驱动、文献阅读的积累,有时可能还需要一些运气。实际上,对“天才”这一概念的狂热追捧会造成很多问题,因为哪怕再天才的人,都不可能日复一日地重复产生这些(非常稀有的)灵感,还得都是正确且一致的。(如果有人跟你说他能做到这一点,你最好对此表示怀疑。)一些人会因此对那些“大问题”、“大理论”过分着迷,一些人会因此过分坚信自己成果的正确性,还有一些人会因此失去继续做数学的勇气。同样地,将成果过分地归因于无法控制的天才,而非勤奋、良好的计划和教育这些人为控制的因素,也会造成很多问题。




请谨慎使用“天才”、“灵感”这样的字眼。它们就像是魔杖,任何想要了解真相的人都不应该被它们蒙蔽。

——何塞·奥特嘉·伊·加塞特(José Ortega y Gasset),《天才手记》


当然,尽管有些人鄙视“天才”这样的字眼,但不可否认的是,在任何时候,都有一些数学家会反应更快、更有经验、更有效率、更仔细或者更有创造力,但这并不是说只有“最好”的数学家才应该做数学,这是混淆了绝对优势(absolute advantage)和比较优势(comparative advantage)的概念;况且,有趣的数学研究领域和问题非常多,远远不是几个“最好的”数学家所能全部包含的;此外,有时你凭借你的工具或者想法会发现其他一些优秀的数学家忽视的东西,因为再优秀的数学家也会有不擅长的领域。只要你受过教育、有兴趣并且有一些才能,总会存在一些数学领域,在此你可以作出坚实而有用的贡献。它们可能不是最光鲜的数学领域,但是这才是健康的发展模式。历史的经验告诉我们,很多看似无聊的细枝末节,却最终会比一些看似“伟大”的问题更加重要。同样,在一个人有能力处理有名的“大问题”之前,也应该尽量在领域中看似不太重要的部分试试手。去看看一些有名的数学家早期发表的论文,你就理解我所说的了。


有些时候,太多的天赋可能还会有害于一个人长期的数学才能的发展。例如,如果问题很容易,这样的人可能不会花太多的精力去刻苦钻研,不能问出深刻的问题,或者会眼高手低,所以最终很可能会陷入瓶颈。同样,如果一个人习惯了简单的成功,他可能就不会培养出攻克困难问题所需的足够耐心。天分当然是重要的,但是如何发展和培养天分更加重要。


专业的数学研究不是一项运动(和奥数竞赛有着天壤之别)。数学的目标不是获得最高的排名、最高的分数或者最多的奖项,相反,最重要的目标是提升对数学的理解(不仅是为你自己,更为了你的同行、学生),以及促进数学的发展和应用。出于这个目的,数学欢迎任何想加入这个行列的人。

原文发布时间为:2017-01-21


本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关文章
|
机器学习/深度学习 运维 前端开发
集成学习方法:Bagging与Boosting的应用与优势
集成学习方法:Bagging与Boosting的应用与优势
757 0
|
SQL 算法 数据库
OceanBase 查询优化 | 学习笔记
快速学习 OceanBase 查询优化
OceanBase 查询优化 | 学习笔记
|
人工智能 运维 数据可视化
AI驱动操作系统服务评测报告
阿里云操作系统服务套件集成AI技术,提供集群健康、系统诊断、观测分析和OS Copilot等功能,助力高效管理。安装组件流程简便,系统观测与诊断功能强大,数据可视化效果佳,支持历史趋势分析。OS Copilot智能助手回答逻辑清晰,但部分问题需增强专业性。整体评价高,建议进一步优化错误提示、自动诊断及订阅服务记录,提升用户体验。
413 26
AI驱动操作系统服务评测报告
|
开发工具 git 开发者
解决fatal: not a git repository (or any of the parent directories): .git问题
解决fatal: not a git repository (or any of the parent directories): .git问题
3121 1
软件工程师,如何有效缓解工作压力
在这个快速迭代、技术日新月异的数字时代,软件工程师们常常站在技术创新的最前沿。他们肩负着构建高效、可靠软件系统的重任,同时也面临着紧迫的截止日期、复杂的技术难题和持续的学习需求,这些因素共同构成了巨大的工作压力。如何在高压环境下保持冷静、高效与创新,同时维持良好的身心健康,成为了每位软件工程师必须面对的课题,也成为了这一行业亟待解决的问题。
716 57
|
存储 安全 大数据
大数据隐私保护:用户数据的安全之道
【10月更文挑战第31天】在大数据时代,数据的价值日益凸显,但用户隐私保护问题也愈发严峻。本文探讨了大数据隐私保护的重要性、面临的挑战及有效解决方案,旨在为企业和社会提供用户数据安全的指导。通过加强透明度、采用加密技术、实施数据最小化原则、加强访问控制、采用隐私保护技术和提升用户意识,共同推动大数据隐私保护的发展。
1653 3
|
机器学习/深度学习 数据采集 算法
【Python机器学习专栏】使用机器学习预测股票价格
【4月更文挑战第30天】本文探讨了使用Python和机器学习预测股票价格的方法,包括数据收集(如开盘价、收盘价等)、预处理(缺失值填充、异常值处理、标准化)、特征选择(技术指标、基本面指标、市场情绪)和工程、模型选择(线性回归、SVM、神经网络等)、训练与调优。模型评估涉及准确率、召回率等指标,并强调实际应用中需考虑多种因素,未来研究可探索深度学习的应用及数据质量与安全。
2990 0
|
Java Android开发
18. 【Android教程】图片控件 ImageView
18. 【Android教程】图片控件 ImageView
643 4
|
Java Linux Maven
百度搜索:蓝易云【Maven私服仓库配置-Nexus详解!】
完成上述步骤后,你已成功配置了Nexus作为Maven私服仓库。你可以使用Nexus来管理和分发你的Java项目的依赖库。
316 3
|
JSON API 数据格式
如何使用京东商品SKU API获取商品的图片信息?
京东商品SKU API是京东开放平台提供的一套API接口,可用于获取京东商城的商品SKU信息。该API提供了丰富的商品信息,包括商品ID、标题、价格、销售量、评论数、评分等。除了这些基本信息之外,商品的图片信息也是商品SKU信息的重要组成部分。本文将详细介绍如何使用京东商品SKU API获取商品的图片信息,包括请求参数、响应数据结构以及示例代码。
1073 0