3blue1brown: лучшего момента, чтобы пойти в математику, ещё не было

Думаю, математика пойдёт по пути биологии. Биологи с удовольствием распутывают бесконечно сложные механизмы жизни, включая мозг, и получают Нобелевские премии за открытия вроде «как вода попадает в клетку», а не за «создание первой в истории клетки, способной впитывать воду». Ни один биолог никогда не жаловался: «Боже, как же неудачно, что у нас уже есть мозг для изучения. Всё это так бессмысленно! Было бы гораздо лучше, если бы нам пришлось создавать первый в истории мозг с нуля».

Возможно, я полностью ошибаюсь, так как не из этой области. Но чем это отличается от, скажем, гения вроде Рамануджана, который вываливает кучу решённых задач с пока непонятными способами их получения? Это показалось достаточно захватывающим для некоторых крупных математиков, чтобы «расшифровать» его решения в читаемые доказательства? Единственное отличие, которое я сейчас вижу, — это был не индиец, а машина. Если вас это всё ещё беспокоит, то дело, похоже, не столько в том, что у искусства ремесла отняли, сколько в том, кто именно отнял?

Думаю, здесь смешиваются две вещи: будет ли математика и дальше предлагать захватывающие возможности, и останется ли она приносящей удовлетворение для тех, кто любит заниматься ею сегодня. Насчёт первого Грант прав. Но это не отвечает на второй вопрос. Область может иметь блестящее будущее, но при этом потерять то, что привлекало в неё людей.

Пойти в математику на данном этапе — это как купить подержанный сборник кроссвордов.

На самом деле я помню, что в одном старом интервью (к сожалению, не могу его найти) Грант Сандерсон сказал, что перешёл на YouTube, потому что считал это более перспективной карьерой, чем быть математиком. Интересно видеть, как изменилось его мнение.

Пара мыслей в знак согласия..

Во-первых, «когнитивный труд» — это форма труда, он отличается от творческой работы, хотя и то и другое использует ваш разум. Если вашу математическую теорему можно оформить в соавторстве с LLM — вау! Вы можете с этим покончить и заняться другой великой работой. Когнитивный труд — это форма труда. Давайте поговорим о физическом труде и рычаге, чтобы понять, как устранение труда переводится во время. На вашей ферме вы покупаете трактор на замену экскаватору. Если это ферма для хобби, вы садитесь в трактор и очень быстро заканчиваете. Или вы можете взять этот трактор, купить ферму побольше и потратить столько же времени, сколько потратили бы на работу экскаватором, но гораздо более эффективным способом. Вы можете обменять устранённый труд на время так, как вам удобно.

Во-вторых, радостные моменты, которые мы получаем от нахождения обобщаемых абстракций и красивых решений, — это адаптация. Люди могут взбираться по бесконечно высоким концептуальным иерархиям — мы никогда не перестанем взбираться, используя предыдущие как инструменты для поиска следующих. По мере этого мы получаем радость с каждым открытием, потому что. Мы так много успеваем с мозгами, работающими на 20 ватт — настроены ли мы на получение нейрохимического вознаграждения за нахождение когнитивной эффективности? Если ИИ означает, что открывается больше концепций, башня становится выше — и мы находим эти радостные моменты чаще. Если можно найти бесконечное количество моментов, почему бы не двигаться как можно быстрее!

В-третьих, все остальные это делают, это базовый навык. Умение работать без ИИ — это как умение ездить на лошади. Полезно и […]

Лично я, как аспирант-математик, считаю, что математика с упором на LLM кажется бездушной и в конечном счёте это не то, ради чего я пришёл в эту область — лично совершать математические открытия своим собственным мозгом и познанием, а не управлять машиной открытий.

Да, да, начинайте: «терпи и кипи», эгоистичные математики, заботятся только о личной славе, больше теорем = рак доказан, больше знаний > меньше знаний, e/acc и т.д. и т.п.

Я слышал все эти избитые аргументы много раз. Как бы то ни было — я уступаю — вы правы, а я морально неправ и плох. Только не ждите, что люди будут изучать этот предмет, который по сути превращается в биологию (часами сидеть в лаборатории, нянчиться с оборудованием весь день, смотря кино — это то, что делает большинство знакомых мне аспирантов-биологов, без обид для аспирантов-биологов, я уверен, их исследования на порядки важнее для общества, чем мои).

Было весело, пока это длилось.

Кстати, мне кажется, что преподавание — одна из самых приносящих удовлетворение работ на земле, вы можете (и должны) быть страстно увлечены часами перед своими студентами, это потрясающе. Как программист, кажется, вы будете чувствовать страсть только к примерно 5% своей работы, даже до ИИ это было не так уж радостно, вам приходилось посещать скучные встречи, отлаживать устаревшие кодовые базы, пытаться осмыслить плохие решения, принятые другими (включая вас самих), это нормально, это приносит хлеб на стол.

Думаю, миф о «страсти» повлиял на слишком многих молодых людей. Вы можете найти смысл во многих вещах в жизни, и уже слишком много людей продолжали гнаться за своей «страстью», но в конце концов поняли, что это не принесло им настоящего счастья.

Может быть, эта штука с ИИ в конце концов полезна для нас, может быть, нам стоит сделать паузу и ответить на более сложный вопрос.

Edit: и да, у учителей, вероятно, тоже много рутины и скучных частей работы.

В эссе «Хакеры и художники» упоминалось, что существует проектный подход к обучению и академический. Идею личных проектов убивают языковые модели, потому что то, что вы делали по выходным, языковая модель теперь делает за полчаса. Так что вы можете попробовать другой подход: возможно, вам стоит сразу иметь больше общих знаний, лучших практик, то есть больше академический подход. В академическом подходе вы учитесь на лучших эталонных примерах, развиваете вкус и только потом распознаёте, что хорошо или плохо, и строите своё. Но и здесь видно, что LLM итерируют гораздо быстрее, в то время как вам приходится собирать паттерны годами, и вы всегда будете в роли отстающего.