陶哲轩(Terence Tao)对从事数学职业的建议

按：

以前发在163博客的，那个博客停了，转到这来

原文在这里和这里
可能需要翻墙。后面那个链接最近还是有效的

原文25条，现在翻译了7条

感觉这篇文章很好，我看了以后很有收获。某些地方某些句子没看懂，但总体上明白了作者的意思。网上没找到翻译，百度空间里有个，不过应该是词霸翻译的。
原文大约6000词。
译文如下（不确定的给出原文）：
关于数学职业的建议

我经常收到一些关于数学职业问题（ mathematical career issues ）的询问，比如
我该学习那些数学领域？
我该买哪些数学书？该读哪些数学书？
我该试图解决哪些数学问题？
我该怎么着手处理数学问题?
我该怎么撰写数学论文？
我该申请什么样的大学？
为了增加申请成功的机会(比如申请UCLA,即加利福尼亚大学洛杉矶分校 )我该采取什么策略?
更一般的，我怎么样才能在数学上取得成功？

当然人们喜欢问这样的问题，但不幸的是它们都太一般化了，太依赖于一个人的特定条件、兴趣、机遇、和背景。
这样，对我来说，我只能提供一些老生常谈的一般性建议见下文)。
因为这个原因以及缺乏足够的时间，我很遗憾不能很切实地回答这些问题。
我建议他们去咨询高中，本科或者研究生阶段的指导老师，他们更能具体地处理你的情况并且提供更中肯的建议。
尤其是，我只能给那些通过了资格考试的UCLA研究生提供个人建议。

关于数学竞赛：我从1988年后就没有参加数学竞赛了，数学竞赛现在怎么运作我也不熟悉。关于如何求解数学题可以看我的这本书（即《Solving Mathematical Problems A Personal Perspective》已有中文版）。另外，我要说尽管数学竞赛很有趣，但它和数学学习及研究很不相同。不要指望你遇到的问题（比如研究生阶段遇到的）像奥赛题那样有预先准备的整洁的答案(flavour)。（尽管一些收过奥赛训练的人可能很快地完成某些问题解决过程中的个别步骤，但解决问题更多的是需要耐心和坚持阅读文献、应用已知技巧、试探模型问题或特例、寻找反例等等）。所以，享受数学竞赛的同时不要忽略了数学教育中枯燥的那些方方面面，因为长远来看这些枯燥的方方面面更有帮助。

老生常谈：
正如我上面说的，我没有取得数学研究和学术成功的“秘笈”(secret formula)或者“万金油”(one-size-fits-all prescription)。
然而，我可以给出一些一般(也很显然)的建议。

（译者注：以下分为25节，陶哲轩在他的博客中根据学术生涯各个阶段对这25节进行了划分）
1.数学不只是分数、考试和解题套路
对一个本科生来说，成绩平均绩点和考试很重要。而比起对概念的真正理解或者理智的、直觉的思维，考试往往更强调对技巧和理论的熟记。
然后，你进入研究生阶段以后，你会发现，更高层次的数学学习(更重要的，数学研究)更需要你的智慧(intellectual faculties)，而不只是记忆或者学习的能力、或者生搬硬套一些现有论证或示例。这往往使得一个人放弃(至少修正)很多本科学习习惯。为了提高自己的理解更需要自我激励地学习和试验，而不是盯着一些人为基准比如考试。另外，由于本科阶段主要是教授几十年甚至几个世纪前就已发展起来的成熟的优美的理论，研究生阶段你将遇到更尖端的(也更有趣的)“活生生的”内容。

2.数学不只是严密（rigour ）和证明
学校刚教授本科生数学时往往用一种不很正式的直观的方法(比如用斜率和面积来表述导数和积分)，然后被告知要用更精确和正式的方法(比如用epsilons and deltas描述导数注：就是那个两个希腊字母)来解决和思考问题。知道怎么样严格地进行推理当然很重要，因为这可以让你避免某些常见错误、排除一些错觉。不幸的是，这也把一些“模糊式（fuzzier）”和直觉式（intuitive）思考能得到的那种意料之外的结果因为“不严格”而抛弃了。通常，如果一个人把天生的直觉给抛弃了，那也只能做一些常规的数学了。严密，不是说把直觉都扔掉，而是用来把那些错误的直觉剃掉，提取和保留正确的直觉。只有把严格的形式和直觉结合起来，才能解决复杂的数学问题：前者用来正确地解决一些细节问题，后者用来把握整体。缺少任何一个你都将在黑暗中摸索很久（也许也行得通，但效率低）。所以你熟悉严密的数学思考方式后，你应该重新发挥你的直觉，并用你新掌握的思考技巧来检查和提炼这些直觉而不是抛弃他们。要达到的理想的状态是每次探索式的论证自然而然地导出严格的论证，反之亦然。
3.努力（Work hard）
事到临头，依靠聪明临门一脚或许能成功一时，但通常在研究生或更高的层次这样做往往不行。学习数学的任何领域都需要进行一定量的阅读和写作，而不只是思考。与公众通常认为的相反，数学上的突破并不是只依靠（或主要依靠）天才们的“我发现了”（Eureka）而是由大量艰苦的工作来推进的。当然，发展方向由经验和直觉来指引（参考 the cult of genius 对天才的崇拜）。魔鬼常在细节之中（The devil is often in the details）；如果你觉得自己理解了a piece of mathematics，你应该能通过阅读相关文献并且撰写一份关于那个a piece of mathematics如何运作（goes）的总结（sketch）来进行“备份（back up）”，最终写出关于这个主题的完整详细的论述（treatment）。如果一个人可以只负责提出宏大的想法（grand idea），让其他“小人物（lesser mortals）“来处理细节，那就真是太好了，但相信我，数学领域根本不是那样。过往经验说明：只有那些已经有充足的细节和证据（至少有个概念证明）周密地支撑起“宏大的想法（grand idea）的论文才值得让一个人付出时间与精力。如果连idea的发起人都不愿做这些那就没人愿意。(It would be very pleasant if one could just dream up the grand ideas and let some "lesser mortals" fill in the details, but, trust me, it doesn't work like that at all in mathematics; past experience has shown that it is only worth paying one's time and attention to papers in which a substantial amount of detail and other supporting evidence (or at least a "proof-of-concept") has already been carefully gathered to support one's "grand idea".)
4.享受(enjoy)你的工作
某种意义上这是前面的推论。如果你不享受自己正在做的事情，就很难长期保持活力去取得成功。最好是从事那些你喜欢的数学领域，而不只是赶时髦（参加下面）
5.不要基于fame和glamour作事业上的决策
仅仅因为glamour进入某个领域或者院系不是个好主意。仅仅因为有名而紧盯着一个领域最有名的问题（或数学家）也不好，数学里也没有那么多fame或glamour，把这些当做你的主要目标来追求也不值得。任何迷人的问题都具有高度竞争性。只有那些基础扎实的人（尤其是在那些不那么有名的方面有丰富经验的人）更有可能到达任何地方（are likely to get anywhere）。一个未解决的有名的难题常常经年累月得不到解决，如果一个人在开始的时候花功夫去解决那些简单的（也不那么有名的）模式问题（model problems），获取技巧（acquiring techniques），直觉，局部结果，context和文献，便能够在有机会解决实际中的大问题之前积累富有成效的解决问题的方法并剔除那些徒劳无功的手法。（偶尔情况下，某个大问题相对轻易地被解决了，仅仅是因为那些拥有的正确工具的人没有机会看到这个问题，但对于那些被深入研究的问题，这种情况很少发生，尤其是那些已经因为发现很多行不通的定理（”no go" theorems）和反例而导致整个解决方案被排除了的问题。）因为类似的原因，也不应该为了获奖和出名而追求数学；长远来看，仅仅冲着为了做出好的数学和为你的领域做出贡献是一个较好的策略，获奖和出名自然水到渠成。
6.学习、再学习
干这行，学习从不真正停止，即使你选定了方向；比如，我坚持学习关于基本调和分析(harmonic analysis)的一些令人惊叹的内容已有10年了，虽然我在这方面已经写了一些论文。你不应该因为仅仅知道某个命题和某个基本引理的证明就以为那个引理来得理所当然 --- 你能发现另一个证明吗？你知道为什么每个前提条件是必须的吗？哪种概括是已知的/猜测的/启发式的？有没有更强或更弱的版本可以满足某些应用？What are some model examples demonstrating that lemma in action?什么时候用那个引理好，什么时候不好？它可以解决哪种问题？不能辅助解决哪些问题？在数学其他领域有没有类似的引理？那个引理可以推广成更广泛的paradigm 和program吗？哪怕纯粹是给自己用，做讲座或者写讲义或者其他解释材料很有用。你最终可以利用有效的脑力速记吸收哪怕是一些非常难的东西，不仅让你更有效地使用它们而且更腾出更多的大脑空间学习更多的东西。

7.不要畏惧学习领域之外的东西

在社会上对数学恐惧是一个很普遍的问题，不幸的职业数学家中有时也存在（和它的远亲--maths snobbery）。如果为了在你研究的问题上取得进展而不得不学习一些额外的数学知识，这是个好事 --- 你的知识范围将会扩大，你的工作将更有趣，无论是对你的研究领域中的人还是那个其他领域的人。如果某个领域有很多活跃，那就值得研究为什么它这么有趣，人们都在试图解决哪种问题，有哪些比较酷或者惊奇的洞见和结果。

可以看看我在what
good mathematics is 什么是好的数学上的的讨论。
这样的话，如果你在工作中遇到一个类似问题、障碍或者现象，你就知道该去哪找解决方法了。

8 了解你所使用的工具的局限
数学教育（和研究论文）都聚焦于能起作用的方法（当然这也很自然）。
但知道工具的局限性也同样重要。
这杨就不会在一个起初就注定废掉的策略上浪费时间，
而是去寻找新的工具解决问题（或者去解决其他问题）。
因此，知道一些反例或者容易分析的模型和
知道你所用工具能解决和不能解决的问题是同等重要的。
另外，知道某工具在哪些情况下为其他方法所替代，以及各种方法的利弊也是值得的。
如果没有其他方法获得或者理解答案时，某个神秘地解决问题的工具被视为魔棒，
这时就需要你更好的去理解该工具。

9
学习其他数学家所用的工具的power.
这条是前面论述的推论。当听他人谈话或者阅读论文时，
你会发现自己感兴趣的问题被不熟悉的工具解决，
而这种工具似乎不在你自己的“锦囊”（bag of tricks）里。
遇到这种情况时，你应当看看自己的工具是否能完成类似的任务。
你也应该看看为什么其他工具如此有效。比如，找到那种工具发挥奇特作用的最简单的模型。
一旦你很好地比较了新工具和老工具各自利弊，将来遇到这些工具可能派得上用场的情况你就能想起来。
经过足够多的练习，你就能永久地将那个工具加入到自己的repetoire（抗体库）里。

10
默默地问自己，然后回答他们。
当你学习数学时，不管是看书还是听课，通常你只看到最终结果--非常完美，高明和优雅。
然后数学发现的过程却往往非常混乱，很多尝试很幼稚、没有成果或者了然无趣。
尽管忽略掉这些“失败”的追究的做法是诱人的，但事实上，他们往往对于更深入理解某个主题是必要的。
并且（通过排除法）最终走到成功之路。所以不应该害怕问“笨”问题，要勇于挑战传统智慧（conventional wisdom）。
对这些问题的答案偶尔得出令人惊讶的结论，但更多的时候是告诉你为什么传统智慧起先在那，
而这是很值得知道的。

例如，给一个标准引理，你可以问如果删掉一个假设，会发生什么；又或者试图加强结论。
如果一个简单的结果通常用方法X证明，可以想想能不能用方法Y证明。
新的证明方法或许不像原来方法那么优雅，或许根本就行不通，
但不管怎么样，都是试图弄清方法X和Y的相对power。
这在证明不那么标准的引理时是有用的。

11
质疑自己的工作
如果你意外地发现自己几乎不费劲地解决一个问题
也不太明白为什么，你应该带着怀疑的眼光审视你的解决方法。
特别地，所用的方法可能能证明更强的结论，而这个结论已知是错的
(??In particular, the method may also be able to prove much stronger statements which are known to be false)
这就意味着方法有瑕疵。
In a related spirit,如果你试图证明一些野心勃勃地断言，
应该先试试找反例，或者找到一个，就省了很多时间。
也许能发表（？may well be publishable in its own right）
或者你遇到一些困难，应该能给出一些证明的线索。
（特别的，能找出一些为了证明出结论必须消灭的“敌人”）
事实上，把这种怀疑论用于数学家的断言（claim）也不是个坏想法。
如果别无其他，也能让你理解为何那个断言是正确的，以及多强（how poweful it is ）。

陶哲轩(Terence Tao)对从事数学职业的建议相关推荐

陶哲轩挑战失败的百年数学问题，被两名在家隔离的数学家破解了
鱼羊白交发自凹非寺量子位报道 | 公众号 QbitAI 疫情期间,有人困在家里把每块地砖都数了个遍,有人闲得把地板抠出了三室一厅. 来自英国杜伦大学的Andrew Lobb,和波士顿学院的J ...
科学松鼠会压缩感知科普文章两篇：“压缩感知与单像素相机(陶哲轩)”“填补空白：用数学方法将低分辨率图像变成高分辨率图像(Jordan Ellenberg)
题目:科学松鼠会压缩感知科普文章两篇:"压缩感知与单像素相机(陶哲轩)""填补空白:用数学方法将低分辨率图像变成高分辨率图像(Jordan Ellenberg)" ...
陶哲轩实分析--推荐
陶哲轩(Terence Tao) 2006年菲尔兹奖得主,享誉世界的澳大利亚籍华裔天才青年数学家,现任美国加州大学洛杉矶分校教授.在调和分析.偏微分方程.组合数学.解析数论和表示论等多个领域取得了许多 ...
陶哲轩自述考砸经历：智商高达230的数学天才，却因没复习险些挂科
机器之心报道编辑:蛋酱.小舟很难相信,智商高达 230 的陶哲轩(Terence Tao),也会在一场考试中险些挂科.从这篇自述文章中,我们可以近距离感受到,数学天才的荣耀背后,是多少个不懈探索的 ...
陶哲轩：ChatGPT已加入我的数学工作流
Pine 梦晨发自凹非寺转自量子位 | 公众号 QbitAI ChatGPT,已经成为天才数学家陶哲轩的研究助手了! 不止ChatGPT,他还直接在网上宣布: 多种AI工具都会纳入自己的工作流. ...
数学天才陶哲轩主持白宫生成式AI工作组，李飞飞、Hassabis发表演讲
夕小瑶科技说分享来源 | 新智元最近,「数学天才」陶哲轩表示,自己将领导白宫生成式人工智能工作组,就当前AI评估并收集意见.在陶哲轩看来,加入工作流的ChatGPT在数学专业领域中,并没有太多增 ...
提携数学天才陶哲轩的伯乐是谁？
2015年9月17日,美国加州大学洛杉矶分校的数学家陶哲轩(Terence Tao)宣布破解埃尔德什猜想(the Erdős Discrepancy Problem),整个数学界为之兴奋. 同样的兴奋 ...
陶哲轩对数学学习的一些建议
图片来自 mozzchi.org 一些老生常谈的话正如我以前说的,我没有取得数学研究和学术成功的"秘笈"(secret formula)或者"万金油"(one ...
关于被3个搞物理的“颠覆”了且数学天才陶哲轩“开始压根不相信”的数学常识的算法实现与理解
近日,网上公布了一篇关于根据子矩阵的特征值求得平方赋范特征向量的一篇文章"Eigenvectors from Eigenvalues"[1].据网上推文描述,该文章是三位物理学家P ...
一代数学大家--John Conway逝世，丘成桐、陶哲轩纷纷发文缅怀！
关注上方"深度学习技术前沿",选择"星标公众号", 资源干货,第一时间送达! 天才之间,总是惺惺相惜.当代最有趣的数学家 John Horton Conway, ...

陶哲轩(Terence Tao)对从事数学职业的建议

陶哲轩(Terence Tao)对从事数学职业的建议相关推荐

最新文章

热门文章