Супермастерство. 12 принципов усиления навыков и знания - Скотт Янг
Застряв в тупике, Уайлс обратился за помощью к коллегам, тщательно скрывая природу своего проекта: не слышали ли они о каких-нибудь неопубликованных математических работах, не замеченных им? Тогда его старый наставник Джон Коутс упомянул работу одного из своих учеников, Матиаса Флаха[39], который углубил методику другого математика, Виктора Колывагина. «Я почувствовал: это ровно то, что нужно, — вспоминал позже Уайлс, — хотя и знал, что мне придется дальше разрабатывать этот метод Колывагина — Флаха»[40].
Уайлс был уже близок к разгадке, но ему «пришлось иметь дело с множеством сложных механизмов», с которыми он «не был особенно знаком. Ученый с головой погрузился в алгебру, что вынудило его выучить много нового математического материала»[41]. Тогда он наконец решил нарушить молчание. Доверившись своему другу и коллеге-математику Нику Кацу, Уайлс получил необходимые подсказки, чтобы завершить доказательство. После семи лет работы он добился успеха там, где другие триста лет терпели неудачу.
«Это был самый важный момент моей рабочей жизни, — вспоминал Уайлс в документальном фильме о своем триумфе, снятом BBC. — Ничто из моих будущих достижений уже не будет настолько же важным»[42].
КАК ЛЮДИ РЕШАЮТ СЛОЖНЫЕ ЗАДАЧИ
Очень немногие задачи настолько же сложны, как Великая теорема Ферма. Тем не менее история Эндрю Уайлса многое говорит о способе мышления, который помогает справляться с трудностями. В 1972 году когнитивные психологи Герберт Саймон и Аллен Ньюэлл издали эпохальную книгу Human Problem Solving (Как человек решает задачи), в которой исследовали эти мыслительные процессы. Они попросили участников своих экспериментов рассказать, о чем те думают, когда решают задачи, а затем, сравнив их результаты с эталоном, скрупулезно описали, как люди справляются со сложными головоломками. Их открытия стали отправной точкой для множества новых исследований и десятилетиями применялись в таких разных областях, как шахматы, литература, наука, математика и медицина.
Центральное место в теории Саймона и Ньюэлла занимает идея, что решение задач — это поиск в задачном пространстве. Оно подобно лабиринту: вы знаете, где находитесь, и можете понять, дошли уже до конца или нет. По пути, однако, вы время от времени заходите в тупики, что ограничивает свободу передвижения. Сложность в том, что вы не можете сразу пройти к финишу — ведущий к нему извилистый путь нужно поискать.
В лабиринте задачное пространство — физическое, хотя обычно они абстрактны. Представьте, что вы собираете кубик Рубика: начальное положение — случайный набор цветов; конечное положение — один оттенок с каждой стороны; доступные вам движения — повороты граней в разных направлениях. Здесь вы имеете дело не с буквальным пространством, а с пространством конфигураций: каждый поворот несколько изменяет состояние задачи, не решая ее. Цель тут, как и в случае с лабиринтом, состоит в том, чтобы сориентироваться в этом абстрактном пространстве и добраться от старта до финиша.
Доказательство Великой теоремы Ферма тоже представляло собой поиск в задачном пространстве. Для Уайлса отправной точкой служили ранее доказанные математические теоремы, а конечной целью было вывод, что уравнение an + bn = cn не имеет целочисленных решений, если n больше двух. Трудность при этом заключалась в том, что каждое движение в задачном пространстве должно было быть корректным, основанным на предыдущих результатах. Ограничения логики работали для Уайлса как стены лабиринта, не давая ему просто написать то, что хочется. Ученому нужно было проложить сквозь извилистые коридоры математики путь к утверждению, что Ферма был прав.
Привыкнув к существованию задачных пространств, вы начнете замечать их везде. Например, ученые выискивают в них новые законы[43]. Отправная точка для них — непонятный набор данных; конечная точка — теория, которая их объясняет; решение задачи — поиск в пространстве гипотез, которые могут расшифровать данные, и в пространстве возможных экспериментов, которые могут проверить теорию. Так же архитектор, проектирующий здание, ведет поиск в задачном пространстве возможных конструкций, чтобы найти среди них ту, которая вписывается в его ограничения — цену, размер, строительные нормы, — и при этом стремится оптимизировать ее функциональную и эстетическую ценность. Даже написание этой главы тоже было процессом решения задачи: моей отправной точкой был пустой документ, а конечной целью — законченная глава, в которой объяснялись бы идеи, которые я хотел представить.
ПОЧЕМУ СЛОЖНЫЕ ЗАДАЧИ СЛОЖНЫЕ
Формулировка термина «решение задач», предложенное Саймоном и Ньюэллом, имела одно непосредственное следствие: большинство задач не решаемы. Пространство возможностей слишком огромно, чтобы найти ответ, и без использования хитроумных методов случайные догадки просто не сработают. Например, у кубика Рубика более сорока трех квинтиллионов различных комбинаций[44]. Если исследовать их все одну за другой, тратить на каждую всего секунду, это займет время, в пять тысяч раз превышающее возраст Вселенной. А вот перед Эндрю Уайлсом стояла задача проложить курс в куда более необъятных водах: компьютерную программу, которая механически соберет кубик Рубика, написать возможно, но вот создать — даже в принципе — устройство, которое сможет доказать любую математическую гипотезу, нереально. Математик, вооруженный ограниченными знаниями, вынужден ориентироваться в неограниченном море цифр и переменных, не имея гарантии, что сможет безопасно добраться до берега. Сам Уайлс хорошо понимал возможность неудачи: «Методов, которые были необходимы мне для доказательства, еще не изобрели. Поэтому вполне вероятно, что я был на верном пути, просто родился не в то время».
Если большинство задачных пространств слишком огромны, чтобы их можно было полностью обыскать, то как же мы справляемся? Ответ Саймона был следующим: мы довольствуемся минимумом (satisfice). Вместо того чтобы искать лучшее возможное решение, человек выбирает то, что считает достаточно хорошим. Например, руководитель компании не изучает абсолютно всю информацию и не учитывает все возможности, прежде чем принять неотложное деловое решение, — он перебирает варианты, пока не найдет среди них приемлемый, учитывая свое ограниченное время и внимание. Но у довольствования минимумом есть два больших недостатка. Во-первых, выбрав «достаточно хороший» вариант, мы рискуем никогда не узнать, какой был лучшим. Для уникальных задач это, пожалуй, не проблема, но если нам придется сталкиваться с одной и той же задачей снова и снова, то склонность выбирать то, что сработает «прямо сейчас», может в итоге ограничить наш прогресс.
