Bevezetés
Lenore Blumhosszú pályafutása a matematika és az informatika széles skáláját ölelte fel. Befolyásos munkát végzett a logika és a kriptográfia területén, és egy teljesen új számítási modellt dolgozott ki. És bár nem erre szánta el magát, ideje jelentős részét arra is fordította, hogy olyan intézményeket építsen, amelyek segítik a nőket a nyomdokaiba lépni.
„Soha nem akartam matematikusnőként gondolni magamra” – mondta. "De kezdtem rájönni, hogy szerepet kell játszanom."
Magánélete is váratlan helyekre sodorta. Az 1942-ben New Yorkban született Blum 9 évesen költözött a venezuelai Caracasba, amikor édesapja egy rokonával üzletelt. Ott találkozott Manuel Blum, aki 62 éves férje és maga is úttörő informatikus lesz. Blum Caracasban fedezte fel élete másik nagy szerelmét, a matematikát is.
Sok akadály leküzdése után eljutott a Massachusetts Institute of Technology végzős iskolájába. Ott a logika egy olyan ágára szakosodott, amelyet modellelméletnek neveznek, és amely az azonos alapfeltevésekből származó különböző matematikai elméletek közös vonásait elemzi. Blum 25 évesen doktorált a fejlődésért egy új mód hogy ezt a magas szintű perspektívát alkalmazzuk az algebrai térelméleteknek nevezett matematikai struktúrákra.
A diploma megszerzése után Blum rangos posztdoktori ösztöndíjat kapott, de hamarosan úgy találta, hogy a hagyományos tudományos pálya felé vezető utat elzárták a női matematikusok előtt. Ekkor kapcsolódott be először az érdekképviseletbe. Vezető szerepet játszott a Nők Matematikában Egyesület megalapításában, és számos befolyásos programot hozott létre a női hallgatók támogatására.
De soha nem tévesztette szem elől a matematikát és a számítástechnika születőben lévő területét. Az 1980-as években Blum Stephen Smale és Michael Shub matematikusokkal kezdett együtt dolgozni egy formális elmélet kidolgozásán. számítás folytonos valós számokkal nullák és egyesek helyett.
A folyamatos matematika, például a számítás, számos algoritmus lényeges részét képezi a számítási fizikától a gépi tanulásig. Az ilyen algoritmusok digitális számítógépeken való megvalósítása mindig közelítéssel jár, de korlátaik elméleti elemzését az ezekből a közelítésekből fakadó finomságok sújtják. Blum munkája szigorú új módszert adott a kutatóknak a számításon alapuló algoritmusok matematikai alapjainak tanulmányozására. Ez új megközelítést is lehetővé tett számítási komplexitás elmélet, a különböző számítási problémák alapvető nehézségeinek vizsgálata.
És bár Blum négy éve nyugdíjba vonult a Carnegie Mellon Egyetemen, ahol 1999 óta tanított, ez nem akadályozta meg abban, hogy új kérdéseket keressen, amelyeket fel kell keresnie. Az elmúlt években férjével együtt dolgoztak egy matematikai tudatmodell megfogalmazásán, amelyet az elméleti számítástechnika ihletett. Sok éves vezetői tapasztalatát pedig az újonnan alakult elnökként kamatoztatja Matematikai Tudattudományi Egyesület.
Quanta beszélt Blummal a matematika felé vezető útjáról, arról, hogyan segíthetnének a nőknek sikeresek lenni ezen a területen, és mit tud mondani a számítástechnika a tudatról. Az interjút az egyértelműség kedvéért sűrítettük és szerkesztettük.
Bevezetés
Mikor kezdett el először érdeklődni a matematika iránt?
New Yorkban mindig művésznek láttam magam. Aztán Caracasban az ötödik osztály első napján hosszú osztást végeztek; Egy éve nem jártam iskolába, de nagyon hamar rájöttem. Mindenki azt hitte, hogy szuper vagyok matematikából, és szerettem. Olyan volt, mint egy tengeri változás.
Tetszett, hogy a matematika nem függ az emberek véleményétől, bár később rájöttem, hogy ez nem teljesen igaz. Egy másik dolog, amit nagyon vonzónak találtam, az az volt, hogy ha megértettem az alapelveket, akkor ez minden, amire szükségem volt – nem kellett memorizálnom. Aztán amikor a geometriához értek, szerettem a bizonyításokat; Csak azt hittem, hogy gyönyörűek.
Manuellel Caracasban is találkoztál, családi barátokon keresztül. Mi vonzott össze?
Az ő törekvései hasonlóak voltak az enyémhez – mindig is úgy éreztem, sok tekintetben rokonok vagyunk. Amikor az egyetemre jelentkeztem, elkezdtünk írni, aztán eljött az érettségimre. Ez volt az első igazi randink. Az egész nyarat együtt töltöttük, filozófiáról és pszichológiáról beszélgettünk. Amíg nem jelentkeztem az egyetemre, nagyon nagy élményekben volt részem.
Bevezetés
Mi történt, amikor jelentkeztél az egyetemre?
Nagyon csodáltam a matektanáromat, és amikor azt mondtam, hogy arra szeretnék szakosodni, azt mondta, hogy a legjobb matek 2,000 évvel ezelőtt készült. Tehát mivel szerettem a művészetet, azt mondtam: „Rendben, akkor építészetet tanulok; ötvözi a művészetet és a matematikát.” Később rájöttem, hogy nem tud többet matematikából, mint a tanított geometriából.
Jelentkeztem az MIT-re, ahol Manuel volt, de azt mondták, mindenkinek az egyetemen kell élnie, és nincs hely számomra. Nők számára csak 20 ágy volt. Így hát elmentem a Carnegie Techre [ma Carnegie Mellon Egyetem].
Hogyan tanultál matekot?
Az első évben gyakorlatot szereztem egy építészirodánál, és láttam, hogy ott a fiatalabbak mások ötleteit fogalmazzák meg. És a matematika képlet volt. Mindkét dolog kiábrándított az építészet tanulmányozásából.
Át akartam váltani a matematikára, de senki nem hallgatott rám. Az egyik dékán még azt is mondta, hogy forduljak pszichiáterhez. Így hát bementem a matek épületébe, és elkezdtem kopogtatni az emberek ajtaján, hogy megkérdezzem, eljöhetek-e az óráikra. És az egyik srác azt mondta: „Fantasztikus! Egy kísérleti kurzust tartok ezzel az új számítógéppel az üzleti iskola alagsorában.” Alan Perlis volt – később ő lett a számítástechnikai osztály első vezetője és az első Turing-díjas. Miatta járhattam matekórákra. Szükségem volt erre a szerencsés szünetre, hogy bejussak.
De nem voltam annyira boldog a Carnegie Technél – miután otthagytam az építészetet, nem volt közösségem. Amikor Manuellel úgy döntöttünk, hogy összeházasodunk, Bostonba költöztem. Korábbi tapasztalataim miatt nem jelentkeztem az MIT-re, ezért a Simmons College-ba, egy női főiskolára mentem a junior évfolyamra. Az első év után a matematika tanszék vezetője azt mondta, hogy megszervezi, hogy részt vegyek tanfolyamokon az MIT-n, és rávette Simmonst, hogy fizesse ki.
Véletlenül elvégeztem ezt a kurzust, Isadore Singer nagyon elvont modern algebrájáról. Ez volt az, amit egész életemben kerestem. Ez önbizalmat adott, hogy jelentkezzek az MIT posztgraduális iskolájába.
Bevezetés
Jobban sikerült, mint az első jelentkezéskor?
Elmentem interjúra. A kérdező egy darab papírt tartott a kezében, és abban a pillanatban, amikor kinyitottam az ajtót, azt mondta: „Ez azoknak az iskoláknak a listája, amelyekbe, ha lesz egy lányom, azt tanácsolom neki, hogy menjen. Az MIT nem a nők helye." le voltam sújtva.
De aztán egy héttel később felvettek. Később tudtam meg, mi történt. Azon a hétvégén tanári partit tartottak a matematika tanszéken. Vicceltek ezzel a „lánnyal”, aki a posztgraduális képzésre jelentkezett, és Is Singer tudni akarta, kiről beszélnek. Kiadták a nevemet, és dühös volt. Azt mondta: „Ő a legjobb tanuló az osztályomban.” különben nem mentem volna be.
Sok szerencsés szünetem volt. Végül rájöttem, hogy van egy árnyoldaluk.
Hogy érted?
Nem szabadna, hogy szerencsés szünetben legyen részem. Amikor elkezdtem az MIT-n, nagyon hálás voltam. De miért lennék hálás azért, hogy megengedték, hogy matematikából tanuljak? A gondolat, hogy hálásnak kell lennem, nagyon sokáig bennem maradt.
Volt több gondod végzősként?
Miután bekerültem, nem éreztem, hogy diszkrimináltak. Támogatást kaptam ahhoz, amit csinálok. Akkoriban benne voltam.
Sajnos utána teljesen naiv voltam. A doktori fokozat megszerzése után ösztöndíjat kaptam, amely lehetővé tette számomra, hogy bárhová menjek az Egyesült Államokban, és Manuel számítástechnikából kapott ajánlatot a Berkeley-i Kaliforniai Egyetemen. Szerintem Berkeley jól hangzik. Volt ott egy prominens logikai nő, Julia Robinson, akinek a munkáját nagyon csodáltam.
De kiderült, hogy nem volt a tantestületben. Amikor meg akartam tudni, hogy miért, 10 millió okot mondtak nekem: szívbeteg volt, a férjének pozíciója volt, és van egy nepotizmus szabály: „Ő nem Berkeley kaliberű”. Ha nem adnak állandó pozíciót Julia Robinsonnak, akinek már akkor is fantasztikus hírneve volt, hogyan fognak nekem adni?
Ekkor kezdett kigyulladni a lámpa a fejemben. Sokáig volt rajtam vakító.
Bevezetés
Mikor jöttek le ezek a szemüvegek?
1971 volt, a politikai felfordulás időszaka. A matematika tanszéken emberek vezették ezt a Math and Social Responsibility nevű kollokviumsorozatot – nagyon Berkeley-szerű. Steve [Smale] megkérdezte, lefuttatnám-e az egyik foglalkozást a nőkről matematikából.
Megvolt az a szimpózium, és zsúfolásig megtelt. Végül mindenki azt hitte, hogy én vagyok a matematika nők szakértője. Ugyanebben az időben indult el a Nők Matematikában Egyesülete a keleti parton, mi pedig elindítottuk fiókunkat a nyugati parton.
Ez volt a kezdete annak, hogy véletlen aktivistává váltam.
Hogyan dolgoztál a nők matematikai reprezentációjának növelésén?
Azokban az években a feministák arról beszéltek, hogy a nők hogyan csinálják a tudományt: másképp kellett csinálnunk a tudományt, hogy vonzzuk a nőket. És arra gondoltam: „Ez teljesen elromlott.”
Az Egyesült Államokban akkoriban csak két év középiskolai matematika kellett ahhoz, hogy egyetemre menjen. A legtöbb egyetemista férfi négy év középiskolai matematikát tanult; a legtöbb nőnek tanácsot adtak abból. A Berkeley-be érkező nők mindössze 8%-ának volt elég matematikája ahhoz, hogy számoljon, és ha nem tud számolni, felejtse el – sok terület el volt zárva előtted. Nagyon konkrét módszerek voltak a dolgok javítására. Nem kellett megváltoztatnunk a matematika módszerét.
Sok munkámban ez volt a téma az évek során. Néhány évvel azután, hogy beléptem a Carnegie Mellon számítástechnikai osztályára, egyetemistáink fele nő volt. Ez nem történt meg, mert nőbarátra változtattuk a tantervet. Úgy tettük, hogy megadtuk a nőknek azokat a mentorokat, amelyekre szükségük volt, és olyan élményeket adtunk nekik, amelyeket nem kaptak meg, mert nem rendelkeztek hálózattal.
Bevezetés
A diplomás kutatásodnak nem sok köze volt a számításokhoz. Hogyan kerültél az informatikához?
Szívem szerint matematikus vagyok, bár évek óta inkább a számítástechnikai közösség tagja vagyok. Amikor Mike-kal [Shubbal] és Steve-vel a valós számok számításán dolgoztam, az érzékenységeim a matematikából származtak.
Most elméleti számítástechnikai szemszögből jövök a tudattudományba, nem onnan, ahonnan a legtöbb ember jön. A karrierem a legtöbb ember szemszögéből olyan furcsa volt. A „másik” lét szinte meghatározó részem volt.
Mi késztette ezt a tudatra váltást?
Manuelt második osztályos kora óta érdekli a tudat. A tanárok azt mondták az anyjának, hogy valószínűleg nem fogja elvégezni a középiskolát – úgy gondolta, ha megtanulja az agyat, okosabb lehet. De egészen a közelmúltig a tudat a teológusok és filozófusok hatáskörébe tartozott. Valójában az utóbbi években kerültek bele a kognitív tudományok és az idegtudományok emberei.
2018 körül elkezdtünk együtt dolgozni egy elméleti számítástechnikai szemszögből jövő modellen, amelyet mi Tudatos Turing-gép. Két dolog ihlette. Az egyik a Turing-féle számítási modell volt, amely egyszerű, de erőteljes. Turing modellje egyáltalán nem úgy néz ki, mint bármelyik modern számítógép, de felkaphatod a fejedet; be tudod bizonyítani, hogy mit lehet és mit nem.
A másik inspiráció az volt A tudatosság globális munkaterület-elmélete, amely színházi hasonlaton keresztül írja le a tudatos tudatosságot. A tudat egy színész tevékenysége egy darabban, amely a színpadon játszik; az eszméletlen processzorok hatalmas közönsége figyeli, majd egymás között versengenek, hogy információikkal felkerüljenek a színpadra, hogy sugározzák.
Bevezetés
De hogyan kerül fel az információ a színpadra? Ez soha nincs meghatározva. Modellünkben egy jól körülhatárolható verseny van, amely rengeteg processzor közül választja ki a legjobb információkat. Az összes számítást helyben végzik el – minden lépésben csak két kis információdarabot használnak fel – tehát nagyon gyors.
Miért számít a gyors számítás?
Az elméleti számítástechnikában nagyon fontosak az erőforrások időbeni és térbeli korlátai. Az idő elengedhetetlen része a számításoknak, ezért olyan modellre van szükség, amely figyelembe veszi – gyors algoritmusokra van szükség, amelyek bejuttatják az információkat, hogy gyorsan tudjon reagálni.
Van egy formális tudatmodellünk: magában foglalja ezt a globális munkaterület-architektúrát, a rövid távú memóriát, a hosszú távú memóriát, az előrejelzést, a visszacsatolást, a tanulást és a világmodellek készítésének képességét. Nem azt mondjuk, hogy ez az egyedi modell, és nem az agy modellje. Csak arra törekszünk, hogy a lehető legegyszerűbbek legyünk, hogy a kulcsfontosságú dolgokat az absztrakció magas szintjén nézzük meg.
Azt hiszem, a tudatnak különböző aspektusai vannak – ha az egyetlen tudatelméletet keresed, felejtsd el. Sok elméletből merítek betekintést. Szeretem látni, hogyan igazodunk egymáshoz, és hol különbözünk.
Milyen nyugdíj után is dolgozni?
Nagyon jól szórakozom most, el kell mondanom. Valószínűleg ez közelebb áll a diplomás hallgatói tapasztalatomhoz, mint bármi az egész életemben. Jó lenne, ha lenne még 50 évem, de nincs. Tehát azt használom, amim van.
- SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
- PlatoData.Network Vertical Generative Ai. Erősítse meg magát. Hozzáférés itt.
- PlatoAiStream. Web3 Intelligence. Felerősített tudás. Hozzáférés itt.
- PlatoESG. Carbon, CleanTech, Energia, Környezet, Nap, Hulladékgazdálkodás. Hozzáférés itt.
- PlatoHealth. Biotechnológiai és klinikai vizsgálatok intelligencia. Hozzáférés itt.
- Forrás: https://www.quantamagazine.org/the-accidental-activist-who-changed-the-face-of-mathematics-20240103/
- :van
- :is
- :nem
- :ahol
- ][p
- 10 millió $
- $ UP
- 000
- 10
- 1999
- 20
- 2018
- 25
- 50
- 50 éve
- 9
- a
- képesség
- Képes
- Rólunk
- KIVONAT
- absztrakció
- egyetemi
- elfogadott
- véletlen
- Fiók
- ACM
- tevékenység
- tanácsot ad
- érdekképviseleti
- Után
- ellen
- kor
- Augusztus
- Alan
- algoritmusok
- összehangolása
- Minden termék
- megengedett
- majdnem
- már
- Is
- mindig
- között
- an
- elemzés
- elemzések
- és a
- Másik
- bármilyen
- bármi
- alkalmazott
- alkalmaz
- Alkalmazása
- megközelítés
- építészet
- VANNAK
- körül
- Művészet
- művészi
- AS
- kérdez
- szempontok
- Egyesület
- feltételezte
- feltételezések
- At
- vonz
- vonzó
- közönség
- díj
- tudatosság
- alapvető
- BE
- szép
- lett
- mert
- válik
- egyre
- óta
- előtt
- kezdődött
- Kezdet
- hogy
- Berkeley
- BEST
- Jobb
- született
- Boston
- mindkét
- Agy
- Ág
- szélesség
- szünet
- szünetek
- rádióadás
- Épület
- üzleti
- Üzleti iskola
- de
- by
- Kalifornia
- hívás
- hívott
- jött
- KAPUSTÁBOR
- TUD
- Kaphat
- Caracas
- Karrier
- Carnegie Mellon
- elkapott
- változik
- megváltozott
- Város
- világosság
- osztály
- osztályok
- zárt
- közelebb
- Tengerpart
- kognitív
- Főiskola
- kombájnok
- hogyan
- érkező
- Közös
- közösség
- verseny
- bonyolultság
- számítás
- számítási
- számítógép
- Computer Science
- számítógépek
- beton
- feltétel
- bizalom
- öntudatos
- Öntudat
- folyamatos
- tudott
- Tanfolyam
- tanfolyamok
- kriptográfia
- tanterv
- találka
- nap
- határozott
- meghatározott
- meghatározó
- osztály
- függ
- Származtatott
- körülír
- Fejleszt
- fejlesztése
- DID
- különböző
- eltérően
- Nehézség
- digitális
- felfedezett
- diszkriminált
- osztály
- do
- nem
- Nem
- Ennek
- csinált
- ne
- Által
- ajtók
- hátránya
- minden
- Keleti
- Oktatás
- engedélyezve
- végén
- elég
- teljesen
- alapvető
- létrehozni
- Még
- végül is
- mindenki
- tapasztalat
- Tapasztalatok
- kísérleti
- szakértő
- feltárása
- Arc
- tény
- család
- fantasztikus
- GYORS
- Jellemzők
- Visszacsatolás
- érez
- hiba
- női
- kevés
- mező
- Fields
- megtalálása
- Cég
- vezetéknév
- első
- következik
- A
- hivatalos
- alakult
- talált
- Alapok
- alapító
- négy
- barátok
- ból ből
- móka
- alapvető
- adott
- kap
- szerzés
- Ad
- Giving
- Globális
- Go
- megy
- kapott
- fokozat
- diplomás
- hálás
- nagy
- Fickó
- kellett
- fél
- történik
- történt
- boldog
- Legyen
- tekintettel
- he
- fej
- Szív
- segít
- neki
- Magas
- magas szinten
- őt
- saját maga
- övé
- holding
- Hogyan
- How To
- HTTPS
- hatalmas
- i
- BETEG
- ötlet
- ötletek
- if
- végrehajtási
- fontos
- javuló
- in
- magában foglalja a
- Növelje
- Befolyásos
- információ
- meglátások
- Ihlet
- inspirálta
- helyette
- Intézet
- intézmények
- érdekelt
- Interjú
- Riporter
- bele
- változatlanul
- részt
- IT
- csatlakozott
- Julia
- éppen
- Kulcs
- kopogás
- Ismer
- a későbbiekben
- Vezetés
- vezető
- tanult
- tanulás
- Led
- balra
- hadd
- szint
- élet
- fény
- mint
- korlátozások
- Lista
- hallgat
- él
- helyileg
- logika
- Hosszú
- hosszú idő
- hosszú lejáratú
- néz
- keres
- elveszett
- Sok
- sok
- szerelem
- szeretett
- gép
- gépi tanulás
- készült
- magazin
- fontos
- csinál
- sok
- Massachusetts
- Massachusetts Institute of Technology
- matematikai
- matematikai
- matematika
- Anyag
- me
- jelent
- Mellon
- Memory design
- Férfi
- mentorok
- találkozott
- Michael
- mikrofon
- millió
- MIT
- modell
- modellek
- modern
- mom
- pillanat
- több
- a legtöbb
- áthelyezve
- sok
- my
- magamat
- név
- születő
- Szükség
- szükséges
- hálózatok
- Neuroscience
- soha
- Új
- New York
- new york city
- újonnan
- Most
- szám
- megfigyelés
- akadályok
- of
- kedvezmény
- ajánlat
- on
- ONE
- azok
- csak
- színpadon
- nyitott
- Vélemények
- Más
- másképp
- mi
- ki
- felett
- leküzdése
- csomagolt
- Papír
- rész
- párt
- ösvény
- Fizet
- Emberek (People)
- emberek
- előadó
- állandó
- személyes
- perspektíva
- filozófia
- Fizika
- darab
- úttörő
- Hely
- Helyek
- sújtja
- Plató
- Platón adatintelligencia
- PlatoData
- játszani
- játszott
- politikai
- pozíció
- lehetséges
- erős
- előrejelzés
- elnök
- tekintélyes
- elvek
- valószínűleg
- problémák
- processzorok
- Program
- Programok
- kiemelkedő
- igazolások
- Bizonyít
- Pszichológia
- elhelyezés
- Quantamagazine
- Kérdések
- gyorsan
- kezdve
- igazi
- realizált
- felismerve
- tényleg
- miatt
- kapott
- új
- nemrég
- relatív
- képviselet
- hírnév
- kutatás
- kutatók
- forrás
- Reagálni
- felelősség
- nyugdíjazás
- szigorú
- Szerep
- Szoba
- Szabály
- futás
- futás
- s
- Mondott
- azonos
- látta
- mondás
- Iskola
- Iskolák
- Tudomány
- Tudós
- SEA
- Második
- lát
- látott
- érzékenységek
- Series of
- ülések
- készlet
- ő
- rövid időszak
- kellene
- Látás
- jelentős
- hasonló
- Egyszerű
- óta
- énekes
- kicsi
- intelligensebb
- So
- Közösség
- nemsokára
- hangzott
- Hely
- specializált
- költött
- kezdődött
- Kezdve
- tartózkodott
- Lépés
- István
- Steve
- megállt
- struktúrák
- diák
- Diákok
- Tanulmány
- Tanul
- sikerül
- ilyen
- nyár
- szuper
- támogatás
- Támogató
- kapcsoló
- Szimpózium
- Vesz
- bevétel
- beszéd
- tanárok
- Tanítási
- tech
- Technológia
- mondd
- mint
- hogy
- A
- A nyugat
- a világ
- azok
- Őket
- téma
- maguk
- akkor
- elméleti
- elmélet
- Ott.
- ők
- dolog
- dolgok
- Szerintem
- Gondolkodás
- ezt
- azok
- bár?
- gondoltam
- Keresztül
- idő
- nak nek
- együtt
- mondta
- is
- vett
- TELJESEN
- hagyományos
- baj
- igaz
- próbál
- Turing
- FORDULAT
- Fordult
- kettő
- nekünk
- alatt
- mögöttes
- megértett
- Váratlan
- egyedi
- egyetemi
- University of California
- -ig
- felfordulás
- us
- használ
- segítségével
- Venezuela
- nagyon
- verseng
- kívánatos
- volt
- Út..
- módon
- we
- webp
- hét
- hétvége
- jól definiált
- ment
- voltak
- Nyugati
- Mit
- bármi
- amikor
- ami
- WHO
- egész
- akinek
- miért
- szél
- győztes
- val vel
- nő
- Női
- Munka
- dolgozott
- dolgozó
- világ
- lenne
- adna
- írás
- év
- év
- york
- te
- fiatalabb
- A te
- zephyrnet