18 júna 2013

Žaba

Normálni chlapi sa v rámci oddychu rozprávajú o futbale, matematici si dávajú hlavolamy. Nasledovný hlavolam nám na konferencii mODa10 zadal náš švajčiarsky kolega David Ginsbourger.



Za sebou v rade je 100 vypínačov, ktoré sú na začiatku vo vypnutom stave. Žaba postupne poskáče po všetkých vypínačoch, čím ich zapne. Následne sa žaba vráti na začiatok radu vypínačov a poskáče po každom druhom z nich, čím poskákané vypínače vypne. Potom sa žaba opäť vráti na začiatok a poskáče po každom treťom vypínači, čím zapnuté vypínače vypne a vypnuté vypínače zapne. Potom sa žaba znovu vráti na začiatok radu vypínačov a poskáče po každom štvrtom z nich, čím opäť zapnuté vypínače vypne a vypnuté zapne... Žaba takto preskáče cez rad vypínačov stokrát. Ktoré vypínače budú na konci zapnuté?

Samozrejme, riešenie sa dá veľmi rýchlo nájsť na papieri (alebo pomocou počítača). Pokúste sa však túto úlohu vyriešiť bez akýchkoľvek pomôcok. Ak si chcete jej náročnosť ešte výrazne zvýšiť, môžete si pred jej riešením dať dve poľské dvanástky ;).

 

Nová formulácia úlohy:

Za sebou v rade je nekonečne veľa vypínačov očíslovaných 1,2,3,..., ktoré sú na začiatku vo vypnutom stave. Chuck Norris postupne stlačí každý z nich, čím ich zapne. Následne stlačí vypínače 2,4,6,..., čím všetky stlačené vypínače vypne. Potom Chuck Norris stlačí vypínače 3,6,9,..., čím zapnuté vypínače vypne a vypnuté vypínače zapne. Následne Chuck Norris postláča každý štvrtý vypínač, potom každý piaty a tak ďalej. Ktoré vypínače budú na konci zapnuté?




Ak by ste sa čudovali, ako môže Chuck Norris postláčať toľko vypínačov, tak sa teda nečudujte, lebo je to veľmi jednoduché. Chuck totiž stlačí prvý vypínač za 1/2 sekundy, druhý za 1/4 sekundy, tretí za 1/8 sekundy a tak ďalej. Pri stláčaní každého druhého vypínača vykoná prvé stlačenie za 1/4 sekundy, druhé za 1/8 sekundy, tretie za 1/16 sekundy... Pri stláčaní každého tretieho vypínača vykoná prvé stlačenie za 1/8 sekundy, druhé stlačenie za 1/16 sekundy, tretie za 1/32 sekundy a tak ďalej. O dve sekundy už bude Chuck spokojne popíjať svoje pivo.

Samozrejme, túto úlohu už vyčerpávajúco nevyriešite len pomocou "podčiarkovania" číselného radu zapísaného na papieri. Teda ... pokiaľ nie ste Chuck Norris.

13 mája 2013

Masívne podvádzanie?

Dnes sa na SME objavil zaujímavý článok, podľa ktorého dlhoročný expert na testovanie žiakov, pán Vladimír Burjan, vyjadruje presvedčenie, že v štátnom testovaní deviatakov z matematiky sa masívne podvádzalo. Zacitujme priamo pôvodný zdroj napísaný pánom Burjanom:

"Keď sa odborník na testovanie pozrie na rozdelenie úspešnosti z Testovania 9, okamžite mu musí udrieť do očí, že s grafom [pozri obrázok nižšie, v ľavej časti panelu, pozn. RH] niečo nie je v poriadku. Vyzerá o dosť inak, ako by mal. V čom spočíva jeho anomália? Gaussova krivka (ktorú samotný NÚCEM prikreslil do grafu) dáva odpoveď: žiakov s úspešnosťou 50 – 70 % je menej, ako by ich malo byť, a naopak žiakov s úspešnosťou 80 – 100 % je omnoho viac, ako by ich malo byť. S pravítkom a trochou trpezlivosti ľahko spočítate, že „posunutých smerom doprava“ (k vyššej úspešnosti) je viac ako 5 000 žiakov, teda viac ako 12 % testovanej populácie. Je pravda, že pri niektorých testovaniach môže byť výsledná Gaussova krivka posunutá smerom k maximálnemu skóre. K tomu však dochádza iba vtedy, keď je test pre danú skupinu žiakov príliš ľahký, čo tento rozhodne nebol – celková úspešnosť bola 60,07 %. A navyše: aj vtedy si krivka zachová svoj typický tvar. Človek nemusí byť Sherlockom Holmesom, aby mu bolo jasné, čo sa v Testovaní 9 stalo: výsledky nezodpovedajú skutočným vedomostiam žiakov z matematiky. Tie totiž naozaj majú Gaussovo rozloženie..."



Pripúšťam, že sa pri "Testovaní 9" mohlo podvádzať; pozrime sa však na samotný argument, ktorým pán Burjan svoje obvinenie podopiera. Musí výsledok testovania skutočne zodpovedať Gaussovej krivke?

Samozrejme, Gaussovo rozdelenie pravdepodobnosti je spojité rozdelenie s neohraničeným nosičom, zatiaľ čo výsledky testovania môžu nadobúdať len konečne veľa hodnôt, čiže tieto výsledky principiálne nemôžu zodpovedať úplne presnému Gaussovmu rozdeleniu. To je ale maličkosť; ide nám o to, či sa celkový tvar výsledkov testovania musí aspoň "podobať" na Gaussovu krivku.

Keby žiaci odpovede len tipovali, navzájom nezávisle, všetci rovnakým náhodným postupom (napríklad by si hádzali mincou pri vypĺňaní testu, v ktorom je pre každú otázku správna práve jedna z dvoch uvedených odpovedí), tak by sa výsledky na Gaussovo rozdelenie naozaj veľmi podobali. Matematické zdôvodnenie tohto javu poskytuje centrálna limitná veta. Lenže medzi úlohami sú rozdiely v náročnosti a najmä medzi žiakmi sú obrovské rozdiely v schopnostiach, čiže matematické predpoklady centrálnej limitnej vety jednoducho nie sú splnené a navyše celkové výsledky testovania budú "zmesou" rozdelení s veľmi rôznymi strednými hodnotami.

Pokúsme sa situáciu modelovať realistickejšie: Predpokladajme, že test pozostávajúci z 50 otázok absolvuje 40000 žiakov. Otázky však budú rozdielnej obtiažnosti: od 0 (veľmi ľahká otázka) až po 1 (veľmi ťažká otázka) a takisto žiaci budú mať v našom modeli rozdielne schopnosti: od 0 (veľmi slabý žiak) až po 1 (veľmi dobrý žiak). Predpokladajme, že riešenie úlohy môže byť len buď nesprávne, za 0 bodov, alebo správne, za 1 bod.

Pravdepodobnosť správneho vyriešenia úlohy závisí od náročnosti úlohy (túto náročnosť si označíme symbolom o) a taktiež od schopností žiaka (označíme si ju symbolom z). Ako jednoduchý rozumný model si stanovíme, že pravdepodobnosť správneho vyriešenia úlohy je

P=min(1,0.6+0.6(z-o)).

Tento vzorček znamená, že čím vyšší je rozdiel medzi schopnosťami žiaka a náročnosťou úlohy, tým je väčšia pravdepodobnosť správneho vyriešenia úlohy. V prípade, že je náročnosť úlohy rovnaká ako miera schopností žiaka, je pravdepodobnosť správneho vyriešenia úlohy 60 percent (toto číslo som zvolil po krátkom experimentovaní tak, aby sa stredná hodnota výsledku získaného z nášho modelu podobala na skutočný priemerný výsledok). Takto stanovený model je veľmi jednoduché nasimulovať (použil som krátky kód pre štatistický program R) a ... voilá!



Ako vidíme, výsledný histogram (sivé obdĺžničky) sa nielenže výrazne odlišuje od Gaussovho rozdelenia pravdepodobnosti (modrá krivka), ale dokonca až zarážajúco pripomína skutočné výsledky "Testovania 9".

Ukázalo sa teda, že argument pána Burjana založený na Gaussovej krivke nie je správny; už náš veľmi jednoduchý model dokazuje, že sumárne výsledky štátneho testovania nijako nenaznačujú, že pri ňom dochádzalo k "masívnemu" podvádzaniu. A NÚCEMu by som odporúčal, aby na budúce do histogramov výsledkov testovania Gaussovu krivku nedokresľovalo, lebo jej výpovedná hodnota je v takýchto situáciách sporná.

Ak sa Vás tento článok zaujal, podporte ho na vybrali.sme.sk .

Alebo, ak môžete, podporte našu fakultu v úsilí získať finančné prostriedky na opravu omietky našej budovy, ktorá nám nielenže padá na hlavu, ale aj odpudzuje potenciálnych študentov a pedagógov. (Samého sa ma snažili odlákať preč z matfyzu poukázaním na to, v akej ohyzdnej budove to pracujem. Ale nedal som sa. :)


Dodatok 14.5.: Nasimuloval som výsledky testu na základe matematickej formulácie Raschovho modelu a súčasne tak, že rozdelenie schopností žiakov je normálne. Zvolil som trochu nižšiu obtiažnosť otázok, aby bola stredná hodnota približne 60 percent maxima (ako v Testovaní 9) a po pár pokusoch som tiež odhadol vhodný parameter rozptylu schopností žiakov. Vyžiadalo si to len veľmi malú modifikáciu môjho pôvodného modelu a algoritmu, ako si môžete pozrieť. Program som spustil trikrát a dostal som nasledovné obrázky:




Ako vidíte, výsledky sa opäť zásadne odlišujú od gaussovského rozdelenia a navyše zhoda s výsledkami Testovania 9 je opäť dobrá, možno aj o niečo lepšia. Samozrejme, pre modely s viacerými parametrami by sa dal fit so skutočnými výsledkami testovania ešte zlepšiť. Tiež je zaujímavé si všimnúť, že pri rôznych spusteniach výsledný histogram značne "prirodzene" fluktuuje.

Sumarizácia toho na čo sme prišli (aj s pomocou niektorých veľmi kvalifikovaných čitateľov v diskusii; ďakujem):

1) Existujú jednoduché modely (ako napríklad ten Raschov), ktoré pre veľa nastavení parametrov dávajú výrazne negaussovské rozdelenie výsledkov a to aj pri nulovej miere podvádzania. Dokonca existujú také nastavenia parametrov, ktoré dávajú dobrú zhodu práve s výsledkami Testovania 9.

2) Komplexnejšie modely (ktoré by napríklad zohľadňovali to, že náročnosti a typy otázok môžu byť veľmi rôzne, kvalita študentov nutne závisí od celkového faktora úrovne školy, pričom školy majú veľmi rozdielne veľkosti a kvality) by celkom isto poskytovali priestor pre ešte komplikovanejšie formy výsledného rozdelenia. Nedá sa očakávať, že priblížením modelu realite by sa celková forma výsledkov začala približovať k jednoduchému gaussovskému rozdeleniu.

3) Simulácie naznačujú, že aj pri počte 40000 študentov výsledný histogram pomerne značne fluktuuje, čiže ľahko sa môžu v histograme výsledkov vyskytnúť rôzne zdanlivé anomálie; bolo by potrebné použiť podložené štatistické testy na kontrolu, či odchýlka od akéhokoľvek ideálu, ktorý niekto predpokladá, nemôže byť spôsobená len prirodzenou náhodnou fluktuáciou.

4) Empirické dáta taktiež jednoznačne ukazujú, že výsledky testovania majú často rozdelenie odlišné od gaussovského, najmä v prípade rozdielnej motivácie študentov dosiahnuť čo najlepší výsledok; je to skúsenosť viacerých pedagógov, ale aj výsledok niektorých rozsiahlych testovaní.

Z čisto vizuálneho porovnania ideálnej gaussovej krivky s výsledkami Testovania 9 sa preto nedá odvodiť taký silný záver, že sa pri ňom "masívne podvádzalo" a už vôbec nie vypočítať počet žiakov, ktorí podvádzali.

Samozrejme nie som naivný, aby som si myslel, že sa pri testovaní deviatakov vôbec nepodvádzalo. Verím tiež tomu, že pán Burjan toho o testovaní žiakov veľmi veľa vie (neporovnateľne viac ako ja), intuítívne možno správne vycítil, že s dátami nie je niečo v poriadku a keďže v jeho záujme je dobro pre naše školstvo, tak na problém možného podvádzania poukázal. Ale samotný argument a výpočet, ktorý použil na podporu tohto svojho presvedčenia, je založený na nesprávnom predpoklade. 

31 januára 2013

Ťažisko

Úlohou je do n ekvidištantných pozícií na kružnici vo vhodnom poradí rozmiestniť guľôčky s hmotnosťami 1, 2, 3, ..., n gramov a to tak, aby ťažisko sústavy týchto guľôčok bolo presne v strede kružnice. Nájdite čo najviac hodnôt n, pre ktoré sa táto úloha dá vyriešiť.


Na ilustračnom obrázku je rozmiestnených 5 guľôčok s hmotnosťami 1,3,4,2 a 5 gramov (v tomto poradí), ktorých ťažisko, označené červenou bodkou, je však máličko vychýlené voči stredu kružnice.

18 novembra 2012

Šesť bodov

Navrhovanie experimentov je pre mňa už skoro desať rokov nevyčerpateľný zdroj inšpirácie. Teória takzvaných blokových návrhov obsahuje matematické tvrdenia, ktoré sa dajú preformulovať do podoby nasledovného príkladu kombinujúceho teóriu grafov a lineárnu algebru.


Pýtame sa, či existuje šestica vektorov x1,2, x1,3, x1,4, x2,3, x2,4, x3,4 v trojrozmernom priestore, ktorá charakterizuje súvislosť obyčajných grafov so štyrmi vrcholmi týmto spôsobom: Graf s hranami h1, h2, ..., hn je súvislý vtedy a len vtedy, keď sa každý vektor v trojrozmernom priestore dá napísať ako lineárna kombinácia vektorov xh1, xh2, ..., xhn.

Ekvivalentná formulácia príkladu: Pýtame sa, či existuje šestica bodov x1,2, x1,3, x1,4, x2,3, x2,4, x3,4 v trojrozmernom priestore s nasledovnou vlastnosťou: Graf s hranami h1, h2, ..., hn je nesúvislý vtedy a len vtedy, keď existuje rovina prechádzajúca počiatkom súradnicového systému obsahujúca súčasne všetky body xh1, xh2, ..., xhn.

25 októbra 2012

Fúrik

Prevážame fúrikom tehly z miesta A na miesto B. Doba trvania jednej "obrátky" (naloženie fúrika, prevoz z A do B, vyloženie, cesta naspať z B do A) závisí od toho, koľko tehál prevážame. Urobili sme 5 pokusných obrátok, ktorých výsledky sumarizuje nasledovná tabuľka.

Počet naložených tehál 3 6 9 12 15 18
Čas obrátky (v sekundách) 18 28 52 60 96 152

Koľko tehál by ste odporučili nakladať do fúrika?

Na rozdiel od väčšiny zábavných hlavolamov, táto úloha nemá "jediné správne" riešenie. V reálnych aplikáciách sa však často vyskytujú práve takéto problémy: údaje zaťažené náhodnou chybou, neznámy alebo veľmi komplikovaný matematický model, niekedy dokonca nie celkom presne definovaný cieľ.

Acknowledgements: Úloha je motivovaná podobnou úlohou, ktorú nám opäť poslal Peťo Mikloš.

17 septembra 2012

Horiace tyče


Majme dve tyče z neznámeho nehomogénneho materiálu, pričom vieme len to, že každá z nich zhorí presne za 1 minútu. Rýchlosť horenia v jednotlivých častiach tyčí kvôli neznámemu zloženiu nevieme určiť. Ako pomocou nich zmerať presne čas 45 sekúnd? Čas zapálenia tyče neuvažujeme. 

Túto peknú úlohu nám poslal Peter Mikloš; ďakujeme! :)

10 septembra 2012

Úloha zo sna

O matematike sa mi sníva pomerne často, no len občas si obsah môjho sna zapamätám natoľko presne, aby malo zmysel sa nad ním viac zamýšľať. V noci zo soboty na nedeľu sa mi snívalo o tom, ako jeden známy slovenský profesor matematiky dostal od študentov úlohu a ani za nič sa mu ju nedarilo vyriešiť; pamätám sa, ako frustrovane mával rukami, v jednej špongia, v druhej krieda, pred tabuľou pokreslenou čiarami pripomínajúcimi abstraktný obraz z pohľadu značne podguráženého obdivovateľa umenia.


Prekvapivo, úloha, ktorú v mojom sne dali študenti profesorovi, je zmysluplná a dosť odlišná od všetkých úloh, nad ktorými som dosiaľ uvažoval v bdelom stave. Fungovanie ľudského mozgu ma neprestáva fascinovať. Tu je spomínaná úloha:

Nech M je množina bodov v rovine a nech x je vektor. Posunutím množiny M o vektor x budeme rozumieť množinu M+x pozostávajúcu z bodov tvaru B+x, kde B patrí M. Racionálnym bodom v rovine nazveme taký bod, ktorého obidve súradnice sú racionálne čísla. Dokážte, že ak M je zjednotením konečného počtu úsečiek, potom existuje vektor x taký, že M+x neobsahuje žiadne racionálne body.

20 augusta 2012

K základom teórie pravdepodobnosti

Nasledovný text som si napísal v máji 2010 ako stručnú prípravu na scenár relácie "Nočná pyramída" Slovenského rozhlasu. Pri vysielaní sme sa však scenára skoro vôbec nedržali, a tak som zo svojej prípravy použil len málo. Tento text zverejňujem, lebo by možno bola škoda, keby na mojom harddisku iba zapadol prachom :)

Kto je zakladateľ teórie pravdepodobnosti a aké má miesto táto disciplína v matematike?

Prvé úvahy o pravdepodobnosti začali ľudia rozvíjať už veľmi dávno, minimálne odkedy hrávajú hazardné hry. Pokiaľ viem, tak prvé uchované zmienky o matematickom prístupe k pravdepodobnosti, tiež v súvislosti s hazardnými hrami, možno nájsť v korešpondencii medzi Fermatom a Pascalom  okolo polovice 17. storočia. Fermata možno poznajú poslucháči v súvislosti so slávnou veľkou Fermatovou vetou a Pascala v súvislosti s Pascalovým trojuholníkom, alebo Pascalovým zákonom.

K teórii pravdepodobnosti výrazne prispeli na začiatku 18. storočia Abraham de Moivre, ktorý ako prvý študoval Gaussovo rozdelenie pravdepodobnosti a Jacob Bernoulli, ktorý ako prvý v istej forme formuloval zákon veľkých čísiel.  V súčasnosti používané matematické axiómy pravdepodobnosti vybudoval až v 30-tych rokoch 20. storočia Andrej Kolmogorov. V porovnaní s ostatnými matematickými disciplínami je teória pravdepodobnosti relatívne mladá.

Teória pravdepodobnosti je jednou z najdôležitejších oblastí matematiky, obzvlášť kvôli tomu, že tvorí matematický základ štatistiky. Pravdepodobnosť je časťou teórie miery, ale nejakým spôsobom súvisí s prakticky všetkými matematickými disciplínami.

Základné zákony teórie pravdepodobnosti...

Existuje veľmi presná matematická charakterizácia zákonov teórie pravdepodobnosti, ktorá zahŕňa viacero možných interpretácií pravdepodobnosti. Niektoré z týchto zákonov sú veľmi formálne, alebo založené skôr na dohode ako nutnosti, napríklad ten, že pravdepodobnosť meriame číslami medzi nulou a jednotkou, pričom pravdepodobnosť jedna znamená, že daná udalosť nastane s istotou. Najdôležitejší z týchto zákonov, zákon aditivity pravdepodobnosti, je možné vysvetliť aj neformálne. Hovorí, že pravdepodobnosť nastatia jednej udalosti spomedzi navzájom sa vylučujúcich udalostí musí byť rovná súčtu pravdepodobností týchto udalostí.

Zoberme si napríklad hádzanie falošnou kockou. Nech by bola táto kocka akokoľvek nevyvážená, tak musí platiť, že pravdepodobnosť, že padne nejaké párne číslo, je rovná pravdepodobnosti, že padne dvojka, plus pravdepodobnosť, že padne štvorka, plus pravdepodobnosť, že padne šestka. Môže sa to zdať samozrejmé, ale veľa matematických zákonov je vlastne úplne samozrejmých, keď si ich človek trochu premyslí. Inak, je zaujímavé si uvedomiť, že matematik používa na narábanie s pravdepodobnosťou v podstate taký istý aparát ako na narábanie s plochami rovinných útvarov. Aditivita plochy znamená, že ak by sme nejaký útvar rozkrájali na kúsky, tak plocha pôvodného útvaru je rovná súčtu plôšok vzniknutých kúskov.

Ako môže vôbec existovať náhoda vo svete, kde platia prírodné deterministické zákony?

Náš svet je, zdá sa, zvláštnou kombináciou determinizmu a náhodnosti. Najhlbšie zákony sveta, ktoré poznáme, to znamená zákony kvantovej mechaniky, sú síce deterministické, ale deterministicky popisujú práve náhodnosť. Tieto zákony nevedia presne predpovedať čo sa stane, ale vedia v princípe presne predpovedať s akou pravdepodobnosťou sa čo stane.

Na našej makroúrovni sa síce dajú formulovať fyzikálne zákony, ktoré zdanlivo úplne jednoznačne určujú čo sa stane v budúcnosti, ale je to naozaj iba zdanlivé. Aj maličké náhodné odchýlky na mikroúrovni sa postupom času môžu zosilňovať a spôsobiť divergenciu makroskopických dejov; ide o známy efekt motýlích krídel. Takouto divergenciou dejov sa zaoberá matematická teória chaosu a dynamických systémov.

Okrem toho, zrejme aj ak by bol náš svet vo svojej podstate úplne deterministický, mala by teória pravdepodobnosti svoje opodstatnenie, pretože pravdepodobnosť môžeme použiť ako model miery našej vedomosti o javoch budúcich, ale aj o javoch minulých. Pravdepodobnosť logicky konzistentne špecifikuje ako sa mení naša miera nevedomosti pri postupnom získavaní informácie. Tomuto pohľadu na pravdepodobnosť má blízko takzvaná Bayesovská štatistika.

Načo sa táto oblasť matematiky využíva v praxi? Jej vzťahy k štatistike...

Teória pravdepodobnosti sa využíva v rôznych situáciách, napríklad na stanovenie toho, aké pravidlá lotérie zabezpečujú zisk prevádzkovateľovi, v poistnej matematike na určenie výšky poistného, v systémoch hromadnej obsluhy s cieľom povedzme zabezpečiť plynulosť prevádzky, pri určovaní spoľahlivosti systémov zložených z nespoľahlivých súčastí, alebo aj vo finančnej matematike na modelovanie vývoja rôznych ekonomických ukazovateľov a na oceňovanie finančných derivátov.

Pravdepodobnosť sa tiež vyskytuje v základoch teórie informácie a kódovania, preto je dôležitá aj pre počítačové vedy. Napríklad vyhľadávače na internete - internetový gigant Google používa na stanovenie hodnotenia stránok, takzvaný markovovský reťazec, čo je model patriaci do teórie pravdepodobnosti. Alebo ešte jeden príklad - väčšina z nás sa denne stretáva s nevyžiadanou elektronickou poštou, takzvaným spamom. No a na filtrovanie spamov sa používajú programy založené na teórii pravdepodobnosti, na takzvanom Bayesovom vzorci.

Ale najväčšie uplatnenie pravdepodobnosti je, že tvorí matematický základ štatistiky, čo je vlastne, veľmi zostručnene povedané, získavanie dôležitej informácie v podmienkach neurčitosti. Pravdepodobnosť možno chápať ako nástroj na modelovanie reálnych dejov s prvkami náhodnosti, ktorý nám umožňuje matematicky presne zdôvodniť používanie štatistických procedúr.

Aplikácie štatistiky môžeme nájsť na každom kroku; spomeniem napríklad testovanie účinnosti liečiv a vyhodnocovanie prieskumov verejnej mienky. Značná časť vedeckého výskumu, prakticky každý výskum, ktorý sa zakladá na experimentoch a modelovaní dejov s prvkami neurčitosti, používa matematickú štatistiku a sprostredkovane teóriu pravdepodobnosti. Od štatistickej mechaniky vo fyzike, až po experimentálnu psychológiu.

Vzťah medzi matematikou a logikou; v akom vzťahu sú tieto dve formálne vedy?

Matematici logiku neustále používajú, ale nie veľmi často sa nad samotnou logikou zamýšľajú. Logika je pre matematika niečo ako pravidlá hry, podobne ako v šachu (hoci na rozdiel od pravidiel šachu, iné "pravidlá matematiky", čiže inú matematickú logiku, si neviem celkom dobre predstaviť). Šachisti pravidlá vyčerpávajúco ovládajú, ale explicitne sa nad nimi nezamýšľajú; skôr sa snažia hľadať v rámci pravidiel šachové kombinácie. Napriek tomu, že pravidlá šachu aj pravidlá logiky sú jednoduché, tak existuje skoro nekonečne veľa možných prípustných šachových kombinácií a, analogicky, platných odvodení matematických tvrdení.

Možno by sa táto metafora dala potiahnuť aj trochu ďalej. Práve kvôli prísnym pravidlám nie sú v šachu prakticky nikdy spory, kto vyhral, a ani v matematike nie sú skoro nikdy spory, či je dané matematické odvodenie platné. To odlišuje matematiku od ostatných vied. Matematika prakticky nikdy neprehodnocuje to, k čomu v minulosti dospela; keď sa raz nejaké matematické tvrdenie dokáže, tak už je pravdivé navždy. (To tvrdenie bolo samozrejme pravdivé aj kedykoľvek predtým, len my sme o ňom nevedeli, alebo sme ho možno tušili, len sme si neboli úplne istí, že platí. Matematika je ako objavovanie a mapovanie fascinujúcej neznámej krajiny, ktorá existuje nezávisle na nás.) Preto sú "Euklidove základy" rovinnej geometrie úplne bez zmeny platné aj dnes po 2300 rokoch, hoci samozrejme metódy výkladu sa zmenili. A preto je v matematike, najmä v takzvanej "čistej" matematike, dnes už veľmi ťažké objavovať principiálne nové tvrdenia, ktoré by boli zaujímavé pre viac ako hŕstku špecialistov a ktoré by sa dali stručne a jasne opísať v bežnom jazyku.

Čo je pre matematika možné, čo nemožné, čo pravdepodobné a čo skutočné?

Povedal by som, že pre matematika nie je skoro nič úplne nemožné s výnimkou logicky sporných vecí, ako napríklad, že niečo existuje a súčasne neexistuje. To je možno trochu iná odpoveď, akú by ste dostali od fyzika; ten by možno povedal, že nemožné je cestovať rýchlosťou vyššou ako je rýchlosť svetla. To je síce v našom vesmíre pravda, naša fyzika to neumožňuje, ale pre matematika to principiálne nemožné nie je, lebo matematika, zdá sa, je v schopná popísať aj iný vesmír ako je ten náš.

No, predsa len sa mi ako matematikovi niektoré veci zdajú nemožné. Zdá sa mi, že je principiálne nemožné, aby existoval vesmír bez matematických objektov, aj tých najzložitejších. Ak je niekde vo vesmíre nejaká technicky veľmi vyspelá civilizácia, som si istý, že v nejakej forme pozná číslo , Riemannovu zeta funkciu, alebo aj ohromne komplikovaný matematický objekt s názvom "Monštrum".

Prečo sa javy vo svete dajú matematicky modelovať, prečo je možná matematizácia?

Toto je veľmi ťažká otázka, nad ktorou sa už ľudia zamýšľajú dlho, ale odpoveď nám zatiaľ uniká. Môžeme len konštatovať, že je to skrátka tak, že matematika sa ukázala ako mimoriadne účinný nástroj na popis nášho sveta. Dokonca pre fundamentálne fyzikálne teórie, akou je napríklad kvantová mechanika, by sme si bez matematiky nevedeli vôbec pomôcť, pretože kvantové javy sa vzpierajú našim predstavám a intuícii. Na prekvapenie, pre matematiku nie je popis týchto javov problém.

Zaujímavé je uvedomiť si nielen to, že fyzika (a teda značná časť celej vedy) sa zakladá na matematických postupoch, ale aj to, že naše pochopenie matematiky je fyzikou umožnené. Dá sa povedať, že náš vesmír má potenciál spoznávať sám seba. Matematika je v nejakom veľmi hlbokom zmysle súčasťou nášho sveta a zdá sa, že tvorí s fyzikou neoddeliteľný celok. Dovolím si tvrdiť, že žiadny človek tomuto vzťahu matematiky a fyziky zatiaľ dokonale neporozumel...