A fordítás az alábbi kiadás alapján készült:

Plussen en minnen – Wiskunde en de wereld om ons heen

by Stefan Buijsman
2018 De Bezige Bij, Amsterdam

Copyright © 2018 Stefan Buijsman, Plussen en minnen

Originally Published with De Bezige Bij, Amsterdam.

Hungarian translation © Fenyves Miklós, 2020

Borítókép © tigerstrawberry/Getty Images

Felelős kiadó a Libri Kiadó ügyvezetője

Felelős szerkesztő Hungler Tímea
Olvasószerkesztő Tóth Andrea
Borítóterv Váradi Zsolt
Műszaki szerkesztő Kállai Dávid

ISBN 978 963 433 679 2

Elektronikus verzió
eKönyv Magyarország Kft.
www.ekonyv.hu
Készítette: Ambrose Montanus
 Bevezetés

Nem is olyan régi emlék. Üveges tekintettel bámulok a

matektanárra. A digitális táblán képletek. Mellettük egy
helyenként felpúposodó egyenes. Ez a középiskolai tananyag –
ha belegebedünk is, meg kell tanulnunk bánni a sok képlettel és
ábrával. Nekem végképp nincs kegyelem: érettségi után
csillagászatot szeretnék tanulni az egyetemen. Még nem
tudhatom, hogy túl türelmetlen vagyok ehhez a foglalkozáshoz.
De játsszunk el a gondolattal: mi van, ha tudom, és mi van, ha
azt is tudom, hogy a leendő szakmámban szinte soha nem kell
majd kiszámolnom semmit? Mikor jön el a nap, amikor beírom
a kérdést a Google-be: mégis mire jó a matematika?
Az első találat, amit e kérdésre a keresőmotor feldob, egy
holland napilap cikke. Püthagorasz tételéről és a
pizzaméretekről van benne szó. Konkrétnak elég konkrét a
válasz, de csak egy icipici szeletét mutatja meg a matematika
felhasználási területeinek. Maradva a Google-nél: matematika
nélkül még a neten sem keresgélhetnénk, ha foglalkoztat
bennünket valami. Nem beszélve arról, hogy valószínűleg olyan
cikk jelenne meg találatként, amelynek semmi köze a
kérdéshez. A Google-féle keresőmotorok sehol sem lennének, ha
nem alkalmaznák olyan leleményesen a matematikát. És most
nem arra gondolok elsősorban, hogy a számítógép nullákkal és
egyesekkel dolgozik, inkább arra, hogy a program a matematika
alapján dönti el, mi számít releváns válasznak, és mi nem,
vagyis a döntésében jócskán benne van a matematika.
Hajdanában, még mielőtt a Google alapítói, Sergey Brin és Larry
Page kidolgozták volna a maguk újfajta keresési módszerét, ha
valaki begépelte a keresőmezőbe mondjuk azt, hogy „Bill
Clinton”, az első találat az elnök fotója volt a napi viccel. A
„Yahoo” keresőszóra a Yahoo keresőoldala nem adta ki az első
tíz találat között saját magát! Azt, hogy mindez már a múlté, a
matematikának köszönhetjük.
Mégis sokaknak ma is ugyanaz jut eszébe a matematikáról,
mint középiskolában. Egy tábla, sűrűn teleírva képletekkel. Elég
egy pillantást vetni rájuk, és máris zúgni kezd az ember feje,
ráadásul soha nem látjuk őket viszont az életben. Nem csoda,
hogy sokan azt gondolják, a matek érthetetlen és haszontalan
tudomány. Pedig épp az ellenkezője igaz: a matematika fontos
szerepet tölt be a modern társadalmakban, ráadásul nem is
olyan nehéz megérteni. Csak nem szabad megtorpanni a
képleteknél, látni kell mögöttük a világot is. A Google példája
rávilágít, mekkora hatással van a matematika a mindennapi
életünkre, pozitív és negatív értelemben egyaránt. Az
információk között válogató digitális szolgáltatások, mint a
Google, a Facebook vagy a Twitter, könnyedén megerősíthetnek
bennünket meglévő nézeteinkben. De példaként hozhatjuk az
álhíreket is, amelyekkel nem véletlenül nehéz felvenni a harcot.
Az előbbi jelenségekre részben az említett szolgáltatások
működésmódja ad magyarázatot. Helyükön kezelni e
jelenségeket csak akkor leszünk képesek, ha megértjük, miért
éppen bizonyos internetes szolgáltatások erősítenek meg
minket a gondolkodásmódunkban, és miért olyan nehéz
változtatni ezeken.
Bizonyos értelemben a könyvet a fiatalabb önmagamnak
írtam, most, hogy már jobban kiismerem magam a matematika
világában. De szól azokhoz is, akik a középiskolás énemhez
hasonlóan csak nyűgnek érezték a matematikai számításokat,
és örülnek annak, hogy az iskolapadból kikerülve egy életre
megszabadulhattak tőlük. Azóta, hogy a matematika
filozófiájával foglalkozom, nem kérdés számomra, hogy a
matek kiemelkedően fontos részét képezi az életünknek, ha
nem is kell napi nyolc órában számításokat végeznünk a
munkahelyünkön. A matematika több puszta képleteknél –
ezeknek nem is igen szentelünk helyet a könyvben. Hasznosak,
ha valami konkrét feladatot kell megoldani, ugyanakkor épp
azokat a gondolatokat fedik el, amelyeken a matematika alapul.
Hogy erről az olvasót is meggyőzzem, sorra veszem a
matematika néhány izgalmas területét, a gráfelmélettől a
statisztikáig. Eközben pedig bebizonyítom: a matematika sokkal
érthetőbb és fontosabb tudományág, mint azt sokan gondolnák.
Vegyük csak a gráfelméletet! A Google-hoz hasonló
keresőmotorok éppúgy a gráfelméletre támaszkodnak a
keresési eredményeik rendezésekor, mint az orvosok, amikor
azt próbálják megjósolni, hogyan fog reagálni egy-egy rákbeteg
páciens valamelyik kezelésre; de a gráfelmélet akkor is
nélkülözhetetlen, ha egy-egy nagyváros közlekedési útvonalait
tanulmányozzuk.
Ugyanez érvényes a modern matematika olyan ágaira is,
mint a statisztika és az integrál- és differenciálszámítás. Ezek
egyszerű elképzelésekre épülnek, emellett pedig roppant
hasznosak is – a statisztikával például nap mint nap
találkozunk, valahányszor csak számadatokat sorolnak a
hírekben, legyen szó a bűnözésről, a gazdaságról, a politikáról
vagy akármi másról. Hallva e számokat nem mindig világos,
mihez is kezdjünk velük, ahogyan az sem, honnan vették őket.
Nem véletlenül óvtak minket kritikus elmék már száz évvel
ezelőtt is a félrevezető statisztikáktól, és az idő csak igazolta a
félelmeiket.
A differenciál- és integrálszámítás hasonlóan fontos szerepet
tölt be az életünkben, mint a gráfelmélet: el sem hinnénk,
mennyi mindent köszönhetünk az alkalmazásuknak. Már az
ipari forradalom idején felhasználták őket a hatékonyabb
gőzgépek kialakításához, azóta pedig segítették az önvezető
autók megtervezését, a felhőkarcolók megépítését és még
hosszan sorolhatnánk a példákat. Ha vannak olyan szegmensei
a matematikának, amelyek valóban megváltoztatták a
történelmet, joggal mondhatjuk, hogy ezek voltak azok.
Mielőtt azonban részletesen belemennék a matematika
modern felhasználási módjaiba, nem árt, ha vetünk egy
pillantást a kezdetekre is. Ehhez nem kell majd ókori bölcsek
bonyolult számításaiban búvárkodnunk, elég lesz elmélyedni
kicsit az emberiség történetében. Minden ember születésétől
fogva egy sor matematikai képességgel rendelkezik; ezeknek
köszönhető, hogy matekórák nélkül is életben tudunk maradni.
A történelem azonban arról tanúskodik, hogy ezek a velünk
született képességek csak addig elegendőek, amíg nem kezdünk
nagyobb csoportok kötelékében élni. A társadalmak egy adott
ponton túl működésképtelenek matematika nélkül: kénytelenek
a számtanra és mértanra hagyatkozni. Igaz, ma is találunk még
olyan kultúrákat, amelyek nélkülözik a matematika mindenféle
formáját, ezek azonban kivétel nélkül olyan társadalmak,
amelyek nem építenek például városokat. Egy-egy nagyobb
közösség életének és biztonságának megszervezése, a házak és
más épületek megépítése, az élelmiszer-ellátás szabályozása és
más hasonló feladatok elképzelhetetlenek matematikai
absztrakció nélkül. A matematika a gyakorlati problémák
leegyszerűsítése révén segít megbirkózni a minket körülvevő
világ kihívásaival.
Amikor a matematika hasznáról beszélek, nem csak a
matematika gyakorlati alkalmazhatóságára gondolok –
számomra ez mindenekelőtt filozófiai kérdés. Ezért is indítom
és zárom a könyvemet egy-egy filozófiai kitérővel. A
matematikafilozófusok, akik közé magam is tartozom, már
évszázadok óta firtatják a matematika mibenlétét és
alkalmazását, anélkül, hogy közben feladványokkal és
képletekkel gyötörnék az elméjüket. Az általunk felvetett
kérdések részben még ma is nyitottak, jóllehet annyit már
tudunk, hogyan kellene a helyes válaszoknak kinézniük.
 Végső soron azonban – ahogy a legtöbb filozófiai kérdés
esetében is – magunknak kell eldöntenünk, milyen módon
gondolkodjunk a matematikáról, mely válaszok állnak hozzánk
a legközelebb. Azt is magunknak kell megítélnünk, hogy
elégedettek vagyunk-e a matematika jelenlegi alkalmazási
módjaival. Csak egyetlen példát kiragadva: vajon a Facebook
előnyei túlsúlyban vannak a hátrányaival szemben? A kérdés
megválaszolását az olvasóra hagyom. Saját válasz helyett
inkább megpróbálom elmagyarázni, milyen szerepet játszik a
matematika az ilyen típusú alkalmazásokban, milyen okokra
vezethetőek vissza a Facebook sokat emlegetett negatívumai, és
miért is nem lehet ezeket megszüntetni anélkül, hogy ne
érintené a matematika alapjait is.
 1. Mindennapi matematika

Melyik metróra szálljak?

Amikor nem tudjuk, hogyan jussunk el valahová, a Google

Mapset hívjuk segítségül, és a matematikára bízzuk magunkat.
Megnyitjuk az alkalmazást, megadjuk az úti célunkat, és néhány
másodperc múlva máris több lehetséges útvonal jelenik meg a
telefonunk kijelzőjén. Erre csak egy módon képes a Google: úgy,
hogy okosan alkalmazza a matematikát.
Tegyük fel, hogy a Google az őrületbe akar kergetni minket,
és emberekkel térképezteti fel az útvonalakat. Valahányszor egy
felhasználó rákeres egy útvonalra, munkába lép egy
térképolvasókból álló, ragyogó képességű csapat. Mondanom
sem kell, ez a módszer nemcsak rendkívül időigényes, de
roppant módon improduktív is. A Google alkalmazottainak újra
meg újra ki kellene keresniük ugyanazt az útvonalat olyanok
számára (mint amilyen én is vagyok), akik sokadszorra sem
képesek megjegyezni, mennyi ideig tart eljutni a barátaik
lakhelyéig. A legjobb megoldás talán az volna, ha a vállalat jó
előre felkutattatna mindenféle útvonalakat a munkatársaival,
amelyeket elmentenének arra az esetre, ha egyszer valakinek
majd szüksége lesz rájuk.
De mire is mennénk velük? Csekély a valószínűsége annak,
hogy valaki éppen ugyanarra az útvonalra kíváncsi, mint amire
én, kivéve, ha egy kollégiumban lakunk, és meg akarjuk tudni,
hogyan jutunk el ehhez vagy ahhoz az egyetemi épülethez. A
szomszédaim nem fognak beugrani a barátaimhoz, akikhez
mindig elfelejtem az utat, sem a kiadómhoz, akitől újra meg
újra megkérdezem, mennyi ideig tart az út a szerkesztőségig. A
Google-nak folyton készenlétben kéne tartania valakit, aki
kifürkészi az újabb és újabb útvonalaimat, hacsak nem tudják
előre megjósolni, merre kívánok majd utazni a jövőben. És azt
se feledjük, hogy legyenek bármilyen jók is az alkalmazottaik a
térképolvasásban, az is időbe telne, hogy megadják a kért
útbaigazítást.
Ezért kell rábízni a térképolvasást a matematikára. Azt, hogy
hogyan utazzunk, számolja ki egy számítógép, ha nem is
azokkal a módszerekkel élve, amelyekkel egy ember. Az a fajta
matematika, amelyet a komputer használ, nem ismeri fel az
utcákat a műholdfelvételről, és nem tudja méretarányosan
kiszámolni a távolságot sem a térképen. A navigációs
rendszerek ehelyett úgy látják a világot, mint ami köröcskékből
és az ezeket összekötő vonalakból áll. Ez talán furán hangzik, de
az emberektől sem teljesen idegen az efféle absztrakció,
gondoljunk csak a nagyvárosok metrótérképeire.
Illusztrációképpen íme a stockholmi metró térképe.
 Stockholm metrótérképe

A Google Maps mögött álló matematika számára az volna az

ideális, ha a felhasználó csak a metrót venné igénybe, elvégre a
metrótérképet már eleve helyesen alakították ki. A számítógép
ebben az esetben úgy viselkedhet, mintha maga is egy kis
metrószerelvény volna, amely a vonalak mentén közlekedik. Az
egyedüli problémát az jelentené, hogy a komputer nem tudja
áttekinteni a metróhálózat egészét. Ha magunknak kéne
megterveznünk az utunkat a stockholmi metrótérkép
segítségével, mondjuk a Slussen (jobbra középen) és Akalla
megálló között (balra fent), akkor a következőképpen
csinálnánk: Akalla a T11-es vonal egyik végállomása, a T11-es
pedig egyedül a T-Centralen állomáson keresztezi a T13-as, 14-
es, 17-es, 18-as és 19-es vonalakat (amelyeknek a Slussen az
egyik megállója). Valószínűleg a legegyszerűbb és leggyorsabb
megoldás, ha a Slussenen felszállunk a T13-asra, 14-esre, 17-
esre, 18-asra vagy 19-esre, és megyünk két megállót felfelé a T-
Centralen állomásig, ahonnét a T11-essel utazunk tovább balra
felfelé, a végállomásig.
Egy számítógép komplikáltabban tud csak eljutni Akalláig. A
Google Maps által használt matematika nem rendelkezik azzal a
rálátással, amelynek alapján rögtön meg tudjuk mondani, hol
helyezkedik el egymáshoz képest a Slussen és Akalla. Elképzelt
kis „szerelvényünknek” találomra kell ide-oda mennie, mire
eléri az úti célját. A számítógépnek azt is tudnia kell, mennyi
időre van szüksége a metrónak, hogy az egyik körtől eljusson a
másikig. Mindenki tudja, hogy a metrótérképek vonalai nem
felelnek meg a valós távolságoknak és az állomások közötti
menetidőknek. Stockholmban például tovább tart átmenni az
Universitetettől a tőle egy megállóra lévő Bergshamráig (T14-es
vonal), mint megtenni az Östermalmstorg és a Karlaplan közötti
szintén egy megállónyi utat (T13), pedig a térkép vonalainak
hosszúsága épp az ellenkezőjére enged következtetni.
A problémára megoldást nyújt, ha a hálózat minden vonala
mellé rendelünk egy számot, amely megadja, hogy a metró
mennyi idő alatt teszi meg az adott pályaszakaszt. Ez a
kiegészítés már elég ahhoz, hogy a komputerünk munkához
lásson. A legegyszerűbb navigációs rendszerek bejárják az
összes lehetséges útvonalat, mégpedig úgy, hogy a soron
következő opció mindig a legrövidebb olyan útvonal lesz,
amelyet a számítógép még nem próbált.
 Lehetséges, hogy elsőre ez kicsit elvont, de a gyakorlati
példánkon már nem olyan nehéz követni. A számítógép elindul
a Slussennél, és megnézi, melyik a legközelebbi megálló. A
Mariatorget csak egy percre van, ez tehát az első opciónk. Mit
csinál ezután a számítógép? Továbbmegy ugyanazon a vonalon
a Zinkensdamm felé? Nem, a második próbálkozása a Gamla
stan irányába vezet. A Slussen–Gamla stan szakasz rövidebb
ideig tart, mint a Slussen–Zinkensdamm szakasz. Majd a
Medborgarplatsen kerül sorra, és a számítógép csak ezt
követően távolodik el két megállónyira a Slussentől.
Ezzel a módszerrel jó darabig eltart, mire a számítógép
megérkezik a Slussentől félórányira és 12 megállóra lévő
Akallába. Közben eljut a térkép bal alsó részén lévő Fruängen
állomásra, mert odáig csak negyedóra az út; de jobbra lent
Skarpnäcken is jár: odáig 17 perc eljutni. Végül megérkezik
Akallába. Biztosak lehetünk benne, hogy az így kiszámított
útvonal a legrövidebb. Pedig mennyivel bonyolultabbnak tűnik
ez a módszer annál, mint amikor az ember
áttekintőképességére és irányérzékére támaszkodunk! Ennek
ellenére a számítógép gyorsabban elvégzi a feladatot, mint mi
magunk; egész egyszerűen azért, mert sokkal több útvonalat
tud kiszámolni másodpercenként.
Nagyjából ugyanígy működik a Google Maps is. Csak a
rendszer köröcskéi nem metróállomások, hanem olyan helyek,
ahol utak keresztezik egymást. Egy autópálya-lehajtóból éppúgy
köröcske lesz, mint a körforgalomból egy város közepén. A
matematika szemszögéből nincs különbség a sztráda és a
mellékutca között, jóllehet a köztük lévő különbség kifejezésre
jut a menetidőre vonatkozó információkban: azokban a
számokban, amelyek a metrótérképhez hasonlóan ebben az
esetben is jellemzik az összekötő vonalakat. Egy mellékutcán
nem hajthatunk olyan gyorsan, mint a vele megegyező
hosszúságú autópálya-szakaszon, ezért az előbbin hosszabb lesz
a menetidőnk, tehát a rendszerben a mellékutcának megfelelő
vonalon magasabb szám fog megjelenni. A számok a menetidő
módosításában is segítenek, ha például dugó alakul ki valahol.
Ilyenkor a Google-nak nincs más dolga, mint növelni az
útszakaszhoz tartozó számot a szokásos 10 percről mondjuk 20
percre, vagyis egy dugó 10 perccel növeli meg a menetidőt. Ha
ezek után újra elvégeztetjük az útvonaltervezést, a program
már automatikusan számításba veszi a késést is, és lehet,
mellékutakra küld, hogy elkerüljük a forgalmi dugót, mert az
eredetileg kevésbé előnyös útvonal időközben gyorsabbá vált.
Rövid távolságok esetében remekül működik a módszer.
Amint azonban hosszabb távolságokra akarunk utazni, csődöt
mond a matematika. Képzeljük csak el, mi volna, ha New
Yorkból Chicagóba akarnánk utazni, és a Google előbb minden
olyan útvonalat kiszámolna, amely rövidebb ideig tart, mint 12
óra – ennyi időt vesz igénybe, mire az ember autóval az egyik
városból a másikba ér. Igaz, hogy a számítógépek gyorsan
tudnak számolni, de még a legkorszerűbb gépek sem képesek
arra, hogy ilyen mennyiségű számítást néhány másodpercen
belül elvégezzenek. Ezért aztán a Google Maps – már
amennyire ez ismert, hiszen a pontos módszer nem nyilvános –
különböző matematikai trükköket vet be, hogy ne kelljen annyit
számolnia. Ezekről lesz még szó a 7. fejezetben.
Amint azt láttuk, az útvonaltervezést át- meg átszövi a
matematika. A számítógép azonban nem okvetlenül okosabb,
mint mi. Az a kétségbeesett próbálkozás, amellyel a komputer
megpróbál eljutni a rendeltetési helyére, mindennek mondható,
csak éppen hatékonynak nem. A matematika nem egyszerűsíti
le a problémát – a számítógép végső soron többet dolgozik, mint
egy ember –, a feladat megoldását mégis megkönnyíti. A
matematika és a számítógép használata révén sokkal gyorsabb
kiszámolható a legjobb útvonal, hiszen egy számítógép
hihetetlen mennyiségű számítást tud elvégezni
másodpercenként.

A Netflix ajánlatai

Miután kikerestük, melyik metróval menjünk, a peronon

ácsorogva a Netflix új filmjei és sorozatai között is
böngészhetünk a telefonunkon. Mindegyik cím alatt egy-egy
zöld szám szerepel – ez a szám jelzi, hogy az adott cím hány
százalékban vág egybe azokkal az alkotásokkal, amelyeket
általában nézni szoktunk. Előfordul, hogy a szolgáltató igencsak
mellétrafál, és az a film, amely nagyszerűnek ígérkezik,
csalódás lesz a számunkra. De azért nagyjából mégiscsak
elfogadható képet kapunk az ízlésünkről – legalábbis a filmek
és sorozatok terén. Ez a kép viszont egykettőre módosul,
mihelyst másfajta filmeket kezdünk nézni. A százalékok
kiszámolása teljes mértékben automatizált – egy számítógépes
program anélkül, hogy a leghalványabb fogalma volna a
filmekről és sorozatokról, meg tudja állapítani, mi az, ami
találkozik az ízlésünkkel, és mi az, ami nem.
Természetesen a Netflix számítógépes programja a
rendelkezésre álló adatok alapján dolgozik. Rengeteg ember néz
filmeket és sorozatokat a streamingszolgáltatón, a Netflix pedig
megjegyzi a választásaikat. Tudja, hogy az adott néző milyen
filmeket és sorozatokat szokott nézni, jobban mondva, milyen
műfajú filmeket és sorozatokat: mondjuk főként
dokumentumfilmeket, és azokból is olyanokat, amelyek az
útvonaltervezésről szólnak, esetleg horrorfilmeket, vagy valami
egészen mást. Ezenkívül tudja azt is, hogy a kínálatában
szereplő filmek mely kategóriákba tartoznak. Összevetve a
kettőt már meg is kaptuk az ajánlatot. A horrorfilmek kedvelői
nyilván olyan horrorfilmekre vágynak, amelyeket nem láttak
még. Nem kellett hozzá komoly agymunka, hogy erre rájöjjünk,
ugye?
Annyi csavar azért van a dologban, hogy a Netflix
mindenféle más, nem horrornak számító filmet és sorozatot is
értékel. Kiszámolja például, hogy az adott alkotás hány
százalékban hasonló azokhoz a filmekhez, amelyeket általában
nézni szoktunk. Ha például egy kalandfilmben elég sok az
izgalom, akkor az jobban megfelel majd a horrorkedvelő néző
fogyasztói szokásainak, mint ha semmi félelmetes nem történik
benne. Minderről legfeljebb csak akkor értesültünk korábban,
ha a barátaink ajánlottak valami néznivalót. A Netflix azonban
képes odafigyelni ezekre a részletekre, ha tippjeivel nem is üti
még meg a valódi filmértők ajánlatainak színvonalát.
Egy fokkal rosszabb a helyzet, ha egy bizonyos fajtáját
szeretjük a horrorfilmeknek. Mondjuk a kevésbé véreseket.
Ebben az esetben egy véresebb horrorfilm rosszabb tippnek
számít, mint egy félelmetes kalandfilm. Pusztán a műfajból
kiindulva tehát nem mindig jutunk el a legjobb ajánlatig,
merthogy a film tartalma a lényeg. Márpedig abból semmit sem
fog fel egy komputer. Ahhoz, hogy tényleg megfeleljen a film a
néző ízlésének, embereket kéne alkalmazni, akik végignézik
azokat a filmeket és sorozatokat, amelyeket egy-egy fogyasztó
nézni szokott, hogy aztán tartalmi alapon adjanak tippeket.
Több millió felhasználó esetében ez lehetetlen küldetés. Az
ajánlatokat épp ezért egy számítógép készíti el, méghozzá úgy,
hogy bevet egy trükköt.
A trükk egy egészen egyszerű gondolaton alapul: olyan
típusú alkotást érdemes ajánlani, amely már korábban is
tetszett. Az emberek világszerte olyan filmeket és
filmsorozatokat néznek, amelyek bejönnek nekik, tehát
beleillenek azoknak a filmeknek és szériáknak a sorába,
amelyeket korábban már láttak. Két film akkor hasonlít
egymásra, ha sok olyan ember van, aki az egyiket a másik miatt
nézte meg. Ha sok olyan ember akad, aki A Vasember után a
Vasember 2-t megnézte, akkor a Vasember 2 jó tipp A Vasember
nézőinek. Minél több ember használja a Netflixet, annál
pontosabbak lesznek a kínálatukban szereplő filmekre
vonatkozó ajánlatok. A számítógépes program ugyanis olyan
műsorokat fog javasolni a számunkra, amelyeket sokan láttak
azok közül az emberek közül, akik hasonló műsorokat néznek,
mint mi.
Van azonban egy bökkenő. A Netflixnek sok millió
felhasználója van, akik mindannyian rengeteg filmet és
sorozatot megnéztek már. A Netflix szerint csak el kell végezni
az összeadást, és máris megvan a megoldás: nézzük meg, hány
ember van, aki ugyanazokat a filmeket és sorozatokat látta, és
az ajánlott műsort szintén megnézte. Az ördög azonban a
részletekben rejlik. Leegyszerűsítve magyarázom el a
problémát (már csak azért is, mert az adatok nem publikusak).
Vannak, akik ugyanazokat a műveket látták, mint mi,
leszámítva egy-egy filmet vagy sorozatot – vajon őket is számba
kell venni? És mi van abban az esetben, ha nemcsak a
horrorfilmeket szeretjük, hanem a sorozatokat is? Máris sokkal
kevesebb ember marad, aki pontosan ugyanazokat a műsorokat
nézi meg. És ugye minél kevesebb az ember, annál
pontatlanabb lesz az ajánlat. Az ötlet, mint láttuk, egyszerű, a
gyakorlati megvalósítás azonban gondokat okoz.
Ezen segíthet, ha a kínálatot – mint azt a Netflix ténylegesen
is teszi – olyan módon jelenítjük meg, mint a fent látott
metrótérkép a vonalakat és állomásokat. Minden film vagy
sorozat egy-egy pont, vagy ha úgy tetszik, egy-egy állomás a
Netflix világában. Bármelyik állomásról elutazhatunk
bármelyik állomásra, elég csak rákattintanunk két különböző
filmre vagy sorozatra a Netflix honlapján.
 Hogy számolni tudjunk a térképünkkel, ezúttal is számokkal
kell kiegészítenünk, csak most értelemszerűen nem az
állomások közötti utazási időt kell feltüntetnünk, hanem
azoknak az embereknek a számát, akik mind a két filmet vagy
sorozatot látták. Más szóval azoknak a számát, akik átugrottak
egyik állomásról a másikra. Az alábbi ábra (kitalált) számai azt
mutatják, hány ember látta a példánkban szereplő filmpárokat.

A Netflix, ha csak három filmje volna

A kérdés az, hogy milyen százalékos értékek tartoznak az egyes

filmekhez, ha a százalékarány azt mondja meg, hogy az adott
film mennyire felel meg az ízlésünknek. Tegyük fel, hogy még
csak A Vasembert láttuk a Netflixen. A komputernek azt kell
megjósolnia, mennyire tetszik majd nekünk a Vasember 2 és a
Kék bolygó. Az alábbi ábra adataiból az következik, hogy a
Vasember 2 magas százalékot fog kapni. Végül is egy film
nagyobb valószínűséggel nyeri el a tetszésünket, ha a hasonló
ízlésű emberek már nagy számban megnézték. A Kék bolygó
ezzel szemben alacsony pontszámot ér el, mert kevesen vannak,
akik a Kék bolygót és A Vasembert is látták. Ahogy olyanok
sincsenek sokan a Netflix nézői között, akik a Vasember 2-t is
(ami a számítógép szerint tetszeni fog nekünk) és a Kék bolygót
is látták. Egy okkal több, hogy a Kék bolygónak alacsony
százalékot adjunk. Ugyanakkor a számítógép arra is
felhasználja a saját jóslatait – például azzal kapcsolatban, hogy
mennyire jön be valakinek a Vasember 2 –, hogy tökéletesítse a
többi filmre és sorozatra vonatkozó előrejelzéseit. Három
filmnél ez még jól átlátható, de próbáljuk csak meg több ezer
filmmel és filmsorozat esetében! Elvileg persze még ez is
kisakkozható; végül is ki tudunk találni minden útvonalat
matek nélkül is, csak legyen rá elég időnk. Hála azonban a
matematikának – egészen pontosan a gráfoknak, amelyekről
majd a 7. fejezetben lesz szó –, ez már nem csak elvileg
lehetséges. Egy tisztességes komputer segítségével pedig a
gyakorlatban is megvalósítható. A fenti matematikai kirakós
egy verziója teszi lehetővé a Netflixnek, hogy automatikusan,
minden emberi közreműködés nélkül megjósolja, hogy tetszeni
fog-e nekünk egy film, vagy sem.

Matematika mindenütt

Nem telik el úgy nap, hogy ne találkoznánk a matematikával –

mégpedig a legkülönfélébb helyzetekben. Ezt persze nem szó
szerint értem. Egy átlagos napon még nekem sem kell
kiszámolnom semmit, pedig én hivatásszerűen foglalkozom a
matekkal. Akár tisztában vagyunk vele, akár nem, a
matematika mindig is jelen van a színfalak mögött. Nélküle
nem lenne Google Maps, hogy megmutassa, merre menjünk. A
Netflix találomra ajánlgatná a műsorait. A Google
keresőmotorja aligha volna használható. Egyszóval, egy sor
szolgáltatás, amelyet nap mint nap igénybe veszünk, nem tudna
működni.
A Netflix, a Google és a menetrendek példájában az a közös,
hogy mindegyik mögött a matematika egyazon területe, a
gráfelmélet áll. De nem ez az egyetlen ága a matematikának,
amely gyakorlati jelentőségre tett szert. A telefonunk
folyamatosan bombáz minket olyan hírekkel, amelyekből
záporoznak ránk a számok. Jönnek a választással kapcsolatos
számadatok, amelyeket úgy tálalnak, mintha elegendők
lennének arra, hogy képet alkossunk egy ország politikai
preferenciáiról. De mihez kezdjünk velük valójában? Tudjuk
már, hányszor voltak rosszak az előrejelzések. Gondoljunk csak
a 2016-os amerikai elnökválasztásra! A közvélemény-kutatások
szerint Hillary Clintonnak kellett volna győznie. A számok
könnyen félrevezetik az embert, és ehhez még az sem kell, hogy
valaki szándékosan manipulálja őket. Sok minden megbújik a
statisztikák mögött. Aki nem érti, hogyan lehet félremagyarázni
a statisztikákat, nem sokra megy a fontoskodva közölt
adatokkal. Remek, hogy a közvélemény-kutatások elárulnak
valamit valamiről, de vajon bízhatunk-e bennük, ha ennyi
hibalehetőséget rejtenek magukban, és számos csúsztatással
járnak?
 Felnézünk a telefonunkból, és rendelünk egy eszpresszót. A
kávét egy nagy rozsdamentes presszógéppel főzik, amely
pontosan a megfelelő hőmérsékletre forrósítja a vizet. Ha
luxuskészülékről van szó, ez sem akárhogyan történik. A gép
követi, milyen gyorsan melegszik fel a víz, és ez alapján
kiszámolja, kell-e még tovább melegíteni, egészen addig, amíg el
nem éri a tökéletes hőmérsékletet, és át nem lehet engedni az
őrleményen. Ebből persze mi mit sem veszünk észre, pedig ami
az orrunk előtt zajlik, színtiszta matematika. A kávéfőzéshez
épp azok a képletek kellenek, amelyekről a matektanárunk is
beszélt.
Közben érkeznek a politikai hírek: a kormány
megváltoztatta egyes szakpolitikai terveit. Jó ötlet volt a
módosítás? Ha tárgyilagosak akarunk maradni,
lelkiismeretesen utánanézünk, milyen előrejelzések készültek a
tervek kihatásairól. A gazdasági kutatóintézetek
hagyományaikhoz híven mindent szépen végigszámoltak. Hogy
az adott terv milyen eredményre vezet, olyan sok mindentől
függ, hogy szinte képtelenség a végére járni. Ha egy előrejelzés
szerint a törvénytervezet hatására végül több pénz marad a
pénztárcánkban, akkor az az előrejelzés egyetlen, számunkra
fontos pontban képes volt összefoglalni megannyi számításba
vett tényezőt. Ebben is jócskán szerepet játszott a matematika.
Anélkül tehát, hogy mi magunk bármit is kiszámolnánk, az
életünket különféle számításokra bízzuk. Az az információ,
amelyre a döntéseinket alapozzuk, mások matematikai
munkájának eredménye, ahogy a képernyőnkön sorra
megjelenő hírek is a Google, a Facebook vagy más egyéb,
információt szűrő weboldal komputereinek számításai alapján
töltődnek be. A lakókörnyezetünkben található technológia
szintén egyre inkább a matematikára támaszkodik. A sarki
kávézó high-tech presszógépe, a repülőgépünk robotpilótája, a
számítógép, amellyel a napi munkánkat végezzük – ha
észrevétlenül is, de mindenütt jelen van a matematika.
Márpedig ha valami ennyire áthatja a világunkat és ilyen
komoly hatást gyakorol az életünkre, nem tehetjük meg, hogy
semmit sem értünk belőle.
Ennek a könyvnek az a célja, hogy megértsük a matematikát.
De mi is tulajdonképpen a matematika? Hogyan működik? Ezek
már kimondottan olyan filozófiai kérdések, amelyek Platónig,
Szókratészig nyúlnak vissza. Már a görög bölcsek is
eltöprengtek azon, mi a matematika lényege, és hogyan
tudhatnánk meg róla valamit. Minél többet gondolkozunk
ezeken a kérdéseken, annál furábbnak tűnik, hogy az az
absztrakt valami, amit matematikának hívnak, milyen
hatékonyan alkalmazható a világunkban. De miért is olyan
hasznos tudomány a matematika? Ha választ akarunk kapni
minderre, kalandoznunk kell egy kicsit a filozófia világában.
 2. Nem az én világom?

Rabok ülnek egymás mellett, szorosan a falhoz bilincselve. Nem

tudnak másfelé nézni, csak előre, a szemben lévő ablaktalan
falra. Ezen a falon árnyékok mozognak, de mivel a rabok soha
életükben nem mozdulhatnak a helyükről, kénytelenek azt
hinni, hogy valós dolgokat látnak. Ha közelebb mehetnének,
akár meg is foghatnák az árnyakat. Persze annak sincsenek
tudatában, hogy a falon látható árnyakon kívül más dolgok is
léteznek. A világuk kizárólag árnyakból áll.
Így kezdődik Platón barlanghasonlata. A filozófus az említett
foglyokhoz hasonlítja az embereket: a dolgok, amelyeket
magunk körül érzékelünk, valójában csak valaminek az árnyai.
Valami olyannak, amit soha nem láthatunk közvetlenül. Az
asztal, amely mellett ülünk, nyilván létezik. De Platón úgy tekint
erre az asztalra, mint a falra vetett árnyak egyikére. A filozófust
ugyanis nem ez az asztal, nem az egyes asztalok érdeklik.
Platón számára az elvont valami a fontos: az, ami a világ
minden asztalát összeköti, az, ami miatt az előttem álló asztal
asztal, és nem valami más. Ezt az elvont okot nem lehet csak
úgy észrevenni. Szemügyre kell vennünk a körülöttünk lévő
asztalokat, és rá kell jönnünk, mi veti a falra az árnyékát.
 Platón szerint a matematikával ugyanez a helyzet. Miről szól
a matematika? A számok árnyékot vetnek, nem nézhetjük meg
őket közvetlenül. A szám nem valami megfogható dolog, nem
olyasmi, aminek nekiütközünk, ha menet közben a
telefonunkat bámuljuk. Persze vannak számjegyeink,
amelyekkel megjeleníthetjük a különböző számokat, például a
„2”-es, de ahogy a „nap” szó sem azonos az égitesttel, úgy a „2”-
es sem azonos azzal a számmal, amelyről beszélni próbálok.
Platón példájánál maradva: a tér, amit látunk, csak árnyvilág,
míg a szám valahol a téren túl létezik.
Így kell elgondolnunk a matematikát. Amikor számokról
beszélünk, és olyasmiket mondunk, hogy 1 + 1 = 2, akkor
valósan létező dolgokról beszélünk. Csak ezek a dolgok nem úgy
léteznek, mint mondjuk az előttünk álló asztal. Platón úgy
gondolta, hogy ennek ellenére „igazibbak”, mint a minket
körülvevő dolgok, mivelhogy az absztrakt tudást többre
tartotta, mint a konkrét dolgokra vonatkozó ismereteket. Ezért
is írta le puszta árnyakként mindazt, amit a hétköznapi
világunkban látunk, és ezért gondolta, hogy a számok mintegy
külön keringenek a maguk alternatív univerzumában. Lehet,
hogy Platón kissé messzire ment, ám az elképzelése, amely
szerint a számok valós létezők, olyan nagy hatásúnak bizonyult,
hogy ma azokat, akik ugyanígy vélekednek, platonistáknak
nevezzük.
Ez volna hát a matematika? Logikusnak tűnik az elképzelés.
A matematikatanárunk is ennek alapján beszél a matematika
„világáról”. A matematika világa eszerint igazi világ, még ha
nem is látjuk a szemünkkel. A matematikusok ugyanúgy
tanulmányozzák ezt a világot, ahogyan a fizikusok a láthatót.
Ebből kiindulva a matematika nagyon távolinak tűnik. Nem
csoda, hogy olyan sok embernek gyűlik meg vele a baja. Mielőtt
bármit is megtanulnánk róla, először is azt kell kitalálnunk,
hogyan jussunk el ebbe a másik világba!
Lehetséges megtudni valamit egy olyan világról, amelyet
nem láthatunk, nem tapinthatunk, nem szagolhatunk – amelyet
semmilyen módon nem érzékelhetünk? Platón és a platonisták
szerint a matematika mindentől elkülönül, ami a mindennapi
életünkben található. De nem különül el teljesen: Platón egy
iskolázatlan rabszolga példáján keresztül mutatja meg, hogyan
kerülünk mégis kapcsolatba vele. Ez a rabszolga azt a feladatot
kapja, hogy rajzoljon egy négyzetet, amely pontosan kétszer
akkora, mint amekkorát előtte a homokba rajzoltak, de anélkül,
hogy ezt az utóbbit megmérné. Kemény dió: ha valaki
kétszeresére veszi az oldalakat, négyszer és nem kétszer akkora
négyzetet fog kapni. Ahhoz, hogy vonalzó használata nélkül
pontosan kétszer akkora négyzetet kapjon, fifikás megoldásra
van szükség.
Platón példájában beszélgetőtársa egy sor kérdést tesz fel a
rabszolgának. De úgy választja meg a kérdéseit, hogy a
rabszolga végül belássa: az első négyzeten át futó átlós vonal
segítségével kell megrajzolnia az új négyzetet. Ha kétszer
akkora négyzetet akarunk kapni, mint a 30. oldalon látható
szürke négyzet, akkor a négyzet pontozott vonallal meghúzott
átlóját kell felhasználnunk. Képzeljük el, hogy négyet teszünk
egymás mellé a szürke négyzetünkből. Világos, hogy az így
kapott nagy négyzet a négyszerese lesz az eredetinek. Ahhoz,
hogy kétszeres nagyságú négyzetet kapjunk, el kell feleznünk
ezt a nagy négyzetet. Ehhez használjuk fel az átlóinkat: ezek
pontosan kettémetszik a négy négyzetet, és így mindegyiknek a
fele marad. Tegyük össze ezeket a feleket az ábrán látható
módon, és készen is vagyunk: van egy négyzetünk, amely
pontosan kétszer akkora, mint amiből kiindultunk.
Platón példájában a rabszolga csak kérdések formájában
kap segítséget, így lépésről lépésre, „magától” jön rá, mi a módja
a négyzet megduplázásának. Platón, aki e példán keresztül azt
kívánja érzékeltetni, hogyan tanuljuk a matematikát, azt állítja,
hogy a szolga eleve tudta a választ, a kérdések rávezetők voltak:
abban segítettek, hogy emlékezetébe tudja idézni a megoldást.
Merthogy, állítja Platón, mindig is mindent tudtunk a
matematikáról, és ez a korábbi életünkből való tudás még
mindig ott van valahol a fejünkben, csak felszínre kell hozni –
mintegy a tudatalattinkból. Ahhoz, hogy megtudjunk valamit a
matematikáról, elég visszaemlékeznünk arra, amit már eleve
tudtunk.
 Hogyan készítsünk kétszeres területű négyzetet?

Erőltetetten hangzik? Remélhetőleg igen. Abban a megoldásban

ugyanis, amellyel Platón szolgál, van egy jókora logikai bukfenc.
Platón igazi hamisjátékos: valójában rendre megadja előre a
választ, és csak azután teszi fel az eldöntendő kérdéseit. Így
láttatja be a szolgával is, hogyan működik az átlós trükk. A
szolga „magától jön rá” a módszerre, de csak azért, mert –
álkérdések formájában – minden lépést a szájába rágnak. És
ezek után a filozófus képes kijelenteni, hogy mindezt előző
életéből tudja? Igencsak különleges élete lehetett a
rabszolgának, ha fejből tudta a matematikát!
De ha Platón meglátása nonszensz, mégis honnan tudhatunk
bármit a matematika világáról? Erre a kérdésre továbbra sincs
válasz. A mai platonisták, vagyis akik úgy vélik, hogy a
matematika létező számokról szól, ahányan vannak, annyifélét
mondanak. Kérdés, van-e köztük olyan, aki birtokában van az
igazságnak. Abban mindenesetre valamennyien egyetértenek,
hogy a matematika megtanulható: hiszen épp az imént
sajátítottuk el, hogyan nagyíthatunk egy adott négyzetet a
kétszeresére. Nincs az a reménytelen tanítvány, aki ne
konyítana legalább egy kicsit a számokhoz. De hogy mi erre a
magyarázat, miként tudhatunk bármit is a matematika elvont
és elérhetetlen világáról, arra eddig még egyetlen platonistának
sem sikerült rájönnie.
De miért is gondoljuk, hogy a matematika világa olyan távoli
és elvont? Platón azért vélekedett így, mert az ő korában sok
matematikus volt, aki ezt gondolta – ahogy egyébként a maiak
között is számos ilyen akad. De valóban hinnünk kell nekik?
Egész sor modern filozófus állítja, hogy nem. Felejtsük el a
barlang foglyait! Jusson eszünkbe inkább Sherlock Holmes!

A matematika mint elbeszélés

Sherlock Holmes Londonban lakik, a Baker Street 221/b szám

alatt. Fel is kereshetjük a házát. Igazából persze sosem lakott
ott, mert Sherlock Holmes kitalált alak. De mivel annyi történet,
film és sorozat szól a személyéről, nem az az első gondolatunk a
detektívről, hogy „micsoda sületlenség már, hogy Londonban
lakott”? Csak a történetekben igaz, hogy a városban élt, az igazi
Londonban azonban nem lakott soha ilyen nevű ember ezen a
címen. Miért ne gondolkodhatnánk így a matematikáról is?
A matematika szintén egy történetet mesél, csak éppen
számokról, alakzatokról és hasonlókról. Ez a történet egy
olyasfajta világról szól, amelyet Platón mutat be nekünk. Ebben
a világban soha semmi nem változik, és minden logikusan
összefügg egymással. De – mondják a nominalisták – a Sherlock
Holmes-történetekhez hasonlóan mindez csak fikció. Az a világ,
amelyről a matematika szól, egyáltalán nem létezik. Hiába
beszélnek a matematikusok számokról vagy háromszögekről,
ezek a dolgok nem léteznek. Csakis azok a dolgok az igaziak,
amelyeket magunk körül látunk. Nincs egy külön világ,
amelyben számok lebegnének.
Más szóval: Platón szerint, amit a matematikáról tudunk, azt
úgy fedezzük fel. De talán nincs is mit felfedezni; minden
matematikai tudásunk csak kitaláció. Ebből azonban szintén
hajmeresztő dolgok következnek. Mert ha mindaz, amiről a
matematika beszél, nem létezik, akkor igazat sem állíthatunk.
Sem a számokról, sem a háromszögekről, semmiről. Azt állítjuk,
hogy a 3 prímszám, és hogy 1 + 1 = 2, de ez nem állja meg a
helyét; nem igaz, hogy 1 + 1 = 2, mert a számok valójában nem
léteznek. Mint ahogy Sherlock Holmes-ról sem állíthatjuk, hogy
Londonban lakott, hiszen igazából sosem létezett ilyen személy.
Miért nem dörgölhetjük akkor a matematikatanárunk orra
alá, hogy az egész matematika értelmetlenség? Azért, mert
valami igazság mégiscsak van benne, és ezt még a legvadabb
nominalisták sem vonnák kétségbe. Amit az imént Sherlock
Holmes-ról mondtam, bizonyos értelemben igaz: az állításaim
egybevágnak Sir Arthur Conan Doyle elbeszéléseinek tényeivel.
Ha viszont most előállnék azzal, hogy a hőse Alaszkában lakott,
a Sherlock Holmes-könyvekől vett idézetekkel be lehetne
bizonyítani, hogy ez az állításom nem igaz. Ellenőrizhető, hogy
a Sherlock Holmes-ról tett állítások megfelelnek-e a könyvekben
leírtaknak. A matematikával is ugyanez a helyzet: az „1 + 1 = 3”
állítás ezért nincs összhangban a matematika elbeszélésével.
Még egyszer megismétlem: nem tudjuk pontosan, hogyan
működik a matematika. Nem tudjuk, hogy felfedezéseket
teszünk-e egy absztrakt világban, amelyhez csak fáradságosan
férhetünk hozzá, vagy minden matematikai tudás fikció-e.
Eddig még sem a platonistáknak, sem a nominalistáknak nem
sikerült kielégítő magyarázatot adniuk arra, hogyan tanuljuk
meg a matematikát.
Platónnak is nehéz volt megmondania, hogyan juthatunk el
a matematika világába. Pedig az napnál is világosabb, hogyan
tudunk meg dolgokat Sherlock Holmes-ról és arról a világról,
amely nem is létezik: úgy, hogy elolvasunk egy, a detektívről
szóló könyvet. Ha meg tudjuk jegyezni, amit a könyvben
olvastunk, máris megtudtunk valamit Sherlock Holmes-ról. A
matematika esetében egy fokkal bonyolultabb a helyzet. A
matematikai elbeszéléseknek megvan az a sajátosságuk, hogy
lépten-nyomon megfeleltetjük őket a környező világunknak. A
matematikusok szó szerint értik, amit mondanak, miközben a
Sherlock Holmes-sztorikról senki sem gondolja, hogy a
valóságban is megtörténtek volna. Emiatt olyan nehéz
megmagyarázni, hogyan működik a matematika; minek is
köszönhető, hogy – szó szerint – nem igaz állításokból értékes és
szigorú tudományt sikerült létrehozni? Erre a kérdésre a
nominalisták a mai napig nem tudnak elfogadható választ adni.
Nem nyújtom hosszabbra a filozófiai kitérőt. Nem baj, ha
valaki nem tudta minden részletében követni, amit a
filozófusok olyan bonyolultan fejtegetnek. Elsősorban azt
akartam csak megvilágítani, hogy alapvetően két módon
tekinthetünk a matematikára. Bármilyen eltérően is
gondolkodjanak róla, a platonisták és a nominalisták is azt
próbálják megmagyarázni, hogyan működik a matematika,
illetve mi történik, amikor matematikával foglalkozunk. A
platonisták azt mondják, hogy ilyenkor mindenfélét
felfedezünk az absztrakt dolgok világából. A nominalisták pedig
azt állítják, hogy ilyen világ nem létezik; a matematikát
művelve nem felfedezünk, hanem kitalálunk dolgokat. Ha
sikerült megértenünk a két álláspont közti különbséget, továbbá
azt is elfogadjuk, hogy a két nagy iskola közül egyik mellett sem
szólnak megfellebbezhetetlen érvek, eleget tudunk ahhoz, hogy
továbblépjünk.

A szépség haszna

Ha valami világosan megmutatkozik a filozófusok vitájából, az

az, hogy itt valami roppant elvont tudományról van szó. Csoda,
ha egy középiskolásnak fogalma sincs róla, miért tömik a
matekkal a fejét? A matematikának, úgy tűnik, semmi köze a
minket körülvevő világhoz, akár úgy gondoljuk el, mint valami
különálló dolgot, amely semmilyen módon nem érintkezik a
megfogható valósággal, akár úgy, mint egy elbeszélést, amely
nem a mi világunkban játszódik. De miért érdekelne minket a
matematika mint elbeszélés? Ha a természetről akarunk
valamit megtudni, akkor sem Sherlock Holmes-történeteket
olvasunk (vagy nézünk). Ha viszont a matematikának nincs
köze a megfogható világhoz, mégis miként lehetséges, hogy
hozzájárul ennek a világnak a megismeréséhez?
Merthogy a matematika jól használható a világ
megértésében. Az első fejezetben néhány példán keresztül már
bemutattam, milyen remekül leegyszerűsíti a problémákat.
Éppen az elvontsága révén van a segítségünkre. És nem is csak
a hétköznapi életben. Évszázadok óta a tudósokat is rendre új
felfedezésekre sarkallja. Meglepő történetek tanúskodnak arról,
hogy a matematika még annál is hasznosabb, mint amilyennek
az előző fejezet példái alapján tűnik.
Itt van mindjárt Isaac Newton története. A fiatal Newton, aki
a pestis elől menekülve vidéken húzta meg magát, épp egy
almafa alatt ült, és csak bámult maga elé. Egyszer csak a fejére
pottyant egy alma, mire Newton hirtelen megvilágosodott:
gravitáció! Legalábbis így szokták elmesélni a történetet. Hogy
leesett-e az az alma a fáról, vagy sem, mindegy is, a lényeg, hogy
az, amire Newton a tömegvonzással kapcsolatban rájött, úttörő
jelentőségű gondolat volt. Az emberiség történetében először
valaki arra a következtetésre jutott, hogy ugyanazokkal a
törvényekkel meg lehet magyarázni, hogy miért esnek lefelé a
földön a tárgyak, mint a csillagok és bolygók mozgását. A többi
történelem. Mindannyian tudjuk, hogy Newton elmélete
káprázatos felfedezés volt, és nem holmi őrült teória két,
egymással köszönőviszonyban sem lévő dolog
összekapcsolására. Merthogy a kortársai bizony ezt gondolták.
 A Newton-féle gravitáció távolról is hat, és mintegy mágikus
módon gondoskodik arról, hogy a tárgyak vonzzák egymást.
Akkoriban viszont a legtöbb teória az ütközések körül forgott;
úgy vélték, minden azáltal történik, hogy a dolgok érintkezésbe
lépnek egymással. Ami persze nem butaság, hiszen hogyan
gyakorolnának hatást egymásra, ha nincsenek egymás
közelében? Honnan „tudhatná” a Föld, hogy ott a Nap, és
vonzza őt, ha nincs köztük semmilyen kölcsönhatás?
Einsteinnek köszönhetően erre ma már elfogadható
magyarázatot tudunk adni, de Newton idejében még nem
tudtak válaszolni a kérdésre. Volt tehát egy matematikai
levezetés, amelyről senki sem tudta, helytálló-e, vagy sem.
Hogy Newtonnak nagy vonalakban igaza volt, azt az
elméletére alapozott előrejelzések bizonyították, ezek ugyanis
egybevágtak a valósággal. Most, hogy már mindent sokkal
pontosabban meg tudunk figyelni, mindez egyértelmű. Newton
korában viszont még távolról sem volt olyan világos, hogy az ő
elmélete jobb, mint azoké a tudósoké, akiknek az eredményei
mintegy 4%-kal eltértek Newton előrejelzéseitől. Newton ennek
ellenére úgy gondolta, hogy egy olyan elmélet, amely egyszerre
érvényes a Földre és a többi bolygóra is, jobb kell hogy legyen a
többinél. Egyszerűen azért, mert „szebb”. Nemcsak fizikus
szemmel egyszerűbb, de matematikailag is kevésbé bonyolult.
De a történet csattanója csak most következik. A fizikusok
újabb és újabb próbáknak vetették alá Newton elméletét. A mai
eszközeinkkel, amelyek természetesen sokkal pontosabbak,
mint bármi, ami Newton korában rendelkezésre állhatott,
megállapítható, hogy az elmélete 0,0001 százaléknál soha nem
tért el jobban a valóságtól. Azáltal, hogy előnyben részesített
egy matematikailag is szép elméletet, Newton tudtán kívül
sikert aratott. Ma már tisztában vagyunk vele, hogy pontosak
voltak az előrejelzései, de ő az almafa alatt ezt még nem
tudhatta.
Egyszerű véletlen! – kiálthat fel a szkeptikus olvasó.
Newtonnak csak szerencséje volt, szemben mindazokkal,
akiknek már réges-régen elfeledtük a nevét. Meglehet, de túl
sok hasonló történetet ismerünk, és nem lehet csak úgy a
szőnyeg alá söpörni őket. Vegyük például Kopernikuszt, aki
megalkotta a naprendszer ma is használatos modelljét:
középütt a Nap, a Föld pedig kering körülötte. Kopernikusz
modellje szebb volt – egyszerűbb, elegánsabb matematikára
épített –, mint a Földet a középpontba helyező, egyre
bonyolultabb és bonyolultabb modellek.
Csakhogy rosszabbul működött. Hiába volt Kopernikusznak
szinte mindenben igaza (a Föld valójában ellipszis- és nem
körpályán mozog), az elmélete mégis kevésbé megbízhatónak
bizonyult, mint a komplex földközpontú elméletek. Végül aztán
kiderült, hogy mégiscsak Kopernikusz egyszerűbb teóriája a
jobb, vagyis az az elmélet, amelyet a matematikusok szebbnek
találnak.
Ennél is szembeötlőbb Paul Dirac felfedezése a 20. század
elejéről. Dirac kvantummechanikával foglalkozott, és ugyanaz a
cél vezérelte, mint a gravitációról elmélkedő Newtont: azonos
módon akart magyarázni eltérőnek tűnő jelenségeket. Ezt
szokás szerint egy matematikai modell segítségével tette, amely
nemcsak hogy szépnek látszott – és látszik ma is –, hanem az
akkori ismeretek tükrében még helyes eredményeket is adott.
Nem is lett volna ezzel baj, ha Dirac modellje nem szolgált
volna néhány furcsa előrejelzéssel. Diracet egyebek közt az
elektron, az atommag körül keringő kis részecske érdekelte. Az
elektronról akkoriban már elég sokat tudott a fizika, és Dirac
egyenlete is szépen leírta e részecske tulajdonságait. Csakhogy
az egyenlet szerint egy másik, az elektronnal pontosan
ellentétes részecskének is léteznie kellett. Mivel ilyet addig még
senki nem észlelt, nem volt indokolt, hogy feltételezzék a
létezését. Dirac matematikai levezetése egy merőben új
előrejelzést tett lehetővé.
Legalábbis ma így gondoljuk. A 20. század elején nem
értették meg rögtön, miről is van szó. Dirac eleinte azt gondolta,
hogy a titokzatos fordított részecske egy proton. A protonokat –
amelyek a negatív töltésű elektronnal szemben pozitív töltésűek
– szintén ismerték már. Ez a válasz mégsem volt kielégítő. A
proton sokkal nehezebb, mint az elektron, ezért nem lehet vele
pontosan ellentétes. Dirac nem látott más magyarázatot, mint
hogy kell lennie egy további részecskének is – ez lesz majd a
pozitron vagy antielektron.
Az előbbiekhez képest Dirac történetében megjelent egy új
elem is. A matematika ezúttal nemcsak leegyszerűsített egy
problémát, és nem is csak jobb előrejelzésekhez vezetett a
vártnál, hanem megjósolta valaminek a létezését, amiről addig
még senki sem hallott. Ha Dirac egyenlete nem lett volna olyan
tetszetős, a fizikusok sosem kezdik keresni a feltételezett új
részecskét.
A siker nem maradt el. Carl David Anderson nem sokkal
Dirac jóslata után kimutatta a pozitronok létezését. 1934-ben,
alig két évvel a felfedezése után meg is kapta érte a Nobel-díjat.
A pozitron nemcsak az elektron ellentéte, hanem egyúttal az
első antianyag-részecske is, amit felfedeztek. És ez a felfedezés a
matematikának volt köszönhető!
A fizika története nem egy olyan esetet ismer, amikor
valamilyen matematikai furcsaságról végül kiderült, hogy
nagyon is egybevág a természetben zajló folyamatokkal. 1823
táján Augustin Fresnel a fény viselkedését tanulmányozta.
Fresnel egyike volt azoknak a fizikusoknak, akik matematikai
szempontból szép képletet találtak a minket körülvevő világ
jelenségeire. A szép egyenlet ezúttal a fény visszaverődését írta
le. De hogyan számíthatjuk ki, mi történik ilyenkor?
A tükör esetében valószínűleg mindenki tudja a választ. A
fénysugár ugyanolyan szögben fog visszaverődni, mint amilyen
szögben a tükörre vetült. A tükör pontosan tükrözi a fényt. Ha
egyenesen szemben állunk a tükörrel, a fény is egyenesen fog
visszaverődni róla, de ha nem pont szemben állunk vele, akkor
már nem a saját képünket látjuk benne viszont. De ez könnyű
eset: mivel a tükör jól veri vissza a fényt, könnyű megmondani,
mi történik az utóbbival.
Fresnel azonban többre is kíváncsi volt, tudni akarta, mi
történik, ha a vízből jövő fény a levegővel találkozik, vagy a
levegőből érkező fény átlátszó üvegnek ütközik. Ezek már
fogósabb kérdéseknek tűnnek, Fresnel viszont egy alig
bonyolultabb egyenlettel, mint a tükörképre vonatkozó képlet,
megválaszolta a kérdéseket. És mindössze egyetlen
szimbólumot kellett az egyenlethez hozzátennie. Ismét szép
matematikai megoldás született – de hogy, hogy nem, volt vele
némi gubanc.
Fresnel egyenlete időnként azt jelezte előre, hogy a fény
valamilyen lehetetlen szögben el fog hajlani. Ehhez tudni kell,
hogy a matematika úgynevezett komplex számokkal is dolgozik.
Ezek afféle különleges számok, amelyek nem olyasmire
vonatkoznak, ami valóban létezik. Szükség van rájuk, mert
egyszerűbbé teszik a számításokat, de azért nem kell őket
nagyon komolyan venni – legalábbis akkoriban így gondolták.
Amikor Fresnel a számításait elvégezve mégis ilyen számokat
kapott, jeges rémület kerítette hatalmába. Itt van ez a szép
modell, és tessék, ami következik belőle, teljes képtelenség!
Fresnel végül mégsem dobta sutba a modelljét, inkább
végiggondolta, és arra jutott, hogy a meghökkentő
eredménynek stimmelnie kell. És valóban: azokban az
esetekben, amikor a matematika furcsa eredményt hoz, valami
különleges dolog történik a fénnyel, és ez a jelenség pontosan
egybevág a kapott eredménnyel – amely ennélfogva már nem is
olyan furcsa. Amikor a fény vízből lép ki a levegőbe, éppolyan
tökéletesen verődik vissza, mint egy tükörről. Fresnel
matematikai egyenlete rátalált valamire, amin addig nem
nagyon gondolkodtak el a fizikusok, pedig közismert jelenségről
volt szó. Vessünk csak egy pillantást az alábbi képre! A
vízfelületen ott a tükörkép. A furcsa matematikai eredmény – a
komplex szám, amitől mindenki elborzadt – éppen ennek a
tükröződésnek felel meg. Újra csak azt látjuk, hogy ami szép, az
egyúttal stimmel is, és hogy egy rendhagyó matematikai
eredmény olyasmire utal, ami fölött addig elsiklott a tudomány.

Egy teknős tükörképe a vízfelszínen

Ily módon a matematika többszörösen is hasznosnak bizonyul.

Egyfelől leegyszerűsíti a problémákat, másfelől hozzájárul a
fizika új felfedezéseihez. Bizonyos matematikai modelleket a
tudósok szépnek tartanak, és a kedvükért hajlandóak a furcsa
előrejelzéseket is tudomásul venni, kitartani egy képlet mellett
akkor is, ha nincs semmilyen bizonyíték a felhasznált
matematikai modell helyességére. És rendre bebizonyosodik,
hogy igazuk van.
Ez persze nem jelenti azt, hogy mindig jó úton járnak. Éppen
elég elméletről tudunk, amely végül a tudomány
szemétdombján végzi, függetlenül attól, hogy szépnek tűnik-e,
vagy sem. De akkor is meglepő, hogy milyen nagy számban
működőképes a dolog: a tudós szemmel tetszetős matematika
egyben a világ megértésére alkalmas matematika is. Annak, aki
a matematikán töri a fejét – tartozzon bármelyik iskolához –,
erre a talányra is magyarázatot kell találnia. Nem nehéz
belátnunk, hogy a matematika rendkívül hasznos,
sokféleképpen és sokféle területen alkalmazható tudomány. De
miért van ez így?
Gondoljunk csak vissza Platón elvont világára! Az a világ
roppant messze van a miénktől: a számoknak semmi közük
hozzánk; annak a világnak pedig, amelyet a fizika próbál leírni,
semmi köze a matematikához. Vagyis azok az egyenletek,
amelyek előrejelzésekkel szolgálnak a környezetünkről, nem
ebből a világból származnak. Úgy fest, mintha a matematikai
előrejelzések a semmiből jönnének! Hogyan lehetséges, hogy a
matematika világa bármit is tud a mi közönséges világunkról?
Sherlock Holmes példája sem segít ezeknek a kérdéseknek a
megválaszolásában. Igaz, hogy a fikciós történetek nem
különülnek el annyira a világunktól, mint Platón számai, de
attól még a fantázia szüleményei, és azok is maradnak. A
Newton által alkalmazott matematikát viszont már azelőtt
kitalálták, hogy kiderült volna, milyen fontos szerepet játszik a
gravitáció megértésében. Dirac egyenletei is készen voltak, még
mielőtt fény derült volna a pozitron létezésére. Azt is furcsának
találnánk, ha az egyik Sherlock Holmes-történetből tudnánk
meg valami újat Londonról – olyasmit, ami tényleg igaz –, holott
Conan Doyle tényleg csak azért talált ki bizonyos dolgokat, mert
beleillettek a sztorijába.
A matematika azért olyan lenyűgöző, mert tényleg működik.
Számos példát fel tudok hozni a hasznosságára, és azonnal meg
is teszem – csak már a hétköznapi alkalmazásai közül
válogatva. A nyugtalanító kérdés azonban továbbra is ott
motoszkálhat bennünk: jó, jó, de hogyan működik? Az utolsó
fejezetben erre is visszatérek.
Ebben a könyvben azonban nem a fenti kérdés lesz a
legfontosabb. Amióta filozófiával foglalkozom, másvalami is
izgat a matematikában; valami, ami egyenesen következik az
előzőekből, feltéve, ha tanulságként nemcsak azt szűrtük le
magunknak, hogy a matematika hasznos tudomány, hanem azt
is, hogy van értelme foglalkozni vele. Elvégre miért is izgatná az
embert a matek, ha ő maga nem tud mihez kezdeni vele?
Egyáltalán: fontos, hogy kezdjünk vele valamit? Nem lehet
anélkül is boldog életet élni, hogy beleártanánk magunkat a
matematikába?
 3. Élet számok nélkül

A felhőtlen kék ég alatt egy ember ül egy ladikban a Maici

folyón, az amazóniai esőerdő közepén. A folyó mentén él egy
kis törzs, amelynek alig van kapcsolata a külvilággal. A férfi
minden évben felkeresi őket, remélve, hogy jól megrakhatja a
ladikját paradióval, nyersgumival és más terményekkel. A ladik
fenekén ott hever a szokásos csereáru: whisky, dohány és még
több whisky. Ha a törzs tagjai kellőképp leitták magukat, a
feleségüket vagy a lányukat is odaadják egy éjszakára, csak
hogy hozzájussanak még egy palacknyi italhoz.
Emberünk úgy érzi, ennyi jár is neki a sok fáradságért
cserébe. Üzletelni a pirahákkal – így hívják a törzset – komoly
kihívás. Kétszáz éve kereskednek a brazilokkal, de egy-két
szónál többet még most sem beszélnek portugálul. Szerencsére
hősünk így is megkapja, amire szüksége van, és igen kedvező
feltételekkel. Habár ez azért változó: egyszer egy egész vödör
diót adnak egy szál cigarettáért, máskor meg egy marék dióért
is egy egész csomag dohányt akarnak. De egyébként
gördülékenyen megy a dolog: a pirahák sorra rámutatnak a
ladikban heverő árukra, egészen addig, amíg a kereskedő el
nem kezd tiltakozni.
 A pirahák másképp látják az eseményeket. Miközben a
brazilok úgy érzik, mindig kiszámíthatatlan, milyen értékben
kapnak árut a dohányért és a whiskyért cserébe, a pirahák
szerint ezzel nincsen semmi probléma. Hogy miért? A pirahák
nem ismerik a számokat. Azért nem adnak-vesznek fix árakon,
mert nem tudnak fix árakon adni-venni. Nem is igen látnak rá
egyébként okot, bár maguk között számontartják, melyik
kereskedő milyen, tudják, ki a becsületes, és ki az, aki
rendszeresen kevesebbet kínál annál, mint amennyit az áru ér.
Mindezt Daniel Everett-től tudjuk, aki éveket töltött a pirahák
között, és Everett egyike azon keveseknek, akik beszélik a törzs
nyelvét.
Everett felfedezte, hogy a piraháknak nincs szavuk a
számokra. Olykor beszélnek hozzávetőleges mennyiségekről, de
még az „egy” szó is hiányzik a nyelvükből (ahogy egyébként a
„piros”, vagy a múlt idő nyelvtani kifejezése is). Nem sok olyan
társadalom akad, amely nem alkalmazza a matematikát, de a
pirahák közéjük tartoznak. Nyelvükben, a pirahában (egy-két
másik nyelvhez hasonlóan) nemcsak a pontos számokra
nincsenek elnevezések, de a vonalakra, a szögekre és a mértan
más elemeire sem. Semmi matematika! Ez a kivételes
társadalom a saját múltunkba is egyedülálló bepillantást enged.
Matematika sem létezett mindig: mintegy ötezer évet ölel fel a
története.
Ebből eredően a kulturális különbségek is nagyok a saját
társadalmunk és a piraháké között. A pirahák nem tartják
számon, mennyit érnek a dolgok, mennyi az idő, futja-e még a
pénzből a hónap végéig. Pénzt nem használnak; ha
foglalkoznak is kereskedelemmel, csak cserekereskedelem
formájában. Ez pedig azért lehetséges, mert nagyon kis
csoportokban élnek. Mindenki ismeri a másikat, és csak az élők
számítanak. A családfákat sem tartják nyilván; egy emberre
addig emlékeznek, amíg él valaki, aki ismerte. A pirahák élete
teljes egészében jelenközpontú.
Ebben a világban semmi keresnivalója a matematikának. A
pirahák unszolására Everett megpróbált a törzsnek portugál
nyelven matematikaórákat tartani. Minden kísérlete csődöt
mondott. Nyolc hónapon át magyarázta a piraháknak a
számokat és az alakzatokat olyan feladatokon keresztül, mint
például: húzzanak egy egyenes vonalat vagy tegyék sorrendbe
az első öt számot. De ennyi idő is kevés volt ahhoz, hogy a törzs
tagjai bármit is felfogjanak a matematikából.
Teljesen képtelenek volnának erre? Valószínűleg nem. Csak
egyáltalán nem érdeklik őket ezek az ismeretek. Nem hisznek
abban, hogy helyes válaszok adhatók a kérdésekre. Amikor
Everett felvetette, hogy léteznek rossz válaszok is egy
matematikai feladványra, a papírlapra írtak pár jelet, vagy
tetszőleges számokat soroltak fel. Időnként meg is feledkeztek a
matematikáról, és arról kezdtek mesélni, mi történt velük
aznap. Azzal sem boldogultak, ha húzniuk kellett két egyenes
vonalat egymás után.
Tisztára, mint egy holland iskolában!… Jó, a pirahák önként
vettek részt az órákon. Bár az is igaz, hogy nem a matematika
miatt jöttek, hanem azért, mert Everett mindig csinált
pattogatott kukoricát, és mert jó alkalom volt, hogy csevegjenek
kicsit a többiekkel. Végül is a középiskolások is ezt csinálják
bizonyos korszakaikban.

Egy szigeten, messze a piraháktól

Van tehát a világon egy-két olyan társadalom, amely nem ismeri

a matematikát. A piraháké szélsőséges eset, hiszen nekik még
szavaik sincsenek a számokra. Pápua Új-Guineában szintén van
még néhány olyan törzs, amely a mai napig matematika nélkül
éli az életét. Bár a számokat meg tudják nevezni, a gyakorlatban
alig használják a rájuk utaló szavakat.
A lobodák Pápua Új-Guinea egy Normanby nevű kis szigetén
élnek. Ők a testrészeikkel számolnak; a hatot például úgy
mondják: „egy kéz és a másik kéz egy ujja”. De még ennek sem
veszik hasznát. Azokban a helyzetekben, amikor mi számokat
használnánk, bennük ez fel sem merül. Vegyük például a pénzt,
amit vásárlásra használunk. Nálunk mindennek ára van, ezt az
árat pedig egy szám fejezi ki.
Való igaz, hogy a lobodáknak is van pénzük. Legalábbis
vannak érméik és bankjegyeik, amiket adott esetben át lehet
váltani euróra. De az ünnepeiken például már nem szokás
pénzt ajándékozni senkinek. Ilyenkor valami tárgyat kap az
ember, amit azután pontosan ugyanúgy vissza is kell adnia.
Teszem azt, valakihez beállít a szomszédja egy kosár
jamszgyökérrel (ez amolyan krumpliféleség). A következő
ünnepen egy ugyanekkora kosár jamszgyökérrel illik
viszonozni a kedvességét. Pénz vagy bármi, ami egyenértékű
volna a zöldséggel, szóba sem jöhet. Pontosan ugyanannyi
jamszgyökeret kell ajándékba vinni.
De mennyi is az annyi? Nekem egyből ugyanannyi
jamszgyökér jutna eszembe. Pedig nem pont ugyanannyi. A
lobodák igazából sosem számolják meg, hány jamsz van a
kosárban. Csak megsaccolják a mennyiséget. Megnézik például,
meddig van tele a kosár, félig vagy egészen. Így aztán nem
tragédia, ha valaki eltér egy kicsit az adott mennyiségtől.
Számunkra meglepő módon a lobodák más szituációkban
sem használnak számokat. Persze ők is beszélnek életkorról,
hosszúságról, időtartamokról. Mi ilyenkor a számokra
hagyatkozunk: megmondjuk, hány éves valaki, hány centiméter
hosszú egy tárgy, hány perce történt egy esemény. A lobodák
ezzel szemben, ha valaminek a hosszúságát akarják megadni,
rendre valamilyen ismert dologhoz hasonlítják. Egy lánc
például ugyanolyan hosszú lehet, mint az ember karja. Hasonló
ez ahhoz, mint amikor mi „láb”-ról vagy „ökölnyi” méretről
beszélünk – a lobodáknál ezek a kifejezések azonban nem
számítanak mértékegységnek. Mi mondhatjuk tehát, hogy
valami két láb hosszú, de egy lobodának ez biztosan
badarságnak tűnik. Valami lehet éppen akkora, mint az
alkarunk, ám ha hosszabb annál, akkor valami másnak a
hosszúságával fog megegyezni, és nem mondjuk rá, hogy éppen
két alkarnyi.
 Ez a fajta gondolkodásmód sok mindenben tetten érhető. A
lobodák is beszélnek életkorról, de nem években fejezik ki,
hanem korcsoportokban: valaki lehet annyi idős, mint egy baba
vagy egy gyermek stb. De az időt is meg lehet határozni ilyen
módon. A törzs tagjai azt mondják például, hogy valami annyi
ideig tartott, mint elmenni a szomszéd faluba vagy átkelni a
szomszéd szigetre. Számok nélkül is remekül elvan az ember.
A pápua új-guineai yupnók, akik mintegy kétezer méter
magasan élnek Madang tartomány falvaiban, aligha cáfolnak rá
erre a megállapításra. Ők is a testrészeikre mutatva számolnak,
akárcsak a lobodák. Általában az alábbi ábra szerint eljárva úgy
neveznek meg egy számot, hogy kimondják egy testrész nevét,
vagy egyszerűen csak rámutatnak magára a testrészre.
Legalábbis a férfiak. Az ábra azt is elárulja, hogy nőként egy
adott pontnál óhatatlanul nehézségekbe ütközünk.
 A yupnók számrendszere

A yupnók olykor botokat használnak a számoláshoz: sorra

lerakják őket, hogy egyre nagyobb számokat kapjanak. A törzs
egyébként nem is él olyan elszigetelten; a fiatalabbak többnyire
már nyugati oktatásban részesültek, és az angolra hasonlító tok
piszin nyelven számolnak. Vagyis a yupno fiatalok éppen úgy
számolnak, ahogyan mi.
A yupnók tehát háromféleképpen is tudnak számolni,
mégsem érzik szükségét, hogy rendszeresen gyakorolják ezt a
képességüket. Mindennek, amiért fizetni kell, fix ára van, amit
azonban nem a pénzérmék számában fejeznek ki. Az árujukat
kupacokban teszik ki, a kupacok pedig egytől egyig pontosan 10
toeás érmét érnek. A dohánykupacok ennek megfelelően
kisebbek, mint az élelemkupacok, és nem kell annyit vacakolni
a váltópénzekkel sem. Csak az lehetetlen, hogy valaki mondjuk
egyetlen banánt vegyen; annyit kell vennie, amennyi 10 toeás
érmének felel meg.
Van azonban a yupnóknál egy fontos kivétel: a hozomány. A
hozomány általában disznókból és pénzből áll, és meg is
szokták számolni, mégpedig kétféleképpen: miközben a férfiak
fennhangon számolják a menyasszonnyal adott javakat, valaki
egy bottal is „strigulázza” a mennyiséget. A botos számolásmód
a zavart hivatott megelőzni. Nem mindenki számol egyformán,
és ha valakinél a számoknak megfelelő testrészek sorrendje
eltér, például a kezek után egyből a fülek következnek, akkor a
„bal fül” a 12-őt fogja jelenteni az ábránkon feltüntetett 22
helyett. Ilyen esetekben jó segédeszköz a bot.
Mivel a hozományszámlálás elég fontos teendő a yupnók
életében, néhány kutató arra gondolt, hogy talán matematikai
tanulságok levonására is alkalmas lehet. A hozomány példáján
keresztül próbálták számolásra bírni a yupnókat egy szöveges
feladattal. A következő kérdést tették fel a törzs egyik idősebb
tagjának: „Egy menyasszonyért 19 disznót kell adnod. 8 disznód
már megvan. Hány disznóra lesz még szükséged?” A kutatók a
következő választ kapták: „Nem vagyok én olyan gazdag, hogy
még egy asszonyt vegyek magamnak, barátom! Honnan volna
nekem 8 disznóm? Meg hát öregember is vagyok, kedvem sincs
már hozzá.”
 Mérés nélkül!

Mindent egybevetve elmondhatjuk, anélkül is remekül

eléldegélnek az emberek, hogy számokat használnának. De
vajon a mérésekhez sincs szükségük a számokra? Valamit azért
csak kell érteniük az alakzatokhoz meg a távolságokhoz!
Hogyan tudnának ezek nélkül bármit is megépíteni? Vagy
megtalálni az utat? Pedig a pirahák, a lobodák, a yupnók és még
jó néhány kultúra példája épp azt bizonyítja, hogy képesek rá.
Ott van például a Pápua Új-Guinea számos kultúrájában
megtalálható kenu. Az embereknek szükségük van rá, mert
nélküle nem lehetne – vagy legalábbis nem lehetett volna – a
szigetek között közlekedni. Fontos tehát, hogy erős csónakot
tudjanak építeni, olyat, amely nem adja meg magát csak úgy a
tenger közepén. Ezt úgy tudják megvalósítani – persze nem
okvetlenül a yupnók, akik 2000 méterrel a tengerszint felett
laknak –, hogy az új csónakot összehasonlítják a régi
csónakokkal. Nem létezik tervrajz szabványméretekkel,
nincsenek kritériumok, hogy milyen vastag fadarabokból kell
megépíteni a kenukat. Minden a korábbi tapasztalatokon
alapul.
De hogy rásegítsenek erre a tapasztalatra, mégiscsak
megmérnek ezt-azt. No nem mérőszalaggal vagy colstokkal,
hanem a csónaképítő alkarjával. Vagy ahogy a Trobriand-
szigeteken teszik, hüvelykkel és tenyérrel. Ott tehát egy fokkal
pontosabbak, és ennek meg is van az oka. Mivel a Trobriand-
szigetek meglehetősen kicsik, az ott élők kénytelenek időről
időre tengerre szállni. Pontosan lemérik a kenu nagyságát, de a
formáján tulajdonképpen nem igazítanak.
A nagyságnál és formánál fontosabb, hogy milyen vastag
fából készül a kenu. Ha túl vékony a fala, könnyen megsérülhet,
ha viszont túl vastagra sikerül, nem bír el annyi súlyt. Nem
mintha ez elengedhetetlenné tenné a hajszálpontos méréseket.
Némelyik pápua új-guineai törzsnél a csónaképítők a lábukat
használják a vastagság megmérésére, mások pedig rájöttek,
hogy a fülükkel is meg tudják állapítani azt. Elég megkopogtatni
a fát, hogy a hangjából kiderüljön, megfelelő-e a vastagsága. De
az építők gyakran csak a vízre bocsátás után szembesülnek
azzal, mekkora súlyt bír el a jármű.
A szárazföldön is elég sok mindent kell építeni. Többek
között hidakat a víz vagy szakadék fölött – ilyenkor nem lehet
előre elvégezni a terhelési próbát. Egy hídon nem mindig
látszik egyből, el fogja-e bírni az áthaladókat. Rejtély, milyen
úton-módon jöttek rá, hogy mikor válik elég teherbíróvá. Olyan
régóta építenek már hidakat, hogy senki sem emlékszik rá,
hogyan zajlottak az első kísérletek.
A fő sziget közepén lakó kewabik is építenek hidakat, és a
folyamat során egyetlen pontos mérést sem végeznek el.
Először megbecsülik a két part közötti távolságot. Aztán olyan
fatörzseket keresnek, amelyek elég hosszúnak látszanak ahhoz,
hogy elérjenek a túloldalra. Ugyanígy járnak el a cölöpöknél,
amelyeknek elég magasnak kell lenniük, hogy támasztékul
szolgáljanak. Gondoljunk csak a San Franciscó-i Golden Gate
hídra; szintén kábelekkel ellátott pillérek tartják, és a pillérek
magasan a híd fölé nyúlnak. A kewabiknak szükségük van még
kötelekre, amelyek elég vastagok és hosszúak ahhoz, hogy
megfeleljenek a célnak és így tovább. Mindezt különösebb
fáradság nélkül hajtják végre – szemmérték és tapasztalat dolga
az egész.
A szemmértékre és a tapasztalatra alapozzák a házépítést is,
jóllehet ebben az esetben nagyobb a formai változatosság. Az
egyik törzs négyszögletes házakat épít, a másik kizárólag
kerekeket.
A Pápua Új-Guinea keleti részében fekvő Finschhafenben az
a trükk, hogy első lépésként készítenek egy kötelet, éppen olyan
hosszút, amekkorának a felépítendő háznak kell lennie. Az itt
élő kâték négyszögletes házakat építenek, és két kötelet
használnak mércéül – egyet a hosszúságnak, egyet a
szélességnek –, ezeket viszik magukkal, amikor építőanyag után
járnak. Rengeteg fölösleges munkától kímélik meg így magukat;
elvégre senki sem akar tíz fával többet kivágni a szükségesnél.
De nem minden törzs ad ennyit a pontosságra. Egy Madang
tartománybeli törzs mindenféle kötél és más segédeszköz
nélkül építi a házait. Ennek ellenére nekik is megvannak a
bejáratott módszereik. A ház kilenc vagy tizenkét cölöpön áll, a
cölöpöket nagyjából egyenlő távolságra helyezik el egymástól.
Erre az alapra húzzák fel a négyszögletes házat, szemmérték
alapján.
A magasabban fekvő területeken élő törzsek kerek házakat
építenek. Egy Kaveve nevű falu kör alaprajzú cölöpházainak
bejárata a kör szélén helyezkedik el, helyet hagyva a ház
közepén lévő tűzrakó területnek.
Ezeknél a kerek házaknál egyébként szintén kötéllel mérik
ki, mekkorának kell lennie a két körnek. Az is fontos szempont,
hogy minél keskenyebb legyen a bejárat, mert így elkerülik a
huzatot – ehhez méretet vesznek a falu legkövérebb emberéről.
Ha ő átfér a bejáraton, akkor megfelelő lett a bejárat mérete.
Kavevében tehát mérnek az építők, csak nem viszik túlzásba a
méricskélést. Senki nem számolja ki, mennyi fára van szükség,
vagy hogy mekkora lesz az alapterület. Az építőanyag gyűjtése
éppúgy érzés alapján történik, mint maga a házépítés. A kötelek
ugyan megadják, mi mekkora legyen a házon, de a
továbbiakban nem játszanak fontosabb szerepet. Házat, hidat,
kenut matematika nélkül is lehet építeni.

Kis mennyiségekkel dolgozni

Láttuk tehát, hogy bizonyos kultúrák alig támaszkodnak a

matematikára. Még ha volna is rá lehetőségük, merthogy
rendelkeznek valamilyen számrendszerrel, nem érzik szükségét
annak, hogy alkalmazzák. Ügyesen megbecsülik a dolgokat
matek nélkül is; ezzel egy csomó időt spórolnak, és az eredmény
sem lesz rosszabb annál, mint ha mindent kiszámoltak volna.
De hogyan lehetséges ez? Mi az oka, hogy az ember képes
kereskedni, élelemről gondoskodni, hidakat építeni és így
tovább a számok használata nélkül is? Az utóbbi évtizedek
kutatásainak köszönhetően már tudjuk erre a választ. Agyunk
bizonyos részei gondoskodnak róla, hogy mennyiségekben
gondolkodjunk. Ennek köszönhetően például gond nélkül
megbecsülünk hosszúságokat vagy felismerjük a négyzet alakú
formákat, még ha nem is jártunk soha matematikaórára.
A mennyiségek feldolgozásáért felelős agyi részek
egyértelműen három fajtára bonthatók. Az egyik a négynél
kisebb mennyiségekkel dolgozik. Ez a rész gondoskodik róla,
hogy az ember első pillantásra lássa a különbséget egy alma és
két alma között. Egy másik rész az ennél nagyobb
mennyiségekért felelős. A harmadiknak pedig az alakzatok
felismerése a dolga. Ez utóbbinak köszönhető, hogy olyan
emberek is képesek kisilabizálni az utat egy térképen, akik
addig még soha nem fogtak térképet a kezükbe.
De kezdjük a kis mennyiségek feldolgozásával!
Nos, erre már a babák is képesek. Velünk született képesség,
hogy különbséget tudunk tenni egy és kettő között.
Természetesen nem a két szám, hanem egy dolog és két dolog
között. A babák például meglepődnek, ha egyszer csak két
pöttyöt látnak egy papíron, miután egy darabig egyetlen pöttyöt
bámultak. A meglepetésük arra enged következtetni, hogy
felfigyeltek a különbségre: most valami mást néznek, mint
eddig. Ezt a tudósok úgy tudják megállapítani, hogy mérik,
mennyi ideig nézik a babák a papírlapot. Ha már ismerik a
képet, gyorsan elunják magukat, míg ha a kép új nekik, tovább
kitart a figyelmük, vagyis hosszabb ideig nézik a lapot.
 Ezzel a módszerrel az is megvizsgálható, mit várnak a babák
a környező világtól. A kísérletek meglepő eredményekre
vezettek: úgy tűnik, a babák tudnak összeadni és kivonni. Ha az
ember először két játék babát mutat egy csecsemőnek, majd az
egyiket elveszi, akkor a gyerek arra számít, hogy csak egy játék
baba marad. Mármost ha két babát mutatunk neki, egyet pedig
elveszünk, és ezek után mégis két babát lát, nagyon meg fog
lepődni. Mielőtt még bármit megtanult volna a számokról, a
csecsemő már tudja, hogy a 2 – 1 = 1 helyes, a 2 – 1 = 2 pedig
nem.
Azaz nem egészen. Időközben kiderítették, hogy a csecsemő
azon lepődik meg, hogy hirtelen megjelent egy játék baba, ami
addig nem volt jelen. Ennek a fordítottja történik, ha 1 + 1 = 1
babát mutatunk neki. Ilyenkor azon lepődik meg, hogy egy játék
baba eltűnt, anélkül, hogy észrevette volna. Mindez agyunk
működéséből következik, amelynek egy része arra
specializálódott, hogy kövesse a körülöttünk lévő dolgokat,
számontartva, hogy mi milyen színű, mekkora, hol van és így
tovább. Akármire irányítjuk a figyelmünket, az efféle dolgokat
automatikusan eltároljuk. A csecsemők is ezt teszik, ezért
nyomban feltűnik nekik, ha a figyelmük tárgya eltűnt, vagy ha
ott, ahol addig semmit sem láttak, egyszer csak megjelenik
valami.
Agyunk azonban csak kisszámú dolgot tud minden
részletében követni. Hogy pontosan hányat, az változó.
Csecsemőknél, úgy tűnik, háromra tehető a számuk – háromnál
több dolog esetében már beáll az üzemzavar. Egy kísérletben a
csecsemők két dolog közül választhattak. Balra és jobbra tőlük
egy-egy doboz állt. A bal oldali dobozba a szemük láttára tettek
bele 1 süteményt, tehát tudták, mi van a dobozban. A jobb oldali
dobozban 4 sütemény volt, amelyeket szintén előttük tettek a
dobozba. A kérdés, amire a kísérlet választ szeretett volna
kapni: melyik dobozt választják a babák? Merre kezdenek el
mászni?
Bármilyen fura, nem mindig a jobb oldali doboz felé
indultak el. Azt gondolnánk, hogy egy baba, aki jól látja a
különbséget 1 sütemény és 3 sütemény között, 4 sütemény
esetében is látni fogja, hiszen a különbség még szembetűnőbb.
De nem. Ha a jobb oldali dobozban 4 sütemény van, a
csecsemők már nem tudják megállapítani, melyik dobozban
van több süti. Teljesen önkényesen választanak. Az agyuknak
azt a részét, amely az ilyen problémák megoldására hivatott,
teljesen összezavarja a feladat, így feladják. Életük első 22
hónapjában a gyerekek nem látják a különbséget az 1 és a 4
között.
A 22. hónapban nem azért következik be áttörés, mert attól
fogva az agyunk már 4 dolgot is képes egyidejűleg követni. A
felnőtteké talán igen, de még nekik sem könnyű. Egyelőre nem
egészen értjük, pontosan mi történik a 22. hónapban. Úgy tűnik,
a változásnak a nyelvhez van köze. Azok a gyerekek, akiknek az
anyanyelve különbséget tesz az egyes szám és többes szám
között, gyorsabban észreveszik a változást. A japán nyelvben
például nem világos ez a különbségtétel, így a japán
gyerekeknek hosszabb ideig tart az elsajátítása – csak pár
hónappal később tanulják meg a számokat kezelni. Egyébként
hamar lefaragják a lemaradásukat, mert nekik a holland
anyanyelvű gyerekekhez képest kevesebb időbe telik
megtanulni a 10 fölötti számokat. Mivel a japán nyelvben „20 és
4-nek” mondják a 24-t, míg a hollandban „4 és 20-nak”, a japán
anyanyelvű gyerekeknek egyszerűbb felfogni, hogyan
kapcsolódnak egymáshoz a számok. Ebből a szempontból a dán
nyelv még kacifántosabb: a dánban például „4 és félszer 20-
nak” mondják a 90-et.
Bármilyen fontos szerepet is játszik a nyelv a számok
megtanulásában, végső soron fontosabb, hogy különbséget
tudjunk tenni egy dolog és több dolog között. A gyerekek
valószínűleg már ennek a képességnek a birtokában tanulják
meg, hogy mit jelent az „egy” szavunk. Azelőtt, hogy ezt
megtanulnák, nem tudják, hogyan működnek a számok. Fel
tudják őket sorolni, „számolnak”, de ha megkérjük őket, hogy
adjanak ide egy plüssállatot, valami véletlenszerűt fognak tenni,
akárhányszor is mondattuk fel velük addig a számsort.
Vagyis valami olyasmire alapozhatunk, amit már a
születésünktől fogva tudunk. Azáltal, hogy megtanuljuk, mit
jelent az „egy”, azt is megtanulhatjuk, mit jelent a „kettő”: „egy
meg egy”. Mindezt a mennyiségeket feldolgozó agyi részek
teszik lehetővé, amelyek ily módon jó szolgálatot tesznek
nekünk – legfőképpen a számok megtanulásában. A fejezet
elején emlegetett kultúrákban fontosabb szerephez jutnak a
nagyobb mennyiségekért felelős agyi részek.
 Nem tudom pontosan! A nagyobb mennyiségek
és az agy

Mihelyt háromnál több dologról van szó, egy másik agyi rész
veszi át az irányítást – ez születésünktől fogva így van. Már a
csecsemők is rögtön észreveszik a különbséget 4 pötty és 8 pötty
között. De ez a különbségtétel nem minden nagyobb szám
esetében érvényes. Nem látnak különbséget 4 pötty és 6 pötty
között. De hogy 16 pötty több, mint 8 pötty, azt észreveszik.
Ez abból következik, hogy amint a pöttyök száma
meghaladja a 3-4-et, már nem tudjuk pontosan megmondani,
hogy hány pöttyöt látunk. Az újszülöttek akkor látják a
különbséget, ha az egyik papírlapon legalább kétszer annyi
pötty van, mint a másikon. A „6 több, mint 4” nem megy
számukra, a „8 több, mint 4” viszont igen. Vagyis a számok
arányán múlik, látják-e a különbséget. Gondoljunk csak bele:
ránézésre sokkal nehezebb észlelni a különbséget 100 és 105,
mint 5 és 10 között.
Minél idősebbek vagyunk, annál könnyebben vesszük észre
a különbséget. Néhány hónappal később a babák már látják a
különbséget 4 és 6 között: az utóbbi mennyiség csak
másfélszerese az előbbinek. A felnőttek általában még azt is
meg tudják állapítani, hogy 13 pötty több, mint 12. Nekik sem
sikerül ez mindig, de az esetek többségében meg tudják mutatni
a nagyobb mennyiséget. Számolás nélkül megkülönböztetni
egymástól 20 és 21 pöttyöt? Nos, ez már csak hébe-hóba jön
össze.
 Összességében tehát elmondhatjuk, hogy a számolás
megbízhatóbban működik. A számok, ellentétben a számolás
nélküli észleléssel, pontosak. Ez a magyarázata annak, hogy a
lobodák nem tudják darabra pontosan megmondani, hány
jamszgyökeret adtak valakinek. Azt ők is látják, hogy nagyjából
mekkora mennyiségről van szó. Ha valaki sokkal kevesebbel
(vagy sokkal többel) tér vissza, az rögtön feltűnik nekik. De
eggyel több vagy kevesebb még nem szúr szemet.
A nagyobb mennyiségeket tehát másképpen kezeljük, mint a
kisebbeket, jóllehet úgy tűnik, a csecsemők már azelőtt is
tudnak nagyobb mennyiségekkel számolni, hogy kapcsolatba
kerültek volna a számokkal. A „2 – 1 = 2”-eshez hasonló játék
babás kísérlettel kideríthető, hogy a csecsemők vajon
fennakadnak-e az 5 + 5 = 5-ön. És lám, meghökkennek rajta. Az
5 + 5 = 10-et unalmasnak találják, de az 5 + 5 = 5-ön
meglepődnek. Vajon ez azt jelenti, hogy már megtanultak
nagyobb számokkal dolgozni?
A 2004-es kísérlet alapján erre a következtetésre jutottak a
kutatók. De csak azért, hogy megint felülvizsgálják a
megállapításaikat. Mert igaz, hogy a csecsemők meglepődnek az
5 + 5 = 5-ön, de az 5 + 5 = 9-től éppúgy nem kerekedik el a
szemük, mint az 5 + 5 = 10-től. Merthogy nem látnak
különbséget 9 és 10 között. Ha csak öt babát mutatunk nekik,
meglepődnek, mert arra számítottak, hogy több lesz belőlük.
Nem pontosan tízet vártak, mint tennék, ha pontosan
kiszámolták volna az összeget. Nem várnak ilyen pontos
eredményt, de azt igen, hogy amit látnak, többnek fog kinézni,
mint öt. Az összeadás és kivonás megtanulása ebben a korban
még várat magára.
De mi a mechanizmusa ennek a folyamatnak? Mi zajlik le az
agyban, ami képessé tesz minket az ilyen különbségek
észlelésére? Erről egyelőre megoszlanak a vélemények. Mielőtt
elmondanám, mit gondolok a kérdésről, ki kell térnem
agyunknak arra a részére is, amely a hosszúsággal, az idővel és
hasonlókkal foglalkozik.
Merthogy a hosszúságot sem látjuk pontosan. Nyilván
mindenkinek feltűnik, ha egy dolog kétszer olyan hosszú, mint
egy másik. Most is látom például, hogy ennek az asztalnak, ahol
ülök, más a hosszúsága, mint a szélessége, de centiméterre
pontosan már nem tudnám megmondani a hosszúságát. Persze
megsaccolhatom, de kicsi az esély, hogy éppen ráhibázok. Az
idővel is hasonló a helyzet: egész jól meg tudom becsülni, hogy
valami mennyi ideig tart. Világosan érzékelem a különbséget 10
másodperc és 5 perc, vagy egy óra és két óra között. De egy óra
és egy óra egy perc között már nem tűnne fel a különbség.
Ismerősen hangzik, ugye? Pontosan úgy kezeljük a
hosszúságot és az időt, mint a mennyiségeket. A hosszúságbeli
különbséget már az újszülöttek is látják. Azt is észreveszik, ha
két hang között eltelt idő egyik esetben hosszabb, mint a
másikban, feltéve, hogy a hangok kellőképpen különböznek
egymástól. Ahogy idősödünk, egyre több különbséget
észreveszünk, egyre jobbak leszünk a hosszúságok és
időtartamok felismerésében, de sosem érjük el a mérések
precizitását. Valahányszor a kewabik hidat építenek, szerencse
dolga, hogy megfelelő lesz-e a kiválasztott fatörzs hosszúsága.
Amikor nagy távolságot kell áthidalniuk, könnyen megesik,
hogy jócskán mellétrafálnak, hiszen a különbség csak akkor
tűnik fel, amikor megpróbálják a folyó fölé fektetni a fatörzset.
A szemmérték, amelyre a nem számoló törzsek
hagyatkoznak, mindannyiunk sajátja. Velünk születik, és
gyakorlással tovább fejleszthető. Egyébként nem kizárólagosan
emberi képességről van szó: nemcsak a majmok, hanem a
patkányok és az aranyhalak is látják a mennyiségi és
hosszúságkülönbségeket. Szinte minden állat agyában található
egy olyan rész, amely ezzel foglalkozik. Mi a magyarázata
ennek? Mi teszi lehetővé, hogy különböző mennyiségekkel
dolgozzunk, anélkül, hogy bármit is tudnánk a matematikáról?
És miért osztozunk ebben a képességben olyan sokféle állattal?
A válaszom így hangzik: azért, mert a sokféle állathoz
hasonlóan mi is könnyűszerrel felfogjuk a hosszúságokat és
időtartamokat. Agyunk arra használja fel ezt az információt,
hogy a mennyiségekről is megtudjon valamit – úgymond
sámliként szolgál a számára, amelyről elérheti az elvontabb
dolgokat. Abból kiindulva, amit a hosszúsággal kapcsolatban
megtapasztalunk, az agyunk absztrahálni kezd, és eljut a
mennyiségekig.
Mire alapozom mindezt? Többek között arra a tapasztalatra,
hogy a legkülönfélébb módokon bolonddá tehetjük az agyunkat.
A tévedéseinkből vonom le azt a következtetést, hogy az agyunk
a hosszúsággal és más hasonlókkal kapcsolatos tapasztalatok
felhasználásával tanul a mennyiségekről.
 A legmeggyőzőbb példa a szememben az itt látható ábra.
Nézzünk csak rá, és próbáljuk számolás vagy hosszas
gondolkodás nélkül megmondani, hogy a négy fekete kör közül
melyikben található több fehér pötty. Nagy az esély, hogy a jobb
szélső kört választjuk. Zsúfoltabbnak néz ki, ezért azt
gondoljuk, több benne a pötty. De a látszat csal. Számoljunk
csak utána: minden körben pontosan ugyanannyi pötty
található. Ilyen hibákat követ el az agyunk – a hibalehetőségek
pedig az agy működésmódjába engednek bepillantást.

Mind a négy körben ugyanannyi a pötty, de a nagyobbak többnek látszanak

Az agyunk más esetekben sem látja el optimálisan a feladatát.

Számok összehasonlításánál például nem mindegy, hogy egy
szám balra vagy jobbra helyezkedik el. Ha két számot látunk, és
az egyikről el kell döntenünk, hogy nagyobb-e vagy kisebb, mint
a másik, segít, ha a szám a „jó” oldalon található. Kisebb
számnál a bal oldal, nagyobb számnál a jobb oldal a jó. Így
tetszik az agyunknak.
Gyorsabban is születik meg a válasz, ha ebben az
elrendezésben látjuk a számokat. Ha az a kérdés, hogy a 9
nagyobb-e, mint az 5, és a 9-es a kép jobb oldalán helyezkedik
el, rövidebb ideig tart a válaszadás, mint ha a 9-est a kép bal
oldalán látjuk. Az időkülönbséget kronométerrel ki lehet
mutatni. És a különbség akkor is jelentkezik, ha a két szám
közül a 9-es a kisebb. Vagyis ha a kérdés úgy szól, hogy a 9
kisebb-e, mint a 15, könnyebb válaszolni, ha a 9-es a bal oldalon
áll.
De ez sem mindig igaz. A héber anyanyelvűeknek akkor
könnyebb eldönteniük, hogy a 9 kisebb-e, mint a 15, ha a kisebb
szám áll a jobb oldalon. Világos, ugye? A héber írást nem balról
jobbra, hanem jobbról balra kell olvasni. A kétnyelvűeknél még
komplikáltabb a helyzet. Ha mondjuk valaki a héber mellett
(jobbról balra) oroszul is olvas (balról jobbra), akkor az dönt,
hogy milyen nyelvű szöveget olvasott utoljára. Ha héber
szöveget, akkor úgy könnyebb válaszolni, ha a bal oldalon látja
a nagyobb számot; ha oroszt, akkor pont fordítva.
Egyszóval összekapcsoljuk egymással a számot és a látványt.
A szám helye dönti el, hogyan bánik vele az agyunk. Nemcsak
számjegyekkel kifejezett számokkal van ez így, hanem például a
pöttyök esetében is. És ez nem csak ránk érvényes: a csibéknek
szintén jobban megfelel, ha – pöttyök formájában – a nagyobb
számok helyezkednek el jobb oldalon. Okkal gondolhatjuk
tehát, hogy az agy hosszúságokat feldolgozó része a
csibeagyban is valahogy közbeszól.

Alakzatfelismerés – tyúkésszel is gyerekjáték?

Azt tehát már többé-kevésbé megértettük, hogyan lehetséges

matematika nélkül kereskedni, vagy hidakat és tengerjáró
csónakokat építeni. Ezeknek a tevékenységeknek a számokhoz
van közük. De van egy másik területe is a matematikának,
amely ugyancsak fontos szerepet játszik az emberi
társadalmakban: a mértan. A házépítéshez például
elengedhetetlen, hogy legyen valami fogalmunk a formákról.
Tudnunk kell, hogyan változik a ház területe, ha
meghosszabbítjuk a falakat, vagy mi történik, ha
megváltoztatjuk egy kör sugarát. Szerencsére vannak velünk
született mértani képességeink is, amelyek segítenek megoldani
az ilyen típusú feladatokat.
Sőt, agyunknak egy külön erre specializálódott területe
foglalkozik azokkal az alakzatokkal, amelyeknek főleg a
tájékozódásban van szerepük. De ez sem csak emberi
sajátosság.
Más állatok, de még a kiscsibék is felismernek egyszerű
alakzatokat, így tudják például felkutatni az eldugott eleséget.
Egyébként nem ez az egyedüli módja az állatok
tájékozódásának. A vándormadarak a Nap és a csillagok
állásához igazodva tartják magukat a jó irányhoz, a rovarok
pedig szagnyomok alapján találnak vissza a fészkükhöz. Az
állatoknak tehát nem mindig van szükségük alakzatokra, olykor
azonban hasznukat veszik, ha például az otthonuk egy kör
közepén vagy egy háromszög egyik csúcsában helyezkedik el.
Mivel az efféle szituációk mesterségesen könnyedén
kialakíthatók, a kutatók meg tudják vizsgálni, milyen
képességeket mutatnak az állatok vagy a gyerekek az
alakzatfelismerés terén. Az egyik kísérlet során élelmet rejtettek
el valamilyen alakzatban, miközben megfigyelték, hogy az adott
állat vagy gyerek mely helyeken kezdte keresgélni azt.
Egy csibének egy téglalap alakú térben kellett megtalálnia az
egyik sarokban elhelyezett eleséget. Középről indult, és nem
volt könnyű dolga, mert mielőtt hozzákezdhetett volna a
kereséshez, jól megforgatták a saját tengelye körül. Mégis tudta,
hogy az eledel a téglalap valamelyik sarkában található, és hogy
középről nézve ettől a saroktól balra esik a téglalap hosszabbik
fala. Legalábbis ezt mind tudnia kellett, mert miután
megforgatták, csak két helyen állt le keresgélni: balra lent és
jobbra fent. Vagyis azt a helyet választotta ki, ahol az eleség
ténylegesen hevert, illetve ennek a helynek a tükörképét.
Tökéletes eredmény, hiszen a két hely közül már csak úgy tudott
választani, ha felkereste őket.
A csibék nagyon jók az alakzatok felismerésében, de nem
minden csibe ismerte fel a téglalapot, így mind a négy sarok felé
elindult keresgélni.
Más fajokra szintén ugyanez a jellemző. A patkányok, a
galambok, a halak és a rézuszmajmok már bebizonyították,
hogy jól bánnak a formákkal, ahogy a gyerekek is képesek
spontán módon felismerni az alakzatokat. Ha a gyerekeknek
kell édességet találniuk egy téglalap alapú szobában, ők is két
helyen kezdik el keresgélni: ott, ahol ténylegesen elhelyezték, és
ott, ahol a hely tükörképét látják. Az a furcsa, hogy a
kisgyerekek akkor is így tesznek, ha egyébként más jelzésekre is
támaszkodhatnának. Hiába látják például, hogy a rejtekhelyen
más színű a fal, az ilyesféle információt csak idősebb korukban
használják fel.
Kérdés, hogy ténylegesen bizonyítják-e ezek a kísérletek,
hogy a gyerekek és az állatok képesek felismerni a formákat.
Tudnák, mi az a háromszög? Vagy csak annyit tudnak, hogy van
valami egy sarokban, amitől balra hosszabb a fal, mint jobbra?
Ennek a megállapítása további kutatómunkát igényelt, de az
újabb kísérletek alapján bebizonyosodott, hogy csakugyan a
formák vezetik a keresőt, és nem csak egy-egy sarok és a
hosszúság.
Az agyam aktív képzetet alkot magának arról a szobáról,
ahol éppen tartózkodom. Nem csak azt jegyzem meg, hogy az
íróasztalom egy sarokban áll, bal oldalán a hosszabbik fallal;
azt is tudom, hogy van egy ajtó a szoba jobb hátsó sarkában, és
hogy a hátam mögötti bal sarokban még egy íróasztal áll és így
tovább. Ezt a szobát jól ismerem, végtére is itt dolgozom
minden áldott nap. De ha az ember egy új szobába lép be, akkor
is megalkotja magában a szoba mentális képzetét. Még bekötött
szemmel is meg tudjuk adni a szoba formáját, és fel tudjuk
idézni a feltűnőbb dolgokat.
Amit ellenben nem jegyzünk meg ilyenkor, az a saját
helyünk a szobában. Tegyük fel, hogy be van kötve a szemünk.
Valaki megforgat minket, úgyhogy hirtelen nem tudjuk
megállapítani, melyik irányba nézünk. Természetesen azt sem
fogjuk tudni megmutatni, mi hol áll a szobában. Ez még úgy
sem sikerülhet, ha a szemkendőnk átengedi kicsit a fényt és fel
van kapcsolva a lámpa, ami támpontként szolgálhat. Ennek
ellenére az emberek ebben a szituációban is le tudják írni, hogy
néz ki a szoba, ahol tartózkodnak. Ilyenkor is megvan tehát a
helyiség mentális reprezentációja, csak nincs rá mód, hogy az
agyunk kiderítse, hol állunk pontosan.
A mentális képzet megalkotásához bizonyos fokig képesnek
kell lennünk az alakzatok felismerésére: tudnunk kell a sarkok
számát, a falak arányát egymáshoz képest és így tovább. Bár az
utóbbi példák a felnőttekre vonatkoztak, sok minden arra
mutat, hogy mindez a gyerekekről és az állatokról is
elmondható. Ráadásul úgy tűnik, az agyban külön idegsejtek
foglalkoznak a négyzetekkel, a körökkel stb.
Ezeknek az idegsejteknek köszönhetően olyan kultúrák
tagjai is elgondolkodhatnak az alakzatokon, amelyek számára
ismeretlen a matematika. Ott vannak például a mundurukuk,
az amazóniai esőerdő egyik elszórt csoportokban élő népe. A
pirahákhoz hasonlóan ők sem használnak matematikát, teljes
mértékben a velük született képességeikre hagyatkoznak.
A mundurukuk hajlandóak voltak alakzatokkal kapcsolatos
kísérletekben részt venni. Az egyik ilyen kísérletben
valamelyikük kapott egy papírlapot, amelyen hat, egy-egy
alakzatot ábrázoló kép volt. Az egyik alakzat eltért a többitől –
például öt kép egyenes vonalat mutatott, egy pedig görbét. A
kérdés az volt, vajon képes-e egy ember minden matematikai
előképzettség nélkül felismerni ezt az eltérést, vagy sem
(hasonlóan ahhoz a korábbi kérdésünkhöz, hogy a gyerekek
látják-e a különbséget egy sütemény és négy sütemény között).
Nos, bizonyos esetekben felismerik (ilyen például az egyenes
vonal és a görbe vonal különbsége), más esetekben pedig nem –
ilyen például a vonal közepén és a vonal másik helyén található
pont különbsége.
Még ha nem is mindig sikerül megkülönböztetniük őket, az
alakzatok és távolságok felfogásához a kísérleti személyeknek
nincs szükségük külön oktatásra. Olyannyira nincs, hogy
minden egyéb instrukció nélkül még térképet is tudnak olvasni
– legalábbis olyat, amely a tér egy kis részletét ábrázolja. Az
alábbiakban bemutatunk egy, a munduruku indiánokkal
végzett kísérletet.
A kísérleti személy három különböző alakzatot lát egy
térképen. Az alakzatok egyike más színű: ehhez kell majd
odamennie. Miután tanulmányozta a térképet, megfordul, és
meglát egy mezőt a három alakzattal. Az egyik alakzat más
színű, mint a többi, éppen úgy, ahogyan a térképen. A kísérleti
személy odamegy az eltérő színű alakzathoz, vagyis megértette,
hogy a térkép a mezőre vonatkozik. Itt persze segít a szín, de a
feladat akkor is sikerül, ha az alakzat nem eltérő színű.
A mundurukuk térképolvasásának is vannak azonban
korlátai. Bizonyos alakzatok nehezebbek számukra, mint a
többi, és az is nehezíti a feladatot, ha az alakzatnak nincs saját
színe. Arról nem is szólva, hogy a szokásos közlekedési
térképeink mennyivel absztraktabbak; nem hasonlítanak
annyira a valódi környezethez, mint a mundurukúknak
mutatott térképek. A kísérlet azonban így is bizonyítja – és
számunkra most ez a lényeges –, hogy matematikai képzés
nélkül is képesek vagyunk értelmezni az alakzatokat.
 Mire jó hát a matematika?
Sokféle kultúrát ismerünk, amelyben matematika nélkül is
jól megvannak az emberek. Nem kell hozzá se szám-, se mértan,
hogy berendezzék az életüket. Mint láttuk, születésünktől fogva
bánni tudunk a mennyiségekkel, hosszúságokkal és formákkal.
Agyunknak olyan a kialakítása, hogy matematika nélkül is meg
tudjuk állapítani, nagyjából mennyi jamszgyökér van egy
kosárban, mekkora a távolság két part között, vagy hogy
mennyi fára van szükség egy ház felépítéséhez. Velünk született
képességeinknek hála, nem kell a matematikához
folyamodnunk ilyesfajta feladatok megoldásakor.
Ám ezeket a velünk született képességeinket nem szabad
összekevernünk a matematikai készségekkel! A matematika
olyasmi, amit mindenkinek úgy kell elsajátítania. Egy csecsemő
nem tudja, mi fán terem a szám, és a mértant sem ismeri. A
formákat felismeri ugyan, de elgondolkodni természetesen már
nem gondolkodik el róluk, nem is szólva a látott formák
elemzéséről. Pedig éppen azáltal lépünk be a matematika
világába, hogy elgondolkodunk a formákról. Ehhez azonban
tudni kell felismerni egy négyzetet, ám a négyzet felismerése
sem elég még önmagában ahhoz, hogy alkalmazzuk a
matematikát.
Mire jó hát a matematika? Egyre világosabb, hogy az életben
maradáshoz nincs szükségünk rá. Sőt, boldog életet élhetünk a
legcsekélyebb matematikai ismeretek nélkül is. Ennek ellenére
az emberek világszerte mégis szükségét érezték a matematika
gyakorlásának – Mezopotámiától Egyiptomig, Görögországtól
Kínáig. Valami nagyon fontosat tett hozzá az életünkhöz, amiről
nem tudtunk lemondani. De mi volt az? Erről szól a következő
fejezet.
 4. A matematika kezdetei

Umma elfeledett városában, a mai Irak délkeleti részén egy

munkavezető összeállítja az éves munkatervét. Időszámítás
előtt 2034-et írunk, és Sulgi király uralkodik az egész területen.
Rájár a rúd a munkavezetőre. Az állam évről évre előírja, hány
munkanapot kell dolgoznia az embereinek, és soha nem jön ki a
megkívánt napszám. Az évek során már 6760 nap adóssága
halmozódott fel, ami erre az évre – részben a számítási hibája
folytán – 7421 munkanapra nőtt. A munkavezető adóssága a
mai értelemben vett adósság – abban az időben a
munkanapokat javaknak tekintették, amelyekkel az ember az
államnak tartozott. Ami Sulgi királyt illeti: ő az államnak azzal
tartozott, hogy az alattvalóinak megparancsolja, termesszenek
elég gabonát a földeken. A munkavezető halála után, hogy az
állam be tudja hajtani az adósságát, el fogják adni a házát, az
ingóságait, sőt a családját is.
Nehéz élete volt a munkavezetőknek, mint ahogy a keze alatt
dolgozóknak is. A nők csak hatnaponta, az erejük teljében lévő
férfiak tíznaponta pihenhettek. Nyugdíj nem létezett, az
időseknek is dolgozniuk kellett, feltehetőleg, amíg össze nem
estek. Hogyan tudta fenntartani ezt a rendet Sulgi király?
Könyveléssel! A munkavezető éves beszámolója valódi éves
beszámoló volt, ahhoz hasonló, mint amilyet a mai cégek is
készítenek. Sulgi király az elismervényekre, számlákra,
utalványokra és adósságlevelekre támaszkodó, „Tartozás” és
„Követelés” oldalra osztott könyvelési rendszer segítségével
tekintette át az államát. A Sulgi alatt elterjedt könyvvitel a
királyságával együtt feledésbe merült, és csak mintegy 3500
évvel később, i. e. 1500 körül jelent meg újra hasonló rendszer
Európában. Az pedig még ennél is hosszabb időbe telt, mire egy
állam ismét elhatározta, hogy ilyesfajta tervgazdálkodást vezet
be.

Könyvelés i. e. 2000 körül

Egyébként rémesnek tűnik az egész. Olyan képtelenül sok

munkanapot követeltek a munkavezetőktől, hogy mindegyikük
eladósodott. Az egyetlen pozitív hozadéka a rendszernek az
volt, hogy rengeteg agyagtábla maradt az utókorra.
Elismervények, számlák, éves beszámolók kerültek elő jó
állapotban, ezért is tudunk ennyit az ummai munkavezetőről.
Az i. e. 2034-ben készült éves beszámolója néhány elhalványult
résztől eltekintve remekül olvasható még ma is.
Ez a lelet megmutatja, mi mindenre jók még a számok: a
könyvelésre. Sokkal könnyebb tervezni és vezetni a
munkanapokat, ha az ember pontos mennyiségekkel dolgozhat;
és a matematika segítségével könnyebb nagy embercsoportokat
is irányítani. Nem véletlen, hogy éppen akkor született meg a
matematika, amikor a városokban nagyszámú ember kezdett
együtt élni.

Hogyan szedjünk adót?

Hosszú-hosszú idővel Sulgi király uralkodása előtt vadászó-

gyűjtögető emberek lakták Mezopotámiát (nagyjából a mai Irán
területét). I. e. 8000 körül az itt élők már településeket építettek,
és elkezdtek gabonát, zöldséget, gyümölcsöt termeszteni. Igazi
sikertörténet ez: a két nagy folyó és a leleményes
öntözőrendszerek segítségével egész városokat tudtak
élelmezni. Az emberek egyre nagyobb csoportokba tömörültek,
és a városok között is egyre élénkebb lett a kapcsolat.
Kereskedők hozták-vitték az árujukat a meggazdagodás
reményében. A központi kormányzat is egyre fontosabbá vált:
míg a törzsi köteléken belül könnyű volt fenntartani a rendet,
mert mindenki ismert mindenkit, a városok korában erre már
nem volt lehetőség, túl nagyra nőttek a települések. A városokat
kormányozni kellett, így aztán megszülettek a városállamok. A
városállamok pedig adókat vetettek ki.
Az adóztatás eleinte elég bajos lehetett, mert még nem álltak
rendelkezésre a számok. Valahogy úgy működhetett a dolog,
mint az ajándékok a lobodáknál. Az állam hol ennyit, hol annyit
vett el – csak nagyjából tudták megbecsülni, mennyi adóra
volna szükség. Az alattvalók tehát sosem tudhatták előre,
mennyit tarthatnak meg a javakból, nem tudtak utánanézni az
adókulcsnak. Kifejezés sem volt rá, hogy megmondják az
embereknek, mennyit kell fizetniük. Abban az egyszerű
szókapcsolatban, hogy „egy kosár”, már benne van egy szám!
Mennyiségekről beszélni egy olyan korban, amikor még nem
voltak számok, nem volt egyszerű feladat. De a városállamok
erre is kieszeltek valamit.
A raktárakkal kezdődött minden. A mezopotámiai Szúzában
és Urukban a városok növekedésével a raktárak is egyre
nagyobbra nőttek. Hogy számontartsák az ott tárolt készleteket,
a kereskedők köveket használtak – nem igazi köveket, hanem
jelekkel ellátott, zsetonszerű agyaglapocskákat. Ma
számolóköveknek nevezzük őket, pedig valójában sosem
számolt velük senki. Minden kő egy adott mennyiségű élelmet
ábrázolt: egy birkát, egy kosár gabonát és így tovább. A
köveknek köszönhetően már nem kellett megnézni minden
egyes kosarat; a nyilvántartáshoz elég volt bizonyos számú
agyaglapocska.
 Ezeket az agyaglapocskákat egyre sokrétűbben használták.
Viszont ha tudtára kellett adni a szúzaiaknak, hány kosár
gabonára volna szükség a fővárosban, az adószedőknek gondja
akadt: mivel nem volt szavuk a számokra, nem tudták
megmondani a mennyiséget. Így aztán lepecsételt agyagtartókat
használtak, amelyekben számolóköveket helyeztek el. A kövek
mennyisége megfelelt a megkövetelt gabonáskosarak
mennyiségének. Mivel minden egyes kő egy-egy kosarat
jelentett, számolás nélkül is meg tudták adni a pontos
mennyiséget. Szúzában már i. e. 4000-ben számolóköveket
használtak a templomi járandóság és az adó beszedésére. A
befolyt összeget azonban már nem tudták kiszámolni, mert
ahhoz számokra is szükségük lett volna.
Uruk kormányzata továbblépett. Szúzához hasonlóan ott is
számolókövekkel kezdték, és szintén agyagtartóba tett
számolókövekkel közölték, mennyi adót kell a lakosságnak
beszolgáltatnia, illetve mennyit szolgáltattak be egy adott
dologból. A lepecsételt agyagtartó az útközben történő
sikkasztásoknak volt hivatott elejét venni. Nem is volt a
módszerrel más baj, csak az, hogy kicsit körülményes volt:
agyaglapokat kellett hozni-vinni, ráadásul egy agyagedényben.
Nem tudjuk, pontosan mikor és hogyan történt, de egyszer csak
valaki kitalálta, hogy ugyanazzal az erővel le is lehetne rajzolni
a számolóköveket a tartóedény külsejére. Mivel az
agyagtáblákat nem lehet csak úgy letörölni, ezek a rajzok
éppúgy megteszik, mint a tartóban lévő agyagdarabok. A
számolókövekről készített rajzok fokról fokra átalakultak
számokká. Az emberek lassacskán elfelejtették, mit ábrázolnak
a rajzocskák, és egyre inkább kezdték őket szimbólumoknak, az
„egy kosár gabona”, „egy birka” stb. jeleinek tekinteni. Így
jelentek meg az első leírt szavak – teljes mondatokat csak a 700
évvel későbbi agyagtáblákról ismerünk.
Az első számok tehát ilyenformán keletkeztek
Mezopotámiában. A számolóköveket elkezdték a tartóedény
külsején ábrázolni; a tartóedényt agyagtáblákkal
helyettesítették; lassanként egyre általánosabbá vált a
szimbólumok használata; majd rövidítéseket gondoltak ki az
ismétlések jelzésére. Tízszer leírni ugyanazt a jelet fáradságos
munka, kitaláltak hát egy új jelet az ismétlésre. Így alakultak ki
a számok: ha az ember ugyanazt a jelet használhatja a birkák
számlálására, mint a kosár gabonára, akkor egy számot használ.
És mindez abból következett, hogy a nagyra nőtt Szúzának és
Uruknak praktikus módszert kellett találnia az adó beszedésére.
A számok megszületése tehát egy adóhivatali racionalizálás
eredménye.

A legkorábbi számok Mezopotámiában

Az első számok kis kúpoknak és íveknek néztek ki. Erre az a

magyarázat, hogy az agyagtáblákhoz használatos tollaknak két
oldala volt: a hátulsó kerek, az elülső hegyes. A szimbólumok
jobbról íródtak, az egyes számnak megfelelő kis kúppal. Ezt a
kúpocskát addig ismételték, amíg nem került kilenc egymás
mellé. A 10 leírásához másik jelet – egy kis kört – használtak.
 A mezopotámiai számrendszer más volt, mint az általunk
használatos. A kis kört nem írták le tízszer egymás mellé, hogy
kijöjjön a 100. Hatodszorra már újabb jelet használtak: az 59
után egy nagy kúp jelezte a 60-at. Így ment tovább egészen 36
ezerig. Ennél nagyobb számoknál már bajos lett volna ez a
módszer, de nem is volt rá szükség: mégis kinek a csűrében
állna 36 ezer kosár gabona?
Később, amikor a mezopotámiaiak áttértek egy szélesebb
körben alkalmazható írásra – az ékírásra –, a számokat is
másképp kezdték írni. Ez a módszer már nagyobb mennyiségek
feljegyzésére is alkalmas volt. Ezeket az újfajta számokat
mutatja az alábbi ábra. Elég rápillantani, hogy lássuk, mire utal
az „ékírás” elnevezés: a legtöbb szimbólum kis ékekre
emlékeztet. Ezzel a módszerrel már törteket is fel tudtak
jegyezni – aminek megint csak az volt a célja, hogy biztosítani
tudják a gazdaság működését.

A hatvanas ékírásos számrendszer

Uruk, Szúza és más városállamok nemcsak arra használták a
számokat, hogy szabályozzák az adók behajtását, hanem arra is,
hogy áttekinthetőbbé tegyék az élelmiszerellátást. Gondosan
számontartották, mennyi gabona és egyéb élelem van a
raktárakban, mennyi a mezőkön, és hogy mindez meddig
elegendő a népesség élelmezésére. Becsléseket készítettek a még
beérkező gabonamennyiségről, felmérték, mennyi kell ahhoz,
hogy mindenkinek jusson kenyér. Ha előre jelezték a hiányt,
több gabonát vetettek. Ezért azt is megbecsülték, mekkora
területen kell vetni – ha túl sok felesleg keletkezett, csak
megromlott volna a raktárakban.
Mezopotámia legjobb írnokai, azaz könyvelői a templom
papjaival közösen feleltek a tervezésért. Az írnokok nemcsak
írni tanultak meg, hanem számolni és mérni is. Értettek a
könyveléshez, ki tudták számítani egy földdarab területét –
valójában azonban főleg könyvvizsgálóként dolgoztak.
Szerződéseket írtak a kereskedők számára, és az is a feladataik
közé tartozhatott, hogy kiszámolják, hány munkásra van
szükség egy építkezésen. Egyre többször alkalmazták a
matematikát, ha meg kellett tervezni valamit előre; az épületek
formáját is mértani alakzatok segítségével gondolták ki. Az
írnokok építészek lettek, hogy aztán munkavezetőként végezzék
Sulgi király alatt.

Iskolai feladatok Mezopotámiában

Ezeknek a teendőknek az ellátására természetesen fel kellett
készíteni a leendő írnokokat, és egy i. e. 1740 körül működő
iskola feltárásának hála, többé-kevésbé meg is tudjuk mondani,
hogy nézett ki a képzésük. A fejszámolás és a mértani feladatok
elvégzése mellett az oktatás során arra is hangsúlyt fektettek,
hogy a tanulók össze tudják kapcsolni a matematikát a
mindennapi feladatokkal. Elvégre erre kellett felkészülniük az
írnokoknak. Ha valaki nem tudta alkalmazni rendesen a
matematikát, az – mint egy iskolai gúnyiratból kiderült –
élcelődések céltáblájává vált.
Egy zöldfülű és egy tapasztalt írnok beszélgetnek. Az öreg az
oktatás hanyatlására panaszkodik. A mai fiatalok, mondja, nem
értenek semmihez, még egy darab földet sem tudnak elosztani
két ember között. A fiatal írnok értetlenül hallgatja: mi abban a
nehéz? Vigye csak el őt az öreg egy tetszés szerinti helyre, és
majd megmutatja, milyen jól meg tudja oldani a feladatot! Az
öreg a nevetéstől pukkadozva magyarázza el neki, hogy nem
éppen erre gondolt. Remek dolog, hogy egy kötéllel képes vagy
valamit lemérni, de egy szerződéshez számolni is tudni kell!
Ehhez pedig szemlátomást nem konyít a fiú.
A matematika praktikus célokat szolgált, ennek ellenére a
számtanpéldák és a gyakorlat összefüggését sokáig nem
tanították. A Mezopotámia közepén fekvő Nippur iskolájának
tananyaga javarészt példasorokból állt. Ismétlés, ismétlés és
még egyszer ismétlés. Úgy voltak vele, ha az ember elégszer
megcsinálja a matekpéldákat, magától is meg tud tanulni
bármit. Nemcsak a matematikáról gondolkodtak így, hanem a
többi tantárgyról is.
A nippuri tanulók persze írás-olvasással kezdték, amit
szószedetek másolásával sajátítottak el: addig kellett
ismételgetniük a feladatot, amíg már az egészet fejből tudták.
Miután megtanulták a helyek, húsfajták, súlyok, hosszúságok
stb. nevét, elkezdhettek matematikával foglalkozni. Ezt is
különböző szám- és mértani táblázatok és listák biflázásával
tanulták. A hab a tortán a szerződésminták megtanulása volt.
Már kitalálhatjuk, hogyan ment: jó sokszor lemásolták ezeket is.
De nem minden az ismétlés körül forgott. A tanítványok
olykor gyakorlati helyzetekről szóló szöveges feladatokat is
kaptak.

Egy fal. A vastagsága [2 kubit], a hosszúsága 2 ½ nindan,

a magassága 1 ½ nindan. [Hány kő kell hozzá?]
Egy fal. A hosszúsága 2 ½ nindan, a magassága 1 ½
nindan, egy-egy kő 45 sar. Milyen vastag a fal?
Egy ház területe 5 sara. Hány követ csináltassak, ha a
magasság 2 ½ nindan?

Világos, hogy ezek hasznos tudnivalók. De a tanítványoknak egy

csomó értelmetlen példát is feladtak, mint amilyenek az
alábbiak:

Egy fal. A magassága 11 nindan, egy-egy kő 45 sarb. A

hosszúság 2;20 (vagyis 140, mert 2 × 60 + 20) nindannal
 lépi túl a szélességet. Mekkora a fal hosszúsága és
szélessége?
[Egy fal] égetett [kőből]. A fal magassága 1 nindan, egy-
egy égetett kő 9 sarb. A [fal] hosszúságának és
vastagságának összege 2;10 (azaz 130). Mekkora a fal
hosszúsága és szélessége?
[Egy égetett kőből épített fal.] 9 sarbnyi [égetett] követ
terítek. A hosszúság 1;50-nel (azaz 110-zel) [lépi túl a fal
vastagságát]. A magasság 1 nindan. [Mekkora] a falam
hosszúsága és vastagsága?

Gondoljunk bele az első és a harmadik feladatba! Van egy

falunk, és pontosan tudjuk, mennyivel hosszabb, mint amilyen
széles, illetve vastag. Honnan tudjuk? Nem mérés útján, ahhoz
már eleve tudnunk kéne a helyes választ! De akkor meg honnan
szedjük ezt az adatot? Nagyon erőltetett az egész. Nem is szólva
a második feladatról: honnan tudhatnánk a hosszúság és
vastagság összegét, ha nem ismerjük egyenként a hosszúságot
és a vastagságot? Hol találkozni ilyesmivel a gyakorlatban?
Az értelmetlen példák kiötlőit azonban nem az a cél
vezérelte, hogy megmutassák, milyen hasznos lehet a
matematika a hétköznapi helyzetekben. A nehezebb feladatokat
valószínűleg arra használták, hogy megállapítsák általuk a
(leendő) írnokok felkészültségét – akár még azon az áron is,
hogy elszakadnak a gyakorlattól. A matematikai technikák
tökéletesítése közben az iskola tehát eltávolodott a matematika
alkalmazásának gyakorlatától. A fenti számításoknak bizony
nem sok közük van a városállam helyes igazgatásához.
Ennek ellenére nem akkora bolondság ilyesfélével is
foglalkozni: sosem tudhatja az ember, nem sül-e ki a végén
mégiscsak valami hasznos a dologból. Ez történt például a
falnak támasztott bot példájával. Tegyük fel, hogy mint azt az
alábbi ábra mutatja, van egy d hosszúságú botunk, amelyet
nekitámasztunk a falnak. A fal a földtől számított l
magasságban érinti a falat. Marad még b centiméternyi falunk.
Például: egy 5 méter hosszúságú bot legmagasabb pontja, az a
pont tehát, ahol a bot a falat érinti, 4 méterre található a földtől.
Milyen messze esik a bot alsó vége a faltól? Mekkora az a
hosszúság?

Püthagorasz tétele: a mezopotámiai változat

Ha emlékszünk még valamire a háromszögekről tanultakból,

valószínűleg tudni fogjuk a választ. A bot és a fal derékszögű
háromszöget alkot, az ilyen háromszögekre pedig érvényes
Püthagorasz tétele, miszerint a2 + b2 = c2, vagyis ebben az
esetben a2 + l2 = d2. A bot alsó végének távolsága a faltól (a) 3
méter, mert 32 + 42 = 52. Érdekes, nem? Ezt a mezopotámiaiak
már 1500 évvel Püthagorasz előtt tudták! Csak egy falhoz
támasztott bot esetében nem jutna eszünkbe a tételét használni.
Mert ha már úgyis meg kell mérnünk a bot magasságát,
egyszerűbb mindjárt megmérni a hosszúságát is. De annál
jobban jön számunkra ez az összefüggés, ha meg kell
állapítanunk, hogy derékszöggel van-e dolgunk. Igaz-e a
háromszögünkre, hogy a2 + b2 = c2? Ha igen, akkor van egy
derékszögű háromszögünk.
Mezopotámiában magas fokon űzték a matematikát. I. e.
1800 körül már a legkülönfélébb feladatokat oldották meg,
hosszú évszázadokkal a görögök előtt. Sikerült például
megoldaniuk az x2 + 4x = 41/60 + 40/3600 egyenletet. Sulgi király
ezzel szemben úgy tartotta, hogy a matematika túlságosan is
kedvez az önálló gondolkodásnak. Szóval csak semmi
tudomány! Ehelyett arra szántak több időt, hogy beleneveljék a
gyerekekbe az uralkodó iránti hűséget.
Térjünk most vissza az előző fejezet kérdésére: miért
kezdtek az emberek matematikával foglalkozni?
Mezopotámiában a városállamok megszervezéséhez volt rá
szükség – a matematika megkönnyítette az adószedést, de az
élelmezés tervezését és a házépítést is. Ami elengedhetetlen
volt, annyi ember együttélése mellett nagyon nehéz lett volna
matematika nélkül megoldani a feladatokat. De nem minden
matematika volt hasznos. A haszontalan szöveges példák
megoldása presztízsértékkel bírt: nézd csak, mit meg nem tudok
oldani! Ez alól maga Sulgi király sem volt kivétel: az
alattvalóitól nem tűrte el a tudást, ő bezzeg mindent tudott!

Kenyér, sör és számok az ókori Egyiptomban

Két férfi tanakodik az ókori Egyiptomban, milyen foglalkozást

válasszanak. Az egyik azt javasolja, legyenek parasztok, mire a
másik azt feleli:
– Már csak az kéne. Az írnokság az igazi mesterség! Egy
parasztnak egész nap keményen kell dolgoznia. Felásni a földet,
aratni, karbantartani az öntözőcsatornákat és így tovább. Egy
írnok nem csinál mást, csak ül egy meleg helyen, és felírja
szépen a dolgokat.
– Jó – mondja az első ember –, a paraszt nem jó ötlet. De mit
gondolsz az építőmunkásról?
Nem nehéz kitalálni a választ. Ebben az írnoki mesterségről
szóló szatirikus szövegben mindenféle mesterséget
összehasonlítanak egymással, és végül arra jutnak, hogy
másokkal összehasonlítva az írnoknak jóformán semmit sem
kell csinálnia. A tanulság?
– Az írnok az, aki mindenki másnak az adóját kiszámolja.
Vésd jól az eszedbe!
Ma már nincsenek a szakmák között ilyen kiugró
különbségek, de az adóhivatal természetesen továbbra is a
matematikára támaszkodik.
 Az ókori Egyiptomban nem igen különbözött a helyzet a
mezopotámiaitól. A matematikusok – vagyis az írnokok – fontos
szerepet játszottak az adóztatásban. Van azonban egy jelentős
eltérés a két hely között: Egyiptomról sokkal kevesebbet
tudunk. Míg Mezopotámiában agyagtáblákra írtak, amelyek
többé-kevésbé ép állapotban maradtak ránk, Egyiptomban
könnyen lebomló papirusz volt a hordozóanyag. Ezenkívül az
egyiptomiak olyan helyeken éltek, ahol mind a mai napig
városok állnak, például Kairó vagy Alexandria. Így aztán
mindössze hat szöveget ismerünk az ókori Egyiptomból,
amelyek valóban a matematikáról szólnak. Ráadásul ezek is
mind a középbirodalom korából (i. e. 2055–1650) származnak.
Az óbirodalomról (i. e. 2686–2160, ekkor épült a gízai nagy
piramis) és az újbirodalomról (i. e. 1550–1069) ennél is
kevesebbet tudunk.
Na és a hieroglifák? Hiszen azokat kőre festették! Ez igaz, de
a hieroglifákat csak arra használták, hogy az istenekről és a
királyokról írjanak. Az adminisztratív célokra egy egészen más
írást, a hieratikus írást alkalmazták. Az egyiptomiak csak ebben
az írásban használtak számokat.
A számok i. e. 3200 körül bukkannak fel először; nagyjából
az idő tájt, amikor Mezopotámiában az első agyagtáblákat
rótták. Egyiptomban is közigazgatási célból születtek az első
dokumentumok. Megannyi lista, személyek titulusaival és
helynevekkel, javak és mennyiségek felsorolásai. Még a Nílus
vízállásáról is készültek szövegek, amelyek valószínűleg az
adók kiszámításához nyújtottak fogódzót. Vagyis Egyiptomban
is adminisztratív okokból használták először a számokat:
adószámításhoz, illetve évente kétszer az élelmiszerkészletek
listájának összeállításához.

Számok az egyiptomi hieratikus írásban

Erre a célra az egyiptomiak a miénkhez hasonló számrendszert

alkalmaztak. Ahogy az a fenti ábrán látható, a 9 után új jel
következik, a 90 után megint egy újabb és így tovább. Csak a 0-
ra nincs jelük: ezt csak sokkal később veszik majd át Indiából.
Volt viszont már jelük a törtekre; ezeket a számjegy fölé tett
ponttal jelölték. A 2-es szám, felette egy ponttal, ½-et jelentett.
Az olvasást megkönnyítendő ma pont helyett egy kis vonalat
húzunk a szám fölé: 2.
Valamennyi tört felírható ebben a formában? Az
egyiptomiak az egész számok fordítottjának tekintették a
törteket, például az ½-et a 2 fordítottjának. De olyan típusú
törtek is előfordultak, mint az 5/7, amely nem a 7 vagy valamely
más egész szám fordítottja. Hogy az ilyen nehezebb törtekkel is
tudjanak dolgozni, leleményes megoldásra volt szükség. Azt
találták ki, hogy olyan törtek összegeként írják fel őket, amelyek
mind az 1 és egy másik szám hányadosai. A ¾ például felírható
így is: ½ + ¼, azaz 2 4. Hasonlóképpen az 5/7 is átalakítható: 5/7
= ½ + 1/7 + 1/14, azaz 2 7 14. Mindenki kipróbálhatja valamilyen
más törttel. Nem könnyű, ugye? Az egyiptomiak is inkább
megtanulták kívülről a legfontosabbakat.
A törteket sűrűn alkalmazták a közigazgatás során, amely
jellemzően a kenyér és a sör körül forgott. Ezeken alapult
ugyanis az egész gazdaság. Valódi pénz még nem létezett.
Fémpénzekről akkor esik szó először, amikor i. e. 390-ben az
egyiptomiak görög zsoldosokat toboroznak a hadseregükbe. A
görög katonák egyszerűen nem voltak hajlandók kenyérben és
sörben elfogadni a zsoldjukat. Görög ezüstpénzt követeltek,
amit meg is kaptak. Ezt követően a fémpénz Egyiptomban is
elterjedt: rájöttek, hogy mégiscsak praktikus dolog.
A görögök érkezése előtt az egyiptomiak évezredeken
keresztül mindenfajta pénzhasználat nélkül tartották fenn az
országukat – a piramisok építése során sem fémpénz volt a
fizetőeszköz. A robotoló rabszolgahad inkább csak legenda – a
piramisokon fizetett építőmunkások dolgoztak, de ők is csak
sörben és kenyérben kapták a fizetségüket, amely nem ritkán
törtekben kifejezett mennyiség volt. A régészek egész
bérlistákat találtak, amelyekből kiderült, hogy a papoknak sem
járt más fizetség. Mindennap kaptak mondjuk 2 3 10¯, vagyis 2
1/3 + 1/10 = 2 13/30 hordó sört. Nem azért, hogy mindet
megigyák, hanem hogy ami megmarad, azt más javakra
cseréljék el.
Így ment ez mindennel. Valakinek ágyra volt szüksége?
Akkor más holmikat cserélt el a kinézett bútordarabra. Még
házat is úgy vett magának az ember, hogy vagyontárgyakat
adott érte az eladónak. Ez azt jelentené, hogy az egyiptomiak
éppolyan önkényes üzleteket kötöttek, mint a pirahákkal
kereskedő brazilok? Nem, mert az egyiptomiak tudtak
számolni. Az árak jobbára állandóak maradtak, és az igazán
komoly adásvételek alkalmával, mint amikor egy ház vagy egy
ökör cserélt gazdát, a felek elmentek az írnokhoz. Az írnok
pedig szerződésbe foglalta a cserét, hogy egyik fél se élhessen
utólagos panasszal. Ezért aztán az írnokok állandóan a sörrel
meg a kenyérrel foglalkoztak; ezekkel voltak tele a bérjegyzékek
meg a szerződések.
A hadsereget is élelmezni kellett, ezért a katonáknak is
szükségük volt valakire, aki megszervezte az ellátásukat.
Fennmaradt a középbirodalomból egy szöveg, amelyben egy
írnok úgy teszi nevetségessé a kollégáját, hogy felsorolja a
másik csetléseit-botlásait a különböző helyzetekben. Az illető
például megbecsüli, hogy egy 5000 fős egységnek mennyi
élelemre van szüksége egy hosszú hadjárathoz, és arra jut, hogy
300 kenyér és 1800 kecske a kívánatos mennyiség. A hadjárat
első napján a hadsereg felkeresi az írnokot. Az büszkén
megmutatja a készleteket, mire a katonák enni kezdenek. Egész
nap menetelniük kell, úgyhogy jól be akarnak lakni előtte. Már
egy órája esznek, amikor észreveszik, hogy elfogyott az
élelemtartalék! Nagy méltatlankodva mennek az írnokhoz: „Mi
az, hogy már elfogyott az élelem! Te kétbalkezes!” Az írnok csak
hebeg-habog. Nem tehet mást, mint hogy benyújtja a
lemondását.
Az írnokok tehát amolyan menedzserfélék voltak, akiket a
számolási készségeik tettek alkalmassá a tisztségükre. Ők voltak
a felelősek a bérekért, az adóért és a fejadagokért. Ők
számították ki a földek területét, hogy a Nílus áradása után
összehasonlíthassák a megmaradt földdarabokéval. A
parasztokat ugyanis kárpótlásban kellett részesíteni az
elveszített földjeikért. Még azt is kiszámították, hogy valaki
milyen gyorsan tud elkészíteni egy lábbelit, mert így a
munkatempójához igazíthatták a bőrök szállítását.
De ezeknél a gyakorlati példáknál is figyelemreméltóbb,
ahogy az egyiptomiak a piramisépítéshez használták a
matematikát. Gondoljunk csak bele: ahhoz, hogy piramist
tudjunk építeni, tudnunk kell, mekkora hajlásszög mellett
kapunk hegyes csúcsot a tetején. A munkát csak alul lehet
elkezdeni, úgyhogy lehetetlen megbecsülni, mekkora szög jön ki
odafent. Viszont ki lehet számítani – és az egyiptomiak képesek
voltak erre.
A megoldáshoz adatokra van szükség. Tudni kell, milyen
hosszúra és szélesre akarjuk építeni a piramist, és hogy milyen
magasra érjen a teteje. Azt is tudni kell tehát, milyen szögben
emelkedjenek az oldalak. Ha a szögükkel nem stimmel valami,
akkor lőttek a hegyes csúcsnak. Pláne, ha a négy oldalon más-
más szögben kezdik építeni. A szög tehát kulcsfontosságú.
Ennek ellenére az egyiptomiak nem a szögekkel dolgoztak az
építkezéseken. Nem beszéltek mondjuk 40 fokról és
hasonlókról, ahogy mi tennénk.
Egész más módszer szerint láttak munkához. Egy szöget úgy
is ki lehet mérni, ha megnézzük, hogy adott emelkedés mellett
mennyivel tolódik el a lejtő vonala. Ennek a menetét mutatja az
alábbi ábra. Tegyük fel, hogy a szög 90 fokos; ekkor a piramis
függőlegesen fölfelé megy. Az eltolódás ilyenkor nulla. Kisebb,
mondjuk 45 fokos szög esetén nagyobb lesz az eltolódás: a
piramis ugyanannyit megy jobbra, mint amennyit felfelé.

Szögmérés piramisépítésnél

Mindent egybevetve az egyiptomiak sokféle célra használták a

matematikát. Még ha a papiruszuk miatt jóval hiányosabbak is
róluk az ismereteink, az a fennmaradt szövegekből is kiviláglik,
hogy tulajdonképpen ugyanúgy művelték a matematikát, mint a
mezopotámiaiak.
A matematika értőinek főleg az igazgatásban jutott fontos
szerep. Az egyiptomiak leleményes adórendszere számításba
vette a Nílus áradásait; szabványszerződések voltak érvényben
a nagy adásvételek lebonyolítására. Később, i. e. 300 körül
átvettek néhány komplikáltabb elemet a mezopotámiai
matematikából, de amit előtte használtak, a saját találmányuk
volt. Még egy nép tehát, amely „csak úgy” elkezdett
matematikai problémákkal foglalkozni.

Az elméleti görögök

Az ókorban a görögöknél jobban senki sem értett a

matematikához. Nem véletlenül maradt fenn annyi híres görög
matematikus neve: Püthagorasz, Eukleidész, Arkhimédész –
hogy csak a legismertebbeket említsem. Annál meglepőbb, hogy
nem is tudunk olyan sok mindent a görög matematikáról. Igaz,
hogy maradtak fenn történetek, szövegek az ókori
Görögországból, ám ezek egytől egyig elméleti jellegűek.
Eukleidészt például az elméleti geometriáról írt könyve tette
híressé. Ebben sokféle definíciót és bizonyítást közöl, például,
hogy „a vonal szélesség nélküli hosszúság”. Elvont, Platón
nyomán született munkáról beszélhetünk, a mértan gyakorlati
alkalmazásairól azonban semmit sem tudunk meg belőle.
Ugyanez mondható el a többi elméleti munkáról: nem derül ki
belőlük, hogyan művelték a matematikát, miért kezdtek el
foglalkozni vele, és milyen okokból írtak ennyit elméleti
kérdésekről.
Ez egyébként nem jelenti azt, hogy a görögök ne ültették
volna át az elméletet a gyakorlatba. A gyakorlati hasznosítás
figyelemre méltó példája Eupalinosz alagútja Számosz szigetén.
Ez az építmény több mint egy kilométer hosszú, a szélessége
nem egészen 2 méter. 1200 éven át másodpercenként 5 liter
forrásvizet szállított a sziget fővárosába. A görögök már i. e.
550-ben ki tudtak ásni egy ilyen alagutat, ráadásul úgy, hogy a
két végén egyszerre kezdték el az ásást. És sikerült is nekik
félúton összekötni a két járatot. Már néhány méter eltérésnél is
elkerülte volna egymást a két munkabrigád.
Nem tudjuk pontosan, hogyan csinálták. A görögök, már
amennyire ma meg tudjuk ítélni, nem tartották feljegyzésre
méltónak a munka menetét, szemben a rómaiakkal, akik éppen
hogy érdekesnek találták a matematika ilyesfajta alkalmazásait.
A görögök valószínűleg egyenes vonalak és derékszögű
háromszögek segítségével ismételt méréseket végeztek,
amelyek alapján újra meg újra állítottak kicsit az alagútfeleken.
Középütt, amikor a kettő összekötésére került sor, már
kölcsönösen hallhatták a másik járaton dolgozó csapat
kalapácsütéseit; az utolsó métereken tehát hallás után
tájékozódtak. Elmés megoldásokkal és állandó méréssel ki
tudták ásni az egy kilométeres alagutat, ráadásul olyan jól, hogy
ma is a csodájára járhatunk. Szükség esetén valószínűleg most
is megtenné vízvezetéknek.
 Ma már nehéz kideríteni, a görögök hogyan alkalmazták a
gyakorlatban az elméleti tudásukat. Javarészt csak
találgatásokra hagyatkozhatunk. Püthagorasz tételét ugyan nem
Püthagorasz találta ki – a mezopotámiaiak már jóval előbb
ismerték –, de ő volt az első, aki a tételt olyan formában
bizonyította, ahogy azt a mai matematikában is szokás. Tiszta és
logikus a levezetés, amely megmutatja, hogy a szóban forgó
matematikai állítás minden esetben igaz. Erről híresek a
görögök: Eukleidész a könyvével, Püthagorasz a híres-nevezetes
tételével és persze Arkhimédész, mindannyiuk közül a
legkiemelkedőbb, akinek a bizonyítások mellett sok más
felfedezés is fűződik a nevéhez.
Arkhimédész az a fizikus, aki állítólag a kádban találta ki a
folyadékok viselkedését leíró, róla elnevezett törvényt. A
hagyomány szerint annyira lázba hozta a felfedezés, hogy az
öltözködéssel sem vesztegetve az időt, anyaszült meztelenül a
királyhoz rohant. Arkhimédész a hadigépek feltalálásában is
jeleskedett, és leleményes találmányainak köszönhetően a
rómaiak még évekig nem merték megtámadni lakóhelyét,
Szürakuszait. Már Arkhimédész fenyegetése is megtette a
hatását. Amikor végül mégis bevették a várost, Arkhimédész
épp egy mértani problémán elmélkedett. „Ne zavard köreimet”
– mondta a történet szerint a felé tartó római katonának, mire
az – parancsnoka bosszúságára – leszúrta. Hogy ebből mi igaz,
mi nem, soha nem fogjuk megtudni. Egyébként más furcsa
történetek is keringtek a görög matematikusokról. Püthagorasz
állítólag vízbe dobatta egy tanítványát, miután az
bebizonyította, hogy nem minden szám írható fel tört alakban.
A tanítvány megfulladt, de a titok így is napvilágot látott.
Még ha nem is adunk különösebb hitelt ezeknek a
történeteknek, nem kétséges, hogy Arkhimédész káprázatos
elme volt, és hogy főleg a térfogat- és területszámításban
jeleskedett. Nemhiába állt a sírkövén egy gömb, egy henger és
egy kúp: leghíresebb bizonyítása ehhez a három testhez
kapcsolódik. Elsőként Arkhimédész tárta fel, hogy a három
alakzat térfogata összefügg. A görögöket, akik nem ismerték a
térfogatszámítás képleteit, fogós kérdés elé állították az említett
térbeli alakzatok. Közismerten nehéz probléma volt még a „kör
négyszögesítése”, vagyis találni-e egy olyan négyzetet, amelynek
a területe megegyezik egy adott körével.

A kúp, gömb és henger térfogata

Hogy lehet mindezt megállapítani a három test képéből?

Ránézésre sehogy. Ezért volt Arkhimédész olyan büszke a
bizonyítására – olyan büszke, hogy még a sírjára is ezt vésette.
Ma egyébként egészen egyszerűen bebizonyíthatjuk, hogy a
gömb térfogata éppen kétszerese a kúpénak (a következő
fejezetben meg is tesszük). Ezt a tudásunkat pedig olyan újabb
keletű matematikai ismereteknek köszönhetjük, mint amilyen a
π.
A π (pi) nem akármilyen szám. A π-vel számoljuk ki többek
között a kör kerületét és területét, és akkor is jól jön, ha a kerek
alakzatok térfogatáról gondolkodunk, ahogyan Arkhimédész
tette. A görögök azonban nem tudták, mi a π. Kikövetkeztették,
hogy létezik ilyen szám, de hogy pontosan mekkora, azt nem
tudták megmondani. E téren is Arkhimédész volt, aki a
legizgalmasabb felfedezést tette. Sikerült levezetnie (hogy
pontosan hogyan, azt máig nem értjük, de felhasznált hozzá egy
96 szögű alakzatot), hogy a π-nek 3 10/71 és 3 1/7, azaz 3,1408 és
3,1428 között kell lennie. Nem is olyan rossz eredmény, ha
belegondolunk, hogy a későbbi számítások 3,1415…-öt hoztak
ki.
A görögök nem jutottak sokkal tovább ennél. Nagyon okos
elméleteket alkottak, főleg ha figyelembe vesszük, milyen
akadályok nehezítették a munkájukat: csak az egész számokat
és azok arányait ismerték. Az arányok tulajdonképpen a törtek;
a 2/3 nem más, mint a 2 és a 3 aránya. Ráadásul egyenleteket
sem használtak. Minden bizonyításuk, beleértve az
Arkhimédész-féle térfogatszámításokat is, alakzatokból állt.
Szerencsére ma már sokkal könnyebben meg tudjuk oldani az
ilyesfajta problémákat, de a módszert, amellyel tesszük – a
bizonyítások használatát a matematikában –, teljes egészében a
görögöknek köszönhetjük. Püthagorasz, Eukleidész,
Arkhimédész és még sokan mások örökre megváltoztatták a
matematikát.

A kínai kockák

Eddig nem sokban különböztek egymástól a kultúrák.

Mezopotámiában és Egyiptomban is korán elkezdtek számokkal
foglalkozni – olyan korán, hogy minden bizonnyal a szám volt
az első jel, amit leírtak. A matematikusok magas státusnak
örvendtek, akárcsak Görögországban, és elsősorban gyakorlati
problémák megoldásán fáradoztak, noha általános
módszerekkel. Kínában egészen más irányt vett a fejlődés, és ez
az eltérés már korán megmutatkozott.
A régi Kínában valószínűleg nem adminisztratív okokból
kezdtek írni az emberek, legalábbis itt nem maradtak fenn
javakat és számokat felsoroló listák. Ezzel szemben fontos
tevékenység volt a jóslás. A jóslócsontokra rótt jelekkel vetették
meg az írás alapjait. Aztán egy adott ponton megjelent a
matematika, ám egyelőre nem tett szert különösebb
jelentőségre. Ezért nem is tudunk olyan sokat az ősi Kína
matematikai gondolkodásáról. Azt viszont tudjuk, hogy i. e.
1000 körül, tehát viszonylag későn, a kínaiak számításokat
végeztek naptárszerkesztési és adminisztratív okokból.
 Kínai számok 1–9-ig, függőleges és vízszintes változatban

Ehhez a kínaiak kétféle számrendszert használtak. Jelölték a

számokat szavakkal, ahogy mi is tesszük a hétköznapi nyelvünk
számokra utaló kifejezéseivel. A 354-et úgy mondták ki és írták
le, hogy „három, száz, öt, tíz, négy”, ami egy fokkal világosabb,
mint a holland sorrend, ahol helyet cserél az ötven és a négy
(„négy és ötven”). De volt egy ennél forradalmibb számírási
mód is. Ehhez előbb bambuszpálcikákat, később vonalakkal
ellátott jeleket használtak. 1-től 9-ig megvolt a speciális módja,
hogyan kell lerakni a pálcikákat; nagyobb számoknál ezek a
módok ismétlődtek, ahogy a számnevek is megismétlik az 1-től
9-ig terjedő számok nevét.
A pálcikás számrendszerben kétfajta jelet alkalmaztak. A
fenti ábra egyik sorában vízszintes jelek állnak, a másik sorban
függőlegesek. Ez a kettősség annak jelölésére szolgált, hogy
bizonyos számok nullát is tartalmaznak. Az 506 természetesen
nem ugyanaz, mint az 56, de a 0 nélkül ez nem látszik a
számokon. Mezopotámiában és Egyiptomban nem tudták
jelezni ezt a különbséget. Leírni sem tudták a nullát, nemhogy
megfogalmazni azt, hogy nincsenek tízesek a számban.
Vízszintes és függőleges jeleikkel a kínaiak voltak az elsők a
történelemben, akiknek volt eszközük ennek jelölésére. Így
írták le például a 60 390-et:

A 60 390 a régi kínai számírás szerint

A számok leírásakor a kínaiak váltogatták a két jelfajtát. Nézzük

csak meg a 3-at és a 9-et: a 9 vízszintes, a 3 függőleges. Ez
alapján tudták, hogy ha két függőleges jel került egymás mellé
(mint itt a 6 és a 3), akkor a kettő közé egy hézag – egy üres
helyiérték – értendő, még ha magát a hézagot nem is írták le,
mert nem létezett külön jel a nullára. Ezzel az írásmóddal az
volt a bökkenő, hogy nem látszott belőle, hány nulla áll a két
függőleges jel között, egy, három vagy öt… Az ábránkon is csak a
rubrikák egyértelműsítik, melyik számról van szó. A kínai
rendszer ezzel együtt is hatalmas áttörést jelentett: első ízben
alig húsz jel használatával le tudták írni az összes létező
számot.
Leleményes számrendszerük mellett a kínaiak a számítások
elvégzéséhez is különböző technikákat dolgoztak ki. Gyorsan
szoroztak, mégpedig ugyanazzal a módszerrel, mint mi. A 81 ×
81 kiszámolásához az ember kirakja a számokat a pálcikákból,
majd lépésről lépésre elvégzi a szorzást: előbb a 80 × 80-at
számolja ki, aztán a 80 × 1-et és így tovább. Voltak aztán
különböző technikák a nehezebb feladatok megoldására is,
amelyeket összegyűjtöttek A matematika kilenc fejezetben című
könyvben, illetve az ehhez írt kommentárokban. A
fejezetcímekből fogalmat alkothatunk róla, mennyi mindent
tudtak már két évezreddel ezelőtt:

1. Négyszögletes mezők (területek és törtek)

2. Köles és rizs (árucsere, pénzváltás)
3. Arányos elosztás (javak és pénz meghatározott arányok
szerinti elosztása)
4. A legkisebb szélesség (háromszögek oldalai, kör
kerülete, négyzet- és köbgyökvonás)
5. A munkák felmérése (különböző testek térfogata)
6. Igazságos adóztatás (nehezebb arányszámítási
feladatok)
7. Fölösleg és hiány (olyan feladatok megoldása, amelyeket
ma „ax + b = 0” formában írunk fel).
8. Négyzetes elrendezés (a fentihez hasonló egyenletek
rendszerével megoldható feladatok pozitív és negatív
számokkal)
9. Alap és magasság (a nálunk Püthagorasz nevéhez
fűződő tétel alkalmazásai)

A kínaiak számára nem holmi elvont elmélet volt a matematika.

A könyvben sehol nem bukkan fel egyetlen általános definíció
vagy bizonyíték sem. A szerzők konkrét problémamegoldó
módszereket akartak bemutatni, bőséges példatár kíséretében.
Arra törekedtek, hogy megtalálják a lehető legáltalánosabb
módszert, és nem tartották fontosnak, hogy azt matematikai
alapelvekből is levezessék. Beérték azzal, hogy valami beválik,
és a lehető legszélesebb körben alkalmazható.
A matematika tehát színtisztán gyakorlati célokat szolgált.
Aki matematikai képzésben részesült, az megtanulta
megválaszolni az adózással, építészettel, hadviseléssel és
hasonló dolgokkal kapcsolatos kérdéseket. De míg
Mezopotámiában és Egyiptomban magas polcra emelték a
matematikusokat – amolyan menedzserféleként közvetlenül a
főemberek alatt álltak –, addig Kínában kockákként tekintettek
rájuk. Már virágkorát élte a tudományuk, amikor a
matematikusok még mindig arra panaszkodtak, hogy más
írástudók lenézéssel viseltetnek irántuk. Egy kínai császár
sosem hencegett volna a matematikai tudásával!
Pedig a matematikusok a régi Kínában is fontos szerepet
játszottak. A kínai matematika nagy korszakából származó
legfontosabb munka, az 1247 körül íródott Su su csiu csang (A
matematika kilenc fejezetben) két fejezetet is szentel az
erődítmények építésének és az ellenséges tábortól való távolság
kiszámításának. A mongolokkal vívott háborúban nagy szükség
volt az ilyesféle szaktudásra. További praktikus dolgok –
például hitelrendszerek, gátépítési szabályok – mellett
„haszontalan” ismeretek, szöveges feladatok nyakatekert
megoldásai is szerepelnek a könyvben. De éppen egy ilyen
példában bukkannak fel olyan elemek, amelyeket Európában
csak több mint hat évszázaddal később, 1890-ben találnak ki a
matematikusok!
 Egyszóval Kínában is kimondottan gyakorlati szerepe volt a
matematikának; ugyanúgy szervezési és igazgatási feladatok
megoldására alkalmazták, mint más helyeken. Csak máshogyan
töltötte be ezt a szerepet: általános problémamegoldó
módszereket kínált elvont bizonyítások helyett, konkrét
példákkal szolgált definíciók és alaptételek nélkül. A módszerek
tehát mások voltak, de az indítékok azonosak. Helyénvaló tehát,
ha ezen a ponton ismét feltesszük az előző fejezet végén
megfogalmazott kérdést: miért kezdtek el matematikával
foglalkozni az emberek?
Tulajdonképpen nagyon egyszerű a válasz. A matematika
lehetővé teszi a városok, a nagyobb társadalmak igazgatását.
Adót kivetni elvileg számok nélkül is lehet, ám az annyi
nehézséggel jár, hogy a gyakorlatban mégsem lehet
megvalósítani matematika nélkül. Mindenütt, ahol az emberek
nagyobb csoportokban kezdenek élni, és intenzívebben
kereskednek egymással, megjelenik a matematika. A városok és
épületek tervezése, élelmiszerkészletek kezelése, hadigépek
építése – csupa olyan tevékenység, amelyhez kapóra jön a
matematika. Matematika nélkül, pusztán a velünk született
készségekre támaszkodva is el tudunk boldogulni ugyan
mindegyikkel, de ha jobban – hatékonyabban és precízebben –
akarjuk elvégezni őket, máris szükségünk van rá.
Más-más utakon is el lehet érni ugyanazt az eredményt. Az
egyes népek különböző rendszereket dolgoztak ki a számok
lejegyzésére. Ezek hol praktikusak, hol ügyetlenek – előbbire az
½, utóbbira az 5/7 egyiptomi írásmódja a példa. De a sok-sok
különféle megközelítés, az elvont görögtől a gyakorlati
példákból kiinduló kínaiig, mind ugyanazt a célt szolgálta. A
matematikának köszönhetően az egyiptomiak hatékonyabban
tudták elosztani a kenyeret és felosztani a munkát. El tudták
érni, hogy a bérek egymáshoz viszonyított aránya tükrözze az
emberek státusbeli különbségét (egy templom főpapja pontosan
harmincszor annyit kapott, mint a legalacsonyabb beosztású
munkás). Számok segítségével mindez sokkal könnyebben
megy, mint számok nélkül.
Az első fejezetben már felbukkant egyszer ez a gondolat.
Láttuk, hogy a matematika leegyszerűsíti a problémákat, és
gyakorlati lehetőséget kínál a megoldásukra. Ezért kezdtünk el
matematikával foglalkozni. A városok és országok olyan
adminisztratív nehézségekkel küszködtek, amelyeket lakóik
aligha tudtak volna legyőzni pusztán a velük született
képességekkel. A matematika eszközt adott a kezükbe. Nem
véletlen, hogy a matematika nélküli kultúrák egytől egyig
kicsik; az emberek falvakban élnek, mindenki ismer mindenkit.
Azt is láttuk azonban, hogy a nagy kultúrákban kifejlődő
matematika egyes nehezebb részeinek nem igazán volt
gyakorlati értékük. A bonyolult példák csak arra voltak jók,
hogy valaki megmutassa, mennyire jártas a matematikában.
Lehetséges, hogy ez a komplexebb matematikai tudás később
mégis hasznosnak bizonyul? Érdemes túllépni a számokon és a
méréseken? Lehet ennek bármi kihatása a mindennapi
életünkre? Ezeket a bonyolultabb, matematikát érintő
kérdéseket boncolgatom a következő fejezetekben.
 5. Változó világ

Megyek a kocsimmal egy svéd autópályán. Aki vezetett már

autópályán, jól tudja, milyen unalmas: sok száz kilométeren át
csak egyenes út, fákkal szegélyezve. Szerencsére a svédek jól
neveltek, ugyanahhoz a sebességhez tartják magukat, úgyhogy
nyugodtan bekapcsolhatom a tempomatot. A fedélzeti
komputer egy pillanatra sem pihen: folyamatosan számítgatja,
milyen gyorsan halad az autóm, mennyivel tér el a beállított
utazósebességtől, és hogy ennek megfelelően több vagy
kevesebb gázt kell-e adnia. Egy luxuskocsi azt is figyelné, nem
csalinkázom-e ki a sávomból. Ilyenkor a számítógép azt nézi,
mekkora a távolság az autó és a vonalak között, és hogy milyen
irányba megyek; ha túlságosan félrehúzok, igazít kicsit a
kormányon, és kiszámolja, mennyit kell még állítanom rajta.
Jó, jó, de mennyire nehéz feladatok ezek? Könnyen el
tudnánk végezni őket magunk is, mindenféle háttérszámítás
nélkül. Vetek egy pillantást a kilométerórára, majd addig
csökkentem vagy növelem a sebességet, amíg nem a megfelelő –
már ha számít egyáltalán, hogy pontosan a megfelelő
sebességgel vezessek. Az úton haladóknak együtt kell
mozogniuk a forgalommal, nem pedig mereven ragaszkodniuk
a 120 km/h-hoz. A sávon belül maradni nem nagy kunszt, nem
teszi próbára a képességeinket. Ahogy a komputerét sem,
jóllehet az nem érzi közvetlenül, hogyan reagál a kormány, és
azt sem látja, mi történik az úton. A számítógépnek mindezt úgy
kell kiszámolnia. És képes is erre, ami dicséretes – nem volt
könnyű kidolgozni a megfelelő módszereket olyan változó
folyamatok kiszámolására, mint egy autó sebessége, illetve
távolsága a szomszédos sávtól. Mégis találtak rájuk
matematikai megoldásokat. Ezeket alkalmazza az autónk,
amikor bekapcsoljuk a tempomatot, az önvezető autókban
pedig még több van a hasonló opciókból. Matematika nélkül
mindez elképzelhetetlen volna.
Azt az áttörést, amelynek révén tempomat működhet a mai
gépkocsikban, Isaac Newtonnak köszönhetjük. Legalábbis a
britek szerint. Newtonnal egy időben élt ugyanis
Németországban egy Gottfried Wilhelm Leibniz nevű
matematikus is, aki pontosan ugyanazt gondolta ki, mint az
angol kollégája. Hogy megértsük Newton és Leibniz ötletét, és
azt, hogy miért volt olyan fontos már a kortársaik számára is,
egy kicsit vissza kell térnünk a görögökhöz, egészen pontosan
Arkhimédésznek a hengerek, gömbök és kúpok
összefüggéseivel kapcsolatos felfedezéséhez.
Arkhimédész a térfogatokról akart bebizonyítani valamit.
Talán mindannyian emlékszünk, hogyan kell kiszámolni a
gömb térfogatát, hiszen az iskolában belénk sulykolták a
képletet: 4/3 πr3. A henger térfogatát úgy kapjuk meg, hogy a
kör területét megszorozzuk a henger magasságával, ami ebben
az esetben 2r: πr2 × 2r, azaz 2πr3. Már csak a kúp térfogata
hiányzik, ez pedig 2/3 πr3. Hogy miért pont ezek a
térfogatképletek, az most nem is annyira fontos, még a πr3-t
sem kell hogy értsük; a lényeg, hogy ezekkel a képletekkel egy
csapásra megoldható Arkhimédész problémája. Mennyivel
nagyobb a gömb, mint a kúp? Osszuk el a 4/3-ot 2/3-dal, és máris
megtudjuk: a gömb kétszer akkora, mint a kúp. És mennyi
marad a hengerből, miután gömböt csináltunk belőle? Osszuk
el a 2-t 4/3-dal, és látjuk, hogy éppen a 2/3-a. Lám, elég ismerni
ezt a három képletet, és a görög matematika legnagyobb
teljesítménye máris gyerekjátéknak tűnik.
De miért is volt ez akkora teljesítmény? Először is, a görögök
még nem használhatták a π-t olyan formában, ahogyan mi
használjuk. És ami még fontosabb: ahhoz, hogy valaki rájöjjön
ezekre a képletekre, a végtelennel kell dolgoznia, amire a
görögök nem voltak hajlandók. Megmaradtak az egész
számoknál és a törteknél; tudni sem akartak a végtelenről. Ez
azért lényeges, mert nem minden számot tudunk felírni egész
számként vagy törtként. És a π pont egy ilyen szám: nem
fejezhető ki tört formájában. Ma ugyan vissza tudjuk adni a
tizedesvessző után írt számokkal, de ezekből végtelenül sokat
kell leírnunk. 3,1415 – újabb és újabb tizedesjegyek a
végtelenségig.
Nem mintha a görögök ne tudták volna, hogy nem minden
számot lehet egész számként vagy törtként leírni. Püthagorasz
állítólag vízbe dobatta egy tanítványát, miután az
bebizonyította, hogy a √2 is egy ilyen szám. A felismerés után a
görögök végül arra jutottak, hogy nem kell mindent ugyanazzal
a mércével mérni. Ha valami éppen √2 centiméter hosszú,
akkor ne mérjük többé centiméterben! Olyan mértékegységet
kell találni, amellyel rendes hosszúságokat kapunk. A görögök
szerint tehát az alábbi háromszögnek, amelynek a hosszú
oldala: √2, nem kell minden oldalát ugyanazzal a mércével
mérni.

Egy háromszög, amely fejtörést okozott a görögöknek

Nem csoda, hogy így soha nem jutottak el a 4/3 πr3 képletig.
Ehhez ugyanis abból kell kiindulni, hogy a π igenis olyan szám,
amellyel számolni lehet. Az első, aki valóban számolt is vele, a
bruggei születésű Simon Stevin volt. Stevin azokra az indiai és
közel-keleti matematikai elgondolásokra támaszkodott, amelyek
időközben utat törtek maguknak Európába, és a hatásukra az
európai matematikusok egyre komolyabban kezdték venni a
törteket, amelyeket immár a vessző utáni számjegyekkel írtak le
– például: 1/5 helyett 0,2 alakban. Stevin a 16. század végén a
következő általános definícióban foglalta össze a változásokat:
„Szám az, ami által minden egyes dolog mennyisége
kifejeződik.” Stevin tehát maradéktalanul elfogadta, hogy
mindent egyazon mércével kell mérni, vagyis azt állította, hogy
bele kell törődjünk az olyan számok létezésébe is, mint a π vagy
a √2.
Ez pedig jókora előrelépést jelentett. A π olyan szám,
amelynek tizedes tört alakja végtelen, és nem ismétlődik
periodikusan, vagyis soha nem lehet teljesen leírni. Törtek,
például az 1/3 esetében ezt megtehetjük, még ha a tizedes tört
formájában végtelen sok hármast kell is leírnunk a vessző után:
0,3333… Lényeges különbség a π-hez képest, hogy a vessző után
következő számok megjósolhatók. Előre tudjuk, hogy az 1/3
tizedes alakjában a vessző után újabb és újabb hármasok
következnek majd, míg a π esetében nem tudjuk megmondani,
hogyan követik egymást a tizedesjegyek.
Ennek ellenére ma már senki nem néz ránk ferde szemmel,
ha a π-ről mint számról kezdünk beszélni. Annyira
hozzászoktunk az ilyen típusú számokhoz, hogy csak akkor
kezdjük őket furcsának találni, ha jobban elgondolkodunk
róluk. Milyen félrevezető például a 0,999… is. Ez a szám egyenlő
1-gyel. Bizarr, ugye? Nos, azzal biztosan mindenki egyetért,
hogy az 1/3 ugyanaz, mint a 0,333… Szorozzuk csak be mindkét
számot 3-mal, és máris láthatjuk, hogy 1/3 × 3 = 1 ugyanaz, mint
0,333… × 3 = 0,999…
Hamar beleszédülünk ebbe a végtelenségbe, pedig nélküle
bizony le kellene mondanunk a tempomat kínálta kényelemről.
Az olyan végtelen tizedes törtek híján, mint a π, nem tudnánk
beszélni a folyamatosan változó dolgokról. Nem lenne elég
számunk, hogy elvégezzük például az autónk gyorsulásával
kapcsolatos számításokat. Elvégre egy autó nem egyetlen nagy
lépésben gyorsul 100-ról 101 km/h-ra, hanem közben megy 100
½ km/h-val és 100,1415…-del is (az utóbbinál pedig végtelen sok
számjegy következik a tizedesvessző után). Megfelelő számok
nélkül nem lehetne az autónk sebességét minden pillanatban
kilométer per órában mérni. Ahogy a √2 nélkül sem tudnánk
egy háromszög minden oldalát centiméterben megmérni.

Newton kontra Leibniz

Arkhimédésznek még nem állt elég szám a rendelkezésére,

hogy végiggondolhassa a térfogatokat. Nem tudott mindent
ugyanazzal a mércével mérni, és így a matematika sem lehetett
a segítségére. Ahhoz, hogy a matematikusok térfogatokkal és
változó értékekkel tudjanak számításokat végezni, el kellett
fogadniuk, hogy más számok is vannak a világon, mint egészek
és törtek. Ebben Isaac Newtonnak és Gottfried Wilhelm
Leibniznek volt úttörő szerepe. Mind a ketten 1660 és 1690
között dolgozták ki a maguk újfajta matematikai elméletét, azt
azonban egyikük sem gondolta volna, hogy a másik is
ugyanarra a következtetésre jut. Amit ők ketten kitaláltak, a mai
napig híres-hírhedt része a matematikának, nevezetesen: az
integrál- és differenciálszámítás. Hogy ezeknek mi is a
lényegük? Meg lehet a segítségükkel mondani, hogy milyen
gyorsan változik valami (differenciálás), illetve hogy mennyit
változik az adott idő alatt (integrálás).
Van tehát két matematikusunk, akik forradalmi jelentőségű
elmélettel álltak elő, egymástól függetlenül, ám a két elmélet
szinte egy az egyben ugyanaz volt. Kié legyen a dicsőség? Kié
volt az elsőbbség? Nem könnyű eldönteni, különös tekintettel
arra, hogy Newton Angliában lakott, Leibniz pedig
Németországban. Akkoriban nem ápolt túl jó viszonyt
egymással a két ország, így aztán a szenzációs matematikai
felfedezésre – már csak a nemzeti büszkeség okán is – mind a
kettő igényt tartott.
A történet 1684-ben kezdődött, amikor Leibniz egy
publikációban bemutatta új módszerét, amellyel a változásokra
vonatkozó számításokat is lehetett végezni. A matematikusokat
nyomban lázba hozta a felfedezés, úgyhogy Leibniz köré egész
csoport gyűlt, amely tovább dolgozott az „ő” matematikáján.
1693-ban Leibniz egy szélesebb közönségnek szóló
magyarázatot is megjelentetett az integrál- és
differenciálszámítás tárgyában. Newton ezzel szemben alig
publikált valamit az elgondolásaiból. Sokan voltak a
környezetében, akik tudták, hogy kitalált egy új matematikai
módszert, azzal azonban ők sem voltak tisztában, hogy a dolog
működőképes. Newton igyekezett titokban tartani a
felfedezését, hogy egyedül használhassa a számításait.
Nem csoda, hogy Newtonnak nem volt ínyére, amikor
Leibniz egyszer csak előállt ugyanazzal a matematikai
elmélettel, és a munkájában még csak meg sem említette a
nevét. Holott 1676-ban Newton még egy titkosírással írt levelet
is küldött Leibniznek, amelyben a saját elméletét fejtette ki.
Akkoriban ez sem volt különösebben szokatlan dolog. Galilei is
beszámolt róla Keplernek, hogy látott két holdat a Jupiter körül.
(Csak a kódfejtés nem jött össze Keplernek, aki úgy értelmezte a
levelet, hogy Galilei a Mars mellett látta a holdakat.)
Newton nem azért küldte Leibniznek a levelet, hogy
elmagyarázza neki a teóriáját, hanem hogy szükség esetén
elmondhassa: Leibniz ellopta a matematikai felfedezését. És
később tényleg ezt állította – jobban mondva állíttatta a
tanítványaival. Amikor Newton azt látta, hogy Leibniz nézetei
terjedni kezdenek, arra buzdította a híveit, hogy tegyék
nevetségessé a német tudóst.
Ami ezután következett, egyike a tudománytörténet
legádázabb vitáinak. Még az igencsak edzett kortársakat is
sokkolta az a hangnem, amit a két tábor megütött. Newton és
Leibniz követői éveken keresztül írták a gúnyirataikat egymás
lejáratására. Leibniz egy idő után gondolt egyet, és
megjelentetett egy könyvecskét, amelyben igyekezett tisztázni
magát az őt ért vádak alól, és egyúttal az akkori idők
legnevesebb tudományos szervezetéhez, a Royal Societyhez
fordult segítségért. A Royal Society pedig el is indított egy
független vizsgálatot annak eldöntésére, hogy kit illet az elsőség
a két tudós közül.
A Royal Society azonban nem volt teljesen független.
Történetesen épp Isaac Newton volt az elnöke, s bár Newton
próbálta azt a látszatot kelteni, hogy a hivatalosan felállított
bizottság független vizsgálatot folytat, valójában semmit sem
csináltak. Titokban maga Newton írta meg a jelentésüket,
amelyben persze az állt, hogy minden érdem az övé, Leibniz
pedig egy elvetemült tolvaj, aki képtelen beismerni, hogy
veszített. 133 évnek kellett eltelnie, hogy kiderüljön, Newton
mennyire elragadtatta magát az álláspontja védelmében.
A jelentés természetesen nem tett pontot az ügy végére.
Leibniz, aki nem mondott le jó híre védelméről, „névtelen”
kommentárt fűzött a Royal Society álláspontjához. Még jóval
Newton 1727-es halála után is repkedtek a sértések a két tábor
között. Hogy kinek volt igaza? Ma már tudjuk, hogy az elsőség
Newtoné – ő már 1665-ben kitalálta, hogyan kell integrálni és
differenciálni. Leibniz akkoriban még nem sokat tudott a
matematikáról. De szó sincs róla, hogy ellopta volna Newton
elméletét! Egyszerűen csak volt olyan peches, hogy néhány
évvel később rájött ugyanarra, amire angol kollégája.

Egyre kisebb lépések

Kezdettől fogva világos volt, hogy a matematikának ez az

újonnan megalkotott ága óriási jelentőséggel bír – ezért is
vívtak a tudósok olyan ádáz harcot az elsőségért. De mit is talált
ki Newton és Leibniz? Tulajdonképpen azt, hogy hogyan lehet
kiszámolni, milyen gyorsan változnak a dolgok, illetve mennyit
változnak adott idő alatt. Addig csak olyasmi lehetett a
számítások tárgya, ami végig ugyanaz maradt; az ember akkor
tudott megszámolni valamit, ha ennek a valaminek a
számossága nem változott folyamatosan, ahogy megmérni is
csak olyasmit tudott, ami megtartotta a hosszúságát. Ezen
változtatott Newton és Leibniz, felhasználva a végtelent és a π-
hez hasonló új számokat.
Lépten-nyomon találkozunk olyan helyzetekkel, amikor egy-
egy változás gyorsaságát kell kiszámolni. Az autónk tempomatja
azt számolja ki, mennyivel több gázt kell adni a motornak; az
önvezető autó pedig azt, hogy mennyit kell állítani a
kormányon. De hozhatunk más példákat is: a luxus kávéfőzőnk
azt kalkulálja, hogy mennyit kell melegítenie a vízen, hogy
megfelelő hőmérsékletű legyen a presszókávéhoz. De ugyanez a
megoldandó probléma a kórházban is, ha azt kell kiszámolni,
milyen gyorsan növekszik egy daganat. Bármelyik példát
vesszük, a megoldás módja ugyanaz.
Minden esetben valamilyen változásról van szó. Mindegy,
miféle változásról, matematikai szempontból ennek nincsen
jelentősége. Éppen ezért a lehető legegyszerűbb példán fogom
elmagyarázni a módszert, még ha ez a példa nem is lesz igazán
életszerű.
Képzeljük el, hogy rendőrök vagyunk, és az a feladatunk,
hogy elkapjuk a gyorshajtókat. Azt kell tehát kiszámolnunk,
hogy milyen gyorsan haladnak a járművek, más szóval, milyen
gyorsan változtatják a helyüket. Minimális matematikával és
egyszerű technikával látunk munkához.
A legegyszerűbb megoldás egy szimpla útszakaszellenőrzés,
amihez két rendőr kell. Megállunk az út elején, és amikor
elmegy mellettünk egy autó, felírjuk az áthaladás időpontját, a
társunk pedig egy kilométerrel arrébb ugyanezt teszi. Utána
összehasonlítjuk az időpontokat, bízva abban, hogy ebből
kideríthetjük, milyen gyorsan ment az autó, amikor elhajtott
mellettünk. Nem az a cél tehát, hogy megtudjuk az
átlagsebességét az egy kilométeres szakaszunkon, hanem hogy
meg tudjuk állapítani, hogy mennyi idő alatt tett meg egy
kilométert. Ha tehát fél perc különbség van a mért időpontjaink
között, akkor tudjuk, hogy az autó 120 km/h-s sebességgel
haladt, mert egy kilométer megtételéhez, 120 km/h-s sebesség
mellett, fél percre van szüksége.

De biztos ez? Nem lehet, hogy az autós trükközik kicsit? Ez

bizony megeshet. Sofőrünk észreveszi a rendőrt – hoppá, 140-
nel megyek, ahol 120 a megengedett –, és beletapos a fékbe. Ha
lassabban teszi meg az egy kilométeres szakasz hátralévő
részét, elérheti, hogy a rendőrök számítása alapján ne legyen
120 km/h fölött a jármű sebessége. Megy az elején 140-nel, a
végén viszont már csak 100-zal, a számított sebesség pedig
szépen kijön 120 km/h-ra.
Az ilyen manővereket elkerülendő megtehetjük, hogy
csökkentjük a mérési szakaszt, és mondjuk fél kilométerre
helyezkedünk el egymástól. Ebben az esetben egy 120-szal
közlekedő autósnak csak 15 másodperce van változtatni a
sebességén. Apránként tovább is csökkenthetjük a távolságot,
aminek eredményeképpen a méréseink egyre jobbak lesznek. A
gyakorlatban persze egy adott ponton túl már nem számít,
mekkora a szakaszunk, hiszen nincs az az autós, aki egy ezred
másodperc alatt vissza tudna venni a sebességből. Ezért
működnek jól a sebességjelző táblák. Ugyanezt a számítást
végzik el egy rövid, körülbelül egyméteres szakaszon.
De tételezzük fel, hogy ez sem elég. Pontosan tudni akarjuk,
milyen gyorsan megy az autó abban a pillanatban, amikor
meglátjuk; a legkisebb hibát sem engedhetjük meg magunknak.
Márpedig ha egyre pontosabb eredményre akarunk jutni, egyre
kisebbre és kisebbre kell vennünk a távolságot. És itt kerül be a
képbe a végtelen: végtelenül kicsi távolsággal végtelenül pontos
eredményre jutunk. Newton és Leibniz voltak az elsők, akik ezt
felismerték.
Newton és Leibniz közlekedési rendőrök helyett egy
grafikonban gondolkoztak, és azt a kérdést tették fel, hogy
milyen gyorsan mozog rajta fel és alá egy pont. Minél
meredekebb a görbe, annál gyorsabban mozog a pontunk.
Nézzük meg a grafikon görbéjét az alábbi ábrán (a két másik
vonalat egyelőre hagyjuk figyelmen kívül)! Arra vagyunk
kíváncsiak, hogy jobbra mozogva milyen gyorsan megy felfelé
az alsó pont, vagyis előbb meg kell mérnünk, milyen magasan
áll a pontunk, amikor a görbe alján van, majd amikor valamivel
jobbra található, és aztán a magasságkülönbséget össze kell
hasonlítanunk egy vonallal. Csakhogy így nem kapunk jó
eredményt. A pont egyáltalán nem ekkora sebességgel ment
felfelé a vonal alján – időközben sokkal gyorsabban is haladt,
épp úgy, mintha a példabeli autó gázt adott volna.
 Arra vagyunk kíváncsiak, hogy milyen gyorsan megy felfelé az alsó pont

Newton és Leibniz megoldása a következő: a második pont

balra tolásával csökkentették a két pont távolságát. A kisebb
távolság miatt laposabb lesz a vonal, de ezáltal nem lesz olyan
nagy a hiba. Azt gondolták ki, hogy végtelenül kicsire
csökkentik a két pont közötti távolságot, és akkor úgy fog
kinézni a vonal, mint az ábrán látható alsó vonal. Ez pedig
pontosan olyan meredek, mint ezen a ponton a grafikonunk.
Igen ám, de így meg olyasmivel kell számolni, ami végtelenül
kicsi.
Nos, ezzel a végtelennel Newtonnak és Leibniznek is
meggyűlt a baja. Mi több, évszázadokba telt, mire rájött valaki,
hogyan lehet egyáltalán rendesen lejegyezni. A végtelenül kicsi
nemdebár ugyanaz, mint a nulla. Nulla másodperc alatt pedig
hogy a csudába mérjünk sebességet? Hiszen akkor egy helyben
áll az autónk! Természetesen meg lehet húzni a távolságot az
első két pont között, de mi van, ha a két pont között végtelenül
kicsi a távolság? Hogy rajzolunk akkor vonalat a kettő közé?
 Nem könnyű elképzelni az ilyen dolgokat. Nem véletlenül
tartott annyi ideig, mire a matematikusok megértették, hogy
mit csinálnak. Közben persze vígan számolgattak, hiszen a
módszer működött. Csak azt nem tudták, hogyan működik.
Egyáltalán nem olyan világos a különbség a végtelenül kicsi és a
nulla között, mint ahogy a 0,9999… és az 1 közötti különbség
sem az. Ha az utóbbi esetben nincs is különbség, miért volna
0,0000… és 0 között?
Végül néhány matematikusnak eszébe jutott, hogy úgy,
ahogy van, megszabadul a „végtelentől”. Csak a baj van vele, és
különben is a lehető legkisebb valamit keressük, elég tehát arról
gondoskodni, hogy mindig találjunk egy, az előbbinél is kisebb
távolságot. Vagyis ha úgy látjuk, hogy továbbra is hibás az
eredményünk, megtehetjük, hogy legközelebb egy fokkal még
pontosabban mérünk. Vagy ez még mindig túl elméleti
megközelítés? Semmi vész, nem olyan fontosak a részletek.
Elég, ha a lényeget értjük: azáltal, hogy egyre kisebbre vesszük
a távolságot, egyre pontosabban meg tudjuk mondani, milyen
gyorsan megy az autónk a szakasz elején.
Miért nem tudták ezt a régi görögök? Először is nem volt
hozzá elég számuk: bármikor kijöhet egy olyan sebesség, mint a
π, és ők nem lettek volna képesek egy ilyen mennyiség
mérésére. Emiatt aztán a számítások sem működnek, mert
azokhoz minden lehetséges sebességet ki kell tudnunk
számolni. Másodszor pedig badarságnak tartották ezt az egész
végtelenesdit. Végtelenül kicsi távolságot mérni? Mi ez a
sületlenség? A görögök tehát sem kiköpni, sem lenyelni nem
tudták a véletlent. Kicsit talán mi is így vagyunk ezzel. Ma sem
könnyű felfogni, hogy működnek az így kiszámolt
differenciálok.

Lépéseket számolni

Sajnos az integrálokat sem könnyebb megérteni. A

differenciálok a sebességről szólnak; azt mondják meg, milyen
gyorsan változik valami. Az integrálok ezzel szemben a
mennyiségre vonatkoznak; azt mondják meg, mennyit változott
valami. Vagyis a lehető legpontosabban összeszámolják a
változásokat. Tudni akarjuk, bizonyos idő alatt mekkorát nőtt
egy tumor? Akkor az integrálszámításra van szükségünk.
Valahányszor a teljes változásra vagyunk kíváncsiak, az
integrálszámítást hívjuk segítségül, legyen szó akár az
áramfogyasztásunkról, vagy annak valószínűségéről, hogy
Donald Trump nyeri-e az elnökválasztást, egy támasztógerenda
maximális elhajlásáról vagy egy autóbalesetben az
elszenvedhető személyi sérülésekről. Észre sem vesszük, de
integrálokkal találkozunk mindenütt. Az autógyártásban is,
amikor egy-egy fejlesztés során az utasok túléléséről
gondoskodnak.
Hogy zajlik mindez a gyakorlatban? Képzeljük el, hogy a
Mercedesnek dolgozunk, és biztonságosabbá akarjuk tenni a
gépkocsikat. Ezt úgy is megtehetjük, hogy mindenfélét
kipróbálunk, autókat törünk szét, és megnézzük, mi történik, de
másképp is csinálhatjuk: egy kis matematikával, sokkal
olcsóbban.
Amikor egy autó karambolozik, főleg a bent ülők feje
sérülhet meg; minél gyorsabban és hosszabb ideig mozog az
autó, annál veszélyesebb a karambol. A gyorsaság tehát fontos
tényező, ezt pedig – első lépésben – egy differenciállal tudjuk
kiszámolni. Az ütközés minden pillanatában megnézzük,
milyen gyorsan mozog a fej. Előbb előrevágódik. Remélhetőleg
egy légzsáknak ütődik, és eközben a sofőr lefékezi a járművet.
Majd a fej hátracsapódik, neki a fejtámlának, aztán megint
vissza és előre.
A Mercedes matematikusaként tehát azt fogjuk kiszámolni
először, milyen gyorsan mozog a bent ülők feje nagyon sok,
egymást követő pillanatban. De ebből még nem tudjuk meg,
milyen veszélyes az ütközés, mert csak a gyorsaságot ismerjük.
Ezért egy integrálra is szükségünk van. Nem vitás, hogy a nagy
sebességű mozgás veszélyes, de nagyon sokáig nagy sebességgel
ide-oda rángatózni még veszélyesebb. Gondoljunk csak bele:
egyszer gyorsan megperdülni még nem olyan kellemetlen, de
húsz ilyen forgás után már borzasztóan szédülünk.
Vagyis jó okunk van rá, hogy összeadogassuk, mennyit
mozog a fej a karambol alatt. Egy lusta matematikus egyetlen
sebességre szorítkozna. Kiválasztaná mondjuk a legnagyobb
sebességet, és összeszorozná az ütközés idejével. Ebből azonban
olyan előrejelzések jönnének ki, amelyek nem állják meg a
helyüket: az autók sokkal kevésbé tűnnének biztonságosnak,
mint amilyenek a valóságban. Ugyanaz a probléma tehát, mint
a korábban taglalt szakaszos sebességmérésnél.
A megoldás is ugyanaz, mint az előbb: ha nagyon sok kis
lépést összeadunk, pontosabb lesz a számításunk.
Tulajdonképpen ha összeadjuk az összes végtelenül kicsi lépést,
pontosan megtudjuk, mennyit mozgott ide-oda a fej, vagyis
hogy milyen veszélyes volt az ütközés. Ma is ilyen számítással
jósolják meg az autógyártók, milyen biztonságosak az autóik.
Természetesen a valóságban is tesztelik a kocsijaikat, de egy
matematikai számítás könnyebbé és biztosabbá teszi a
folyamatot – nem kell annyi autót összetörniük, hogy
megtudják, mennyire biztonságos a modelljük. Ez alapján a
kutatók már meg tudják mondani, milyen eredmény mellett
nem szenvednek az utasok például agyrázkódást. Így
gondoskodnak a biztonságunkról az integrálok.
De nem volt valami köze az integráloknak a terület- és
térfogatszámításhoz is? Talán még rémlik a középiskolából,
hogy Arkhimédész gömbökre, gúlákra és hengerekre vonatkozó
tételéhez szintén integrálással kapjuk meg a képletet. Ráadásul
ott is ugyanazt a trükköt kell bevetni, csak már nem olyan
világos a változás; magunknak kell kitalálnunk. Az alábbi ábrák
azt mutatják, hogyan számoljuk ki a területet: egy csomó kis
lépésben, amelyeket aztán összeadogatunk. De nem akárhogy
haladunk, egyre kisebbre kell vennünk a lépéseket. Ezáltal a
téglalapjaink – a területszámításunk – egyre jobban passzolnak
a hullámvonal alatti részhez. Csak a változás nem akar látszani.
 Egy görbe alatti terület hozzávetőleges kiszámítása;
Ahogy a téglalapok keskenyednek, a számítás egyre pontosabb lesz

Egy keskeny ösvényen járva a téglalapokra osztott formánkban

végül a hosszúságok és szélességek egyszerű összeszorzásával is
ki tudjuk számolni a területet. Utána csak össze kell számolni a
téglalapokat, hogy megkapjuk a végeredményt. A változás nem
más, mint a téglalapok mentén a fel-alá mozgásunk, miközben
azt számoljuk, mennyit mozogtunk. S mivel egyre kisebb
téglalapokban mozgunk, a változás végösszege egyre jobban
meg fog felelni a megmérendő területnek.
Így számítunk területet, de így számítunk térfogatot is.
Térfogat esetében is elég, ha fel-alá mászkálunk. Maga a
számolás valamicskét bonyodalmasabb, de az elv attól még
ugyanaz: ide-oda megyünk, és a végén összeadogatjuk, mennyit
mentünk összesen. Olykor csak ennyi az egész – mint amikor
rátalálunk a fejezetben emlegetett térfogatképletekre. Néha
viszont egyedibb a feladat. Az ütközés veszélyességének
kiszámítását is tekinthetjük például területszámításnak: itt a
görbe alatti téglalapok felelnek meg a fej mozgásának. Ha a
görbe azt mutatja meg, milyen gyorsan mozog a fej, és a
magasabb pont gyorsabb mozgást jelent, akkor a bejárást
követően az összeadás eredményéből látjuk, mennyit mozgott
összesen az ide-oda csapódó fejünk. Más megfogalmazásban, de
ez ugyanaz a gondolat.

Változékonyabb már nem is lehetne: az időjárás

Ezt is megértük: végre jó időt mondanak másnapra. De

mennyire hihetünk az előrejelzéseknek? Annyiszor
mellétrafáltak már, nem árt, ha fenntartásokkal kezeljük a
meteorológusokat. De csakugyan ezt kéne tennünk? Amíg nem
tudtak integrálokat és differenciálokat használni, biztosan így
volt. Amióta azonban a nagy komputerek erre is lehetőséget
kínálnak, meglepően pontosak az előrejelzéseik – hasonlítsuk
csak össze azokat a hetvenes évekbeli prognózisaikkal!
Addig elég egyszerű volt a képlet. Első lépés: nézz ki az
ablakon, tanulmányozd az égen látható felhőket, mérd meg a
hőmérsékletet és így tovább. Második lépés: nézd ki az
archívumból, volt-e olyan nap, amikor ugyanilyen volt az
időjárás. Harmadik lépés: az előrejelzés nem más, mint annak a
napnak az időjárása, amelyik a kinézett nap után következik az
archívumban. Vagyis az ember úgy tesz, mintha az aktuális
időjárás ugyanolyan lenne, mint a múltbeli, amiből az
következik, hogy az elkövetkező napokban is ugyanaz várható,
mint ami annak idején. De ha csak a felhőket meg a
hőmérsékletet nézzük, szinte soha nem fog beválni a jóslatunk.
Az időjárás sokkal bonyolultabb ennél, ezért is tévedtek
annyiszor az előrejelzések.
Természetesen az időjárást is „kiszámolhatjuk”. Az idő
változásai, a légáramlatok – mindezt mintha csak arra találták
volna ki, hogy bevessük az integrál- és differenciálszámítást. Az
első világháború idején Lewis Richardson kezdett először
kísérletezni matematikai számításokon alapuló időjárás-
jelentéssel – a hadviselésben is kapóra jött volna a pontos
prognózis. Richardson óvatos volt, hatórás jóslatokkal kezdte.
Kinézett az ablakon, nekilátott a számolásnak, és miután
végzett, tudta, milyen idő lesz hat órával később. Azazhogy azt
tudta, milyen idő volt – merthogy Richardson egy ponton
biztosan elszámította magát: nem kevesebb mint hat hétig
tartott, mire az összes számítást el tudta végezni.
Számítások alapján előre jelezni az időjárást nagyon nehéz
dolog. Nem elég, hogy sokáig tart, de még könnyen hibák is
csúszhatnak a kalkulációba. Ennek az az oka, hogy az
időjárásban nagyon sok minden változik. A levegőnek minden
kis része mozgásban van, változik a hőmérséklete, a
páratartalma, és még sorolhatnánk. Tudni kell, hol vannak a
ciklonok és anticiklonok, milyen irányba és milyen gyorsan
tolódnak el – és mindezt nemcsak egy helyen, hanem az
atmoszféra jelentős részében. Ráadásul csekély változások is
jelentős különbségekhez vezethetnek.
A rengeteg változás miatt ma sem tudjuk teljes pontossággal
előre jelezni az időjárást. Nincs az a gigantikus
szuperszámítógép, amely elég gyors volna ahhoz, hogy az
összes számítást időben el tudja végezni. Így aztán a
meteorológusok lemondtak róla, hogy mindent pontosan
tudjanak, és inkább a köztes megoldást választották: egy
szuperszámítógép úgy tesz, mintha egy-egy tíz
négyzetkilométeres zónán belül mindenütt azonos lenne az
időjárás. Az ennél kisebb területek esetében már túl sok lenne a
számítási feladat. Emiatt aztán némileg pontatlanok maradnak
az időjárás-előrejelzéseink, bár így is jóval megbízhatóbbak,
mint a számítások előtti időszakban.
Hinnünk kell tehát az időjósnak, amikor szép időt mond
másnapra? Igen. Igaz, hogy a meteorológusok nem tudják
pontosan megjósolni az időjárást, de így is nagyon jók az
előrejelzéseik. A komputerek kiszámolják, hogyan változik az
idő a zónák között. Nézik, milyen gyorsan mozog a levegő – erre
jók a differenciálok –, és nézik, hogy adott idő alatt mennyit
változnak a dolgok – erre meg ott vannak az integrálok. Hála a
matematikának, egyre jobbak az előrejelzéseink. Ma már
inkább az a ritka, ha nem sikerül megjósolni a másnapi
időjárást. Az esetek nyolcvan százalékában a meteorológusok
egy hétre előre is meg tudják már mondani, milyen lesz az idő.
Nem állíthatjuk tehát, hogy teljesen haszontalan az integrál- és
differenciálszámítás!

Integrálok és differenciálok az építészetben, a

politikai tervezésben és a fizikában
Nem minden olyan változékony, mint az időjárás, de sok
minden más is változik a világban. Olyasmi is, amin talán észre
sem vennénk. Vegyük például az épületeket. Egy épület
károsodik a széltől, terheli a benne járók súlya is. Húzza lefelé a
gravitáció, össze kéne hogy omlassza, ám az épület mégis
szilárdan áll a helyén. Hogyan lehetséges ez? Hát úgy, hogy
tudjuk, hogyan kell megépíteni – amióta pedig matematikát
használunk a tervezéshez is, még jobban tudjuk.
Hosszú időn át az épületek tervezése a korábbi tapasztalatok
alapján történt. Az emberek csak olyasmit építettek meg, amit
már ismertek, nem nagyon kísérletezgettek. Ha ki is próbáltak
új dolgokat, csak óvatosan tették, bízva abban, hogy
elkerülhetik a bajt. Az építészet művészet volt, ám ez a
művészet 1900 táján mindinkább átalakult tudománnyá.
Vegyük csak a Golden Gate hidat! Amikor megépült, messze a
leghosszabb híd volt a világon: közel három kilométer,
kábeleiben 129 ezer kilométernyi dróttal. Minden nagyobb volt
rajta, mint bármelyik korábban felhúzott hídon. Hogyan épít
egy ilyen hidat az ember? És honnan tudhatja, hogy az
építmény nem fog leszakadni? Hogy nem rombolja le a szél,
hogy nem roskad össze a saját súlya alatt? Úgy, hogy
kiszámolunk mindent előre.
Hogy egy leendő híd szilárdan áll-e vagy leszakad, olyan, a
fizikában használatos számításokkal megjósolható, amelyek
integrálokra és differenciálokra támaszkodnak. A Golden Gate
főleg acélelemekből áll, amelyek meghajlanak a súly alatt, ezért
ki kellett számolni ennek a meghajlásnak a mértékét. A
formaváltozást egy differenciál mondja meg. Ha pedig azt is
tudni akarjuk, mekkora lesz egy-egy gerenda maximális
meghajlása, integrálra van szükségünk. Közben persze rengeteg
más dolgot is számításba kell vennünk, például a gerenda
fekvését. Egy lapjára fektetett gerenda sokkal jobban meghajlik,
mint egy élére állított (lásd az alábbi ábrát).

A helyzetük szerint a gerendák különböző mértékben

deformálódnak

A matematika sok kockázattól megszabadítja az építészetet. A

Golden Gate híd építői korábban is dolgoztak már
acélgerendákkal, de Golden Gate-méretű híddal még senkinek
nem volt dolga – pláne nem acélból. Persze az ember vaktában
is nekiállhat, és bízhat a jó szerencsében. Lehet reménykedni
benne, hogy nagyban is összejön az, amit kicsiben már
megépítettek. De hát ez azért drága mulatság. Gondoljunk csak
bele! Mi van, ha félresikerül a dolog? Melyik adófizető akarna
olyan kísérletsorozatra áldozni, amelynek során egyik híd
szakad le a másik után? Hála az előzetes számításoknak, ma
már nem kell kísérletezgetnünk. A matematika lehetővé tette,
hogy egyre nagyobb, egyre komplexebb épületek szülessenek.
Mivel ki tudjuk számolni, hogy egy tervezett épület megáll-e a
talapzatán vagy összedől, olyan épületeket is fel tudunk húzni,
amilyeneket korábban még senki sem látott. Számítások nélkül
aligha tudtuk volna kivitelezni a képen látható pekingi épületet.

A CCTV-torony Pekingben

De sok más területen is találkozhatunk változással. Gondoljunk

csak a gazdaságra, az ide-oda áramló pénzre! A munkahelyek, a
betöltetlen állások és a munkakeresők száma is folyamatosan
változik. Olykor a kormányzat azzal a céllal hoz intézkedéseket,
hogy kedvező változásokat indítson be, és mi sem
természetesebb, mint hogy az ilyen politikai terveket át kell
gondolni. Ott van például az osztalékadó eltörlésének terve.
Milyen hatást gyakorolhat a gazdaságra? Az ilyen kérdések
megválaszolására tartja fenn Hollandia a Központi Tervirodát
(Centraal Planbureau, CPB), ahol alaposan megvizsgálják a
kormány terveit, és kiszámolják az előre látható hatásaikat.
A CPB nem az ujjából szopja az eredményeket. Van egy sor
matematikai modellje: képletek, amelyek a gazdaságról szólnak.
Ezekkel a képletekkel megjósolhatók egy-egy változtatás
következményei. És hogy miből állnak ezek a képletek?
Természetesen integrálokból és differenciálokból, amelyekkel
kiszámolhatjuk a változásokat.
Az osztalékadó eltörlésével megváltozik az államkasszába
befolyó pénzmennyiség, és ezzel együtt az a pénzmennyiség is,
amely az állampolgároknál marad. Ennek, ha minden jól megy,
pozitív hatása lehet a gazdaságra. Változtatunk valamin, és
reméljük, hogy ettől minden más is javulni fog. A CPB-nek az a
dolga, hogy segítsen végiggondolni ezeket a folyamatokat, ami
pontosabban megy, ha matematikai számításokat végez közben.
A számítások egyébként arra is jók, hogy semmi se kerülje el a
figyelmünket: mi magunk talán megfeledkeznénk valamiről, a
képletek alkalmazása közben azonban nem kell ilyesmitől
tartanunk.
A CPB számításaival legfeljebb csak a választások idején
találkozunk. Azonban gyakrabban belefuthatunk az
integrálokba és differenciálokba a közvetlen környezetünkben.
Elég csak a különböző gépekre és készülékekre gondolni, az
autónktól a kávéfőzőn át a termosztátig, de a repülők
robotpilótája is ezek alapján működik. Az említett gépek,
készülékek éppen azt a matematikát nem nélkülözhetik,
amellyel a középiskolásokat ki lehet kergetni a világból.
 Hogy mi bennük a közös? Az, hogy figyelnek egy értéket, és
ezen az értéken mindig változtatniuk kell. A termosztátnak
például megfelelő hőmérsékleten kell tartania a lakásunkat,
amit számítások alapján tud végrehajtani. Tegyük fel, hogy
reggel 16 fok van a lakásban, és azt szeretnénk, hogy 18 fok
legyen. A termosztát kiszámolja, milyen fokozatra kell tennie a
fűtést, és mennyi ideig kell ezen a hőmérsékleten tartania. Egy
differenciál segítségével figyeli, milyen gyorsan tűnik el a
különbség a jelenlegi és a kívánt hőmérséklet között, vagyis
hogy milyen gyorsan melegszik fel a levegő. A differenciálok és
integrálok segítségével el tudja kerülni, hogy túlmelegedjen a
lakás.
Más készülékeknek is hasonló a működésük. A tempomat
először módosítja, majd tartja a kocsink sebességét. Ehhez
folyamatosan gázt kell adnia, különben fékezni kezd az autó. De
hogy mennyi gázra van szüksége, azt differenciálok és
integrálok segítségével számolja ki. Szintén ezt teszi a
repülőgépek robotpilótája, de ennek az elvnek az alapján
működik a SpaceX rakétáinak vezérlése is. Hosszan
sorolhatnánk még azokat a gépeket, amelyek esetében
elkerülhetetlen az integrál- és differenciálszámítás.
És végül, de nem utolsósorban: a fizika sem nélkülözheti az
integrálokat és differenciálokat. Minden folyamatosan változik,
ezért ha tanulmányozni akarjuk a természetet, olyan
módszerre van szükségünk, amely számot tud adni ezekről a
változásokról. Az integrál- és differenciálszámítás alkalmas erre
a feladatra. Newton mindjárt be is építette a gravitációról
alkotott elméletébe. Akkoriban még új volt a dolog, ezért nem
sokszor használta a módszert. A megfogalmazásai azonban –
mint azt a 2. fejezetben láttuk – így is meglepően pontosak és
egyszerűek voltak. Olyan pontosak és egyszerűek, hogy a nagy
20. századi fizikus, Richard Feynman szerint minden változtatás
csak rontott volna rajtuk.

Integrálozzon az egész világ?

Az integrálok és differenciálok rendkívül fontosak. Csak az a

baj, hogy jóval nehezebben érthetők, mint az előző fejezetben
tárgyalt számtan és mértan. Tényleg muszáj velük
foglalkoznunk? Alig akad középiskolás, aki ne tette volna fel
már magának ezt a kérdést. Fogom én valaha használni a
differenciál- és integrálszámítást a nagybetűs életben? Attól
függ. Ebben a fejezetben feltártam, hogy az élet számos
területén alkalmazzák őket. Épületeket fogsz tervezni? Akkor jó
eséllyel találkozol majd velük. Természettudományos pályára
lépsz? Készülj fel rá, hogy valószínűleg használni fogod őket. És
akkor is, ha ütközési teszteket végzel, vagy jármű-
formatervezőként dolgozol. De az tény, hogy választhatsz olyan
szakmát is, amely mentes az integrál- és
differenciálszámításoktól.
Szó, ami szó, nagy az esély arra, hogy soha nem kerülünk
olyan helyzetbe, amelyben integrál- vagy differenciálszámítást
kell végeznünk. Nem kell mindent kiszámolnunk ahhoz, hogy
elgondolkodjunk az életünkben zajló változásokról. Ebben az
értelemben csakugyan igaz, hogy nem használunk integrálokat-
és differenciálokat a hétköznapi életünkben. Személyesen
semmi dolgunk velük, hacsak nem választunk olyan
foglalkozást, amely szorosan kötődik a matematikához. De még
ebben az esetben sem biztos, hogy hasonló számításokat kell
végeznünk. Legalábbis nem saját kezűleg. A jövőben egyre
könnyebb lesz a számítógépekkel végeztetni a számításokat.
Miért kéne hát bármit is megtanulnunk az integrálokról és
differenciálokról? Tegyük fel, hogy az ember már csak azért is
meg akarja érteni a számokat, mert a hatóság ezekkel számolja
ki az adóját. Elég bosszantó volna, ha valamit elszámolnának,
mi pedig észre sem vennénk. De az integrál- és
differenciálszámításokat nem kell leellenőriznünk. Igen,
számolnak velük, és hoznak döntéseket e számítások alapján.
De ellentétben azokkal a számokkal, amelyek alapján az
adónkat számolják ki, az előbbi számításoknak az eredményei
általában nincsenek közvetlen hatással az életünkre.
Mindez nem jelenti azt, hogy jajveszékelnünk kéne a
középiskolai tananyag láttán. Lehet, hogy az integrálok és
differenciálok kicsit bonyolultabb teóriára épülnek, de
remélem, sikerült ezt a teóriát megvilágítanom. A matematikai
jelek hajlamosak elfedni előlünk az alapgondolatot, ami ez
esetben a következő: ha a változást akarjuk tanulmányozni,
bontsuk azt a lehető legkisebb darabokra. Ha valaki meg akarja
érteni, hogyan működnek a különböző gépek körülötte, nem
árt, ha tudja ezt.
 Az integrálok és differenciálok megváltoztatták a világot.
Lehetővé tették, hogy egy sor technikai vívmány megszülessen
a repülőgépektől a számítógépen át az okostelefonokig –
egyszerűen szükségünk van rájuk a világ jobb megértéséhez. Az
így megszerzett tudásnak köszönhető, hogy ki tudjuk aknázni és
tovább tudjuk fejleszteni a modern technikákat; ezen ismeret
nélkül csak arra tudnánk hagyatkozni, amit a gyakorlatból
ismerünk. Mennyivel bonyolultabb volna nagy és változatos
épületeket konstruálnunk, nem is beszélve a már említett
modern találmányokról! Egyszóval integrálok és differenciálok
nélkül másképpen nézne ki a világ.
Egy szó, mint száz, nem haszontalan dolgok. Hogy
integrálozzon-e az egész világ? Nem, erre semmi szükség
nincsen. Mindamellett örülnék neki, ha mindenki megértené az
ilyesféle számítások mögött meghúzódó gondolatot, mert ha
rejtetten is, de az integrálok és differenciálok jelen vannak a
minket körülvevő világban, nem egy területen fontos szerep jut
nekik az életben. Kár, hogy olyan ijesztő módon tanítják őket az
iskolában. Pedig erre semmi szükség: sem az elgondolás, sem a
gyakorlati hasznuk nem felfoghatatlan.
 6. Megragadni a bizonytalant

2016 ősze. Ismét Amerikán a világ szeme, és ahogy az már lenni

szokott, most sem bírjuk kivárni az elnökválasztás eredményét.
Előre tudni akarjuk, kinek van nagyobb esélye nyerni: Hillary
Clintonnak vagy Donald Trumpnak? Az akkori jóslatokat azóta
már elrettentő példaként szokás emlegetni. A közvélemény-
kutató szakemberek 70 és 99 százalék közé tették Clinton
győzelmi esélyeit. 99 százalékra!
Jól tudjuk, mi történt. Óriási meglepetésre Trump nyerte a
választásokat. Csúnyán mellétrafáltak a közvélemény-kutatók.
Azok, akik Clintont hozták ki biztos befutónak, mindenképpen.
Hogyan tévedhettek ekkorát? Ez bizony jó kérdés, pláne, ha az
ilyesfajta tévedések még gyakoriak is. Emlékezzünk csak a
Brexit-népszavazás előtti közvélemény-kutatásokra! A
felmérések szerint a britek többsége a maradásra akart
szavazni. A számok nem tükröztek akkora magabiztosságot,
mint az amerikai elnökválasztás alkalmával, de így is
egyértelmű volt a remain szavazatok fölénye. És ebben az
esetben is tévesnek bizonyultak az előrejelzések: a többség az
EU ellen szavazott.
Mihez kezdjünk akkor a közvélemény-kutatásokkal?
Bízhatunk bennük, ha a számok képesek a bolondját járatni
velünk? Igen, bízhatunk, de nem vakon. Mivel a felmérések
tévesek is lehetnek, nem árt tudni, hogyan működnek. Elvégre a
közvélemény-kutatások is számítások, s mint ilyenek,
valahonnan eredeztethetők. Meg hát nem is végzünk olyan
régóta közvélemény-kutatásokat; az ókori Athénban például
nem foglalkoztak ilyesmivel (pedig ott is szavazás útján
döntöttek a fontos közügyekről), mert nem állt még
rendelkezésükre az a matematikai módszer, amellyel
megjósolhatták volna az eredményeket. Ahogyan Newton és
Leibniz korában sem létezett, igaz, akkor már dolgoztak rajta.

Játékok a matematikában

Ha a kezdetekre vagyunk kíváncsiak, 1654-ig kell

visszamennünk, amikor is két (műkedvelő) matematikus, Blaise
Pascal és Pierre de Fermat izgalmas vitát folytattak egymással –
a kockajátékról. Úgy kezdődött a dolog, hogy Pascalhoz
feladványt intézett egy De Méré nevű lovag. De Méré, aki nagy
kedvelője volt a szerencsejátékoknak, a következő problémát
vetette fel. Előfordul, hogy egy játékot még azelőtt abba kell
hagyni, hogy egyértelműen kiderülne, ki a nyertes. Képzeljük el,
hogy egy házhoz beállít a király; a játékosok ebben az esetben
kénytelenek félbehagyni a játékot. De Méré arra volt kíváncsi,
hogyan kell ilyenkor elosztani a játékban feltett pénzeket.
Pascal, aki nem tudott mindjárt feleletet adni a lovagnak,
megtárgyalta a kérdést Fermat-val. Végül eljutottak a
megoldásig, amely a valószínűség volt. Mekkora a
valószínűsége annak, hogy egy adott játékos nyeri meg a
játékot? Így született meg a valószínűségszámítás.
Tegyük fel, hogy egy olyan játékot játszunk, amelyben három
kört kell megnyerni, és amikor kényszerűségből félbehagyjuk a
játékot, az állás 2-1 a mi javunkra. Mennyit fizessen az
ellenfelünk? A betett pénz 2/3-át, mivelhogy két kört már
megnyertünk a háromból? Nem, ennél több pénz jár nekünk.
Az a kérdés, mekkora a valószínűsége annak, hogy az összes
betett pénz a miénk lesz. Az esély ¾, ezért a betett pénz ¾-ét
kell hogy megkapjuk. Pascal és Fermat úgy jutottak erre a
megoldásra, hogy számba vették a játék lehetséges kimeneteleit,
ahogy azt a következő ábrán láthatjuk.

A félbeszakított játék lehetséges eredményei

Tegyük fel, hogy a következő kört is megnyerjük – ekkor a

végeredmény 3-1 lesz. A másik lehetőség, hogy az ellenfelünk
nyer, és még egy kört kell játszanunk, ami után vagy 3-2, vagy 2-
3 lesz a végeredmény. A három esetből tehát kettőben mi
nyerünk. A bökkenő csak az, hogy a lejátszott körök száma nem
mindenütt egyforma. Számításba véve, hogy esetleg egy extra
kört is játszunk, hogy aztán 3-2 vagy 4-1 legyen a végeredmény,
beláthatjuk, hogy tulajdonképpen négy esetből háromban
nyerjük meg a játékot. Így jött ki a ¾-es esély Pascalnak és
Fermat-nak.
Jó ez valamire? Ami azt illeti, el tudunk képzelni fontosabb
feladatokat is annál, mint amin Pascal és Fermat törték a
fejüket. Néha talán megesik, hogy hasonló helyzetbe kerül
valaki, de az is egy megoldás, hogy a játékot befejezzük egy
későbbi időpontban. Meglepően haszontalannak tűnik ez a fajta
időtöltés, pedig a matematika egyik leggyakrabban alkalmazott
ága nőtte ki magát belőle! Jó pár matematikus azonnal
belevetette magát az ilyesféle számításokba, más helyzetekből
és egyre bonyolultabb játékokból kiindulva.
De tényleg olyan haszontalan a valószínűségek
számítgatása? Ha meggondoljuk, hogy Fermat és Pascal
korában egyre többeket foglalkoztattak a kereskedelem
kérdései, máris nem tűnik olyan feleslegesnek a dolog. Voltak
befektetők, akik arra spekuláltak, hogy egy árukkal megrakott
hajó épségben meg fog érkezni a kikötőbe. Majd visszatáncoltak
az üzlettől, mondván, inkább mégis másba szeretnék fektetni a
pénzüket. Nem kizárt, hogy a matematikusok épp a hasonló
helyzetek miatt töprengtek el az „idő előtt” visszavett
pénzekről.
Bármi volt is a motivációjuk, tény, hogy a játékok
tanulmányozása nem vezetett mindjárt használható
eredményekre. A Pascal–Fermat-féle megoldásnál ugyanis már
előre tudnunk kell, mekkora a valószínűsége annak, hogy mi
nyerjük meg a parti egy-egy körét. A példámban úgy tettem,
mintha mindkét játékosnak ugyanakkora esélye volna a
győzelemre, így jött ki a ¾. A legtöbb játékban azonban ez nem
így van. Talán jobbak vagyunk, mint az ellenfelünk, és akkor a
nyerési esélyeink is nagyobbak. A fenti módszerrel
tulajdonképpen úgy számoljuk ki a valószínűségeket, hogy már
eleve pontosan tudjuk, mi hogyan történik. Gondoljunk vissza a
választásokra! Az előbbi példában használt
valószínűségszámítást ebben az esetben csak akkor lehetne
alkalmazni, ha minden egyes választóról tudnánk, mekkora
valószínűséggel szavazna Donald Trumpra vagy Hillary
Clintonra. Valójában tehát minden egyes választásra jogosult,
névjegyzékbe vett amerikairól tudnunk kéne, kire fog szavazni.
Ez azonban nonszensz; nem olvashatunk minden amerikai
gondolataiban. Ha képesek volnánk erre, nem volna
szükségünk az előrejelzésekre. Előre tudnánk a választ, mert
bizonyos értelemben már meg is tartottuk volna a
választásokat!
Úgy számolni ki az esélyeket, hogy nem vagyunk birtokában
a válaszhoz szükséges információknak – ezzel már tényleg
mennénk valamire. De hogyan kezdjünk hozzá? Kiindulhatunk
valami megfoghatóból – például egy választási preferenciákra
vonatkozó kérdőívből. Ilyet azonban csak korlátozott számú
emberrel töltethetünk ki, akikről ráadásul nem is tudhatjuk,
mennyire lesznek őszinték. Vagy kiindulhatunk egy még
egyszerűbb adatból, abból például, hogy milyen egy kő színe.
Jakob Bernoulli legalábbis ezt tette Ars Conjectandi című
könyvében. A munka 1713-ban jelent meg, bő 50 évvel Pascal és
Fermat vitája után – ennyi időbe telt, mire rájött valaki, hogy
jobb volna valami gyakorlati haszonnal kecsegtető tárgyat
választani.
Bernoulli volt az első, aki anélkül próbált valószínűséget
számolni, hogy már előre tudta volna az összes lehetséges
kimenetelt. Tegyük fel, hogy van egy nagy agyagurnánk, 5000
kis fehér és fekete kővel a belsejében. Nem tudjuk, hogy a kövek
közül mennyi a fekete és mennyi a fehér. Hogy ezt kiderítsük,
néhány követ találomra kiemelünk az urnából: két fekete és
három fehér követ tartunk a kezünkben. Vajon ez azt jelenti,
hogy 2000 fekete és 3000 fehér kő van az urnában? Talán, de az
is megeshet, hogy összesen csak három fehér kő volt az
urnában, és mi véletlenül éppen azt a hármat vettük ki. Ennek
természetesen sokkal kisebb az esélye, mégsem zárhatjuk ki a
lehetőségét.
Tovább szedegetjük hát a köveket, miközben minden
alkalommal ugyanazt az arányt látjuk: két fekete, három fehér.
Logikusnak tűnik, és egyre biztosabbnak látszik, hogy tényleg
3000 fehér kő van az urnánkban, mint ahogy a napok számával
is egyre biztosabbak leszünk abban, hogy másnap reggel is
felkel a nap. De hány követ kell kiemelnünk ahhoz, hogy joggal
mondhassuk: ez a jó arány? Ahhoz, hogy ezt „morális
bizonyossággal” kijelenthessük, Bernoulli szerint 1000 esetből
999-szer a jó aránynak kell kijönnie. De akadt egy kis bökkenő.
Bernoulli számításai szerint már ahhoz is, hogy 50 esetből 49-
szer jó eredményt kapjunk, nem kevesebb mint 25 550 követ
kell kiemelnünk!
Nos, ezen a ponton megszakad Bernoulli kézirata. És nem is
csoda, hogy félbehagyta, hiszen senkitől nem várható el, hogy
25 550-szer végezzen el egy kísérletet a „morális bizonyosság”
kedvéért. Az eredményeit nem hozta nyilvánosságra, a könyv
csak nyolc évvel a halála után jelent meg, az unokaöccse
jóvoltából. A késlekedéshez egyébként az is hozzájárult, hogy
Bernoulli özvegye nem bízott senkiben – sem a sógorában,
akivel tudományos folyóiratok hasábjain veszekedett, sem a
férje unokaöccsében.
Bernoulli tehát jó irányba indult, de problémákba ütközött.
Először is: meg kell határozni, mi a jó arány, vagyis előzetesen
el kell dönteni, mekkora a valószínűsége annak, hogy 3000
fehér kő van az urnában. Ha annak a valószínűségére vagyunk
kíváncsiak, hogy 2999 fehér kő van-e az urnában, már más
számítást kell végeznünk. Másodszor: túl sok kísérletet kell
végrehajtanunk, túl szigorúak a követelmények a bizonyosság
megállapításához. A mai tudomány követelményei szerint már
az is elég, ha 20-ból 19-szer igazunk van.
A matematika tehát játékokkal kezdte a valószínűségek
vizsgálatát, és a kezdeti időszak után a gyakorlatiasabb
kérdések felé fordult. Már Bernoulli is valami olyat próbált
kiszámolni, aminek gyakorlati haszna van. Ráadásul ő a
megoldáshoz is közelebb került: Elmélete alapján már nem
szükséges belelátni minden amerikai gondolataiba, hogy
választási előrejelzést készítsünk. De azt továbbra is előre ki
kell találni, hogy Clinton kapja-e a szavazatok 52 százalékát,
ami jócskán levon az elgondolás értékéből. Elvégre nem tudjuk,
hogyan szavaz az ország. És nem is akarnánk azt megtippelni.
De nincs is szükség rá. Erre egy újabb matematikus, Abraham
de Moivre jött rá. De Moivre megint csak olyasmiből indult ki,
amit mindannyian a valószínűséggel hozunk kapcsolatba: a
pénzfeldobásból.

Fej vagy írás

De Moivre Franciaországban nőtt fel, de miután protestánsként

egy éven át raboskodott egy francia börtönben, úgy döntött,
hogy Angliába menekül. A szigetországban aztán
matematikatanárként kezdett dolgozni – nem egy iskolai
osztály, hanem nemesi sarjak tanítójaként. A szabadidejét pedig
a kutatásainak szentelte, és e téren meglepően tehetségesnek
bizonyult. Annyira tehetségesnek, hogy egy idő után még maga
Newton is hozzá irányította azokat, akik valamilyen
matematikai kérdésre keresték a választ.
De Moivre-t szintén foglalkoztatta a fekete és fehér
kövecskék problémája, de könnyebben el tudta képzelni a
dolgot úgy, hogy egy feldobott pénzérme két oldalára gondolt.
Ha elég sokszor feldobjuk a pénzérmét, magától kirajzolódik a
dobások „binomiális eloszlása”: egy grafikon, amit akkor
kapunk, ha valaminek kétféle („bi”) kimenetele lehet. Az alábbi
ábra egy érme tízszeri feldobásának binomiális eloszlását
mutatja. A jobb szélén az az egy eset látszik, amikor tízből
tízszer a fej volt felül, a bal szélen pedig az az egy eset, amikor
egyszer sem a fej volt felül. Pontosan középütt azoknak az
eseteknek a számát látjuk, amikor ötször volt felül a fej.

Annak a valószínűsége, hogy fejet dobunk az érme tízszeri feldobása mellett

Természetesen valószínűbb, hogy ötször lesz felül a fej, ötször

az írás, ezért itt magasabban áll a grafikon. Ez „normálisabb”,
mint mind a tízszer fejet dobni. Ilyen fajta grafikonokkal lépten-
nyomon találkozhat az ember. Vagy vegyük például a
testmagasságot: Hollandiában a férfiak átlagos magassága 184
cm; ez lesz a grafikon csúcsa. Aki alacsonyabb, az a bal oldalra
esik. Nincs olyan sok 150 cm-es férfi; ennél a magasságnál lent
lesz a görbénk. De 2 méteresekből sincs sok; ők a grafikon
másik oldalára, a jobb alsó részre esnek.
Nos, a tízszeri pénzfeldobást mutató ábra még meglehetősen
durva képet mutat. De minél tovább folytatjuk a pénzdobálást,
annál szebb domb rajzolódik ki. Nézzük meg az alábbi ábrát,
amely a pénzérme ötvenszeri feldobásának eloszlását mutatja:
ez már egyenletesebben, kisebb ugrásokkal emelkedik és
ereszkedik.

Annak a valószínűsége, hogy fejet dobunk az érme ötvenszeri feldobása mellett

Ha tovább növeljük a dobások számát, végül teljesen sima

dombot kapunk, és ezen a dombon mindjárt látszik is, mi köze
van a valószínűséghez. Newton és Leibniz módszeréhez – az
integrálokhoz – folyamodva kiszámolhatjuk a domb alatti
területet. Ez a számítás pedig megmutatja, hogy a domb teteje a
„normál” eset, hiszen az összes eredmény közel 40 százaléka
ebbe a középső két sávba esik.
 Normáleloszlás: a számok annak a valószínűségét adják meg, hogy az
eredmény a görbe adott szakaszára esik

A terület mindjárt a valószínűséget is jelzi. Mivel a férfiak

majdnem 40 százalékának 184 cm körül van a testmagassága,
ez egyben annak a valószínűsége is, hogy egy tetszőleges férfi
184 cm körüli magassággal fog rendelkezni. A feldobott
érméknél éppen így áll a dolog: annak a valószínűsége, hogy a
dobások felében fejet dobunk, sokkal nagyobb, mint annak a
valószínűsége, hogy száz dobásból százszor a fej lesz felül. Nem
mondhatjuk, hogy ez a valószínűség nulla, mert hiszen
megtörténhet, hogy valaki százszor egymás után fejet dob. Ám
ez az eset felettébb valószínűtlen, ezért is olyan alacsony ott a
grafikonunk.

Thomas és Thomas

De Moivre tehát a binomiális eloszlási görbe és az integrálok

párosításával kezdett valószínűségeket számítani. De
tulajdonképpen mire használhatunk egy ilyen De Moivre-féle
grafikont? A testmagasságokkal és az IQ-hányadosokkal
kapcsolatban remekül működik. Az olyan fontos dolgokat
azonban, mint a felmérések adatai, már nem lehet csak úgy
beszuszakolni egy domb alá. Nincsenek „normális” meg „fura”
szavazatok. És a tudományban sem alkalmazható minden
további nélkül De Moivre grafikonja. Tegyük fel, hogy arra
vagyunk kíváncsiak, tényleg megtaláltuk-e a Higgs-bozont (ez
volt az elmúlt 10 év egyik legnagyobb tudományos szenzációja).
Hogyan használjuk az eredmények eloszlását erre a célra?
Használhatjuk-e egyáltalán?
Igen, használhatjuk, hála De Moivre kortársának, a szintén
matematikus Thomas Simpsonnak. Simpson De Moivre
munkájára épített, sőt egyik könyvében a nagyközönség
számára is elmagyarázta kollégája elméletét. Ez egyébként
roppantul piszkálta De Moivre csőrét; művének újabb
kiadásához írt előszavában céloz is arra, hogy „egy bizonyos
személy […] a közönség iránti együttérzésből talán megjelenteti
ezen könyv második kiadását ugyanarról a tárgyról, ám igen
jutányos áron, ügyet sem vetve arra, hogy megcsonkítja az
érvelésemet […]”. Simpson sem késlekedett sokat a
viszontválasszal; végül De Moivre barátainak közbelépése
akadályozta meg, hogy a vitájuk még jobban elfajuljon.
Legyen elég annyi, hogy Simpsonnak volt egy új gondolata,
amellyel a feje tetejére állította a valószínűségszámítást. Már
nem arra kérdezett rá, hogy hányszor kapunk jó eredményt,
hanem arra, hogy hányszor kapunk rosszat. Vagyis, maradva a
példánknál, annak a valószínűsége érdekelte, hogy egy
tudományos kísérlet hamis eredménnyel zárul. Az esetek
többségében jól működnek a készülékeink, legfeljebb apróbb
mérési hibák adódnak. Nagy a valószínűsége tehát, hogy jól
mérünk: ezek az esetek a grafikon közepén, a domb tetején
helyezkednek el. Előfordul azonban, hogy nagyon elszállnak a
méréseink, és csúnyán mellélövünk. De minthogy csak pechek
sorozata eredményezhet ilyesmit, ezek az esetek nem
gyakoriak. A nagy hibák valószínűsége tehát kicsi: az ilyen
eredmények a grafikon bal vagy jobb sarkába, a domb tövébe
esnek.
Ha minden egyéb jól megy, a matematika segítségével
kiszámíthatjuk, mekkora a valószínűsége annak, hogy a
sejtésünk – például, hogy a Higgs-bozon létezik – helyes. Azt
ugyebár nem tudjuk, mely méréseink voltak helyesek. Létezik
Higgs-bozon, vagy nem létezik? Nem tudjuk a választ, így tehát
azt sem tudjuk, hihetünk-e a létezését kimutató méréseknek –
lehet, hogy éppen ezek voltak a hibásak. Elővesszük hát a
grafikonunkat, és abból indulunk ki, hogy hibás volt a
következtetésünk. Aztán megnézzük, hogy ebben az esetben
mennyire tűnnek furának a méréseink. Tegyük fel, hogy csak
fantáziáltunk a Higgs-bozon létezéséről. Az első lépés, hogy
kiszámoljuk, mekkora a valószínűsége annak, hogy a mért
eredményeket kapjuk. Ha azt látjuk, hogy ehhez mérési hibák
sorozata kell, vagyis az eredmények a grafikon aljára esnek, az
jó hír. Valószínűtlen, hogy nincs Higgs-bozon, ami azt jelenti,
hogy nagy valószínűséggel létezik. Ezzel szemben alig kell
hozzá mérési hiba, hogy megmagyarázzuk a mért
eredményeket, vagyis ha azok a „nincs Higgs-bozon” állítás
grafikonjának tetejére esnek, akkor sajnos ki kell
ábrándítanunk a tudósokat. Szerencsére nem az utóbbi történt.
Sokkal valószínűbb, hogy a Higgs-bozon létezik. A CERN-ben
ugyanis olyan mérési eredmények jöttek ki, amelyeknek vajmi
csekély lenne a valószínűségük, ha nem létezne Higgs-bozon;
hogy pontosak legyünk, annak a valószínűsége, hogy pusztán
mérési hibáknak köszönhetően kaptuk az eredményeket,
mindössze 1 a 3,5 millióhoz!
Nos, Simpson nem egyedül találta ki mindezt. Idézzük csak
fel, mi volt a bökkenő Bernoulli módszerével: egyrészt nagyon
sok kísérletet kellett hozzá elvégezni, másrészt csak a helyes
becslések valószínűségét lehetett kiszámolni általa. Ami az
előbbi problémát illeti: Simpsonnak sikerült túllépnie rajta; ő
sokkal alacsonyabbra teszi a szükséges kísérletek számát. A
második probléma megoldása egy másik Thomasra várt,
Thomas Bayesre, aki tovább dolgozott Simpson elképzelésén.
Bayesnek köszönhetően azt is meg tudjuk mondani, mennyire
számítanának furának a kapott eredmények, ha nem létezne a
Higgs-bozon.
Bizonyos valószínűségeket könnyebb kiszámolni, mint
másokat. Tegyük fel, hogy kapunk egy e-mailt, és a Gmailnek ki
kell számolnia, hogy mekkora valószínűséggel tekinthető
spamnek. Ezt a műveletet úgy is el lehet végezni, hogy az ember
megnézi, szerepelnek-e a levélben bizonyos, spamekben
gyakran előforduló szavak, például a „nigériai herceg”
szókapcsolat. Ennek azonban az az akadálya, hogy a Gmail nem
tudja előre megmondani, hogy egy mail spam-e vagy sem, így
aztán azt sem tudja megítélni, hogy a „nigériai herceg”
szókapcsolat döntően a spamekben fordul-e elő. Bayes kitalált
egy egyenletet, amellyel ki lehet számítani a spam
valószínűségét bizonyos szavak előfordulása esetén:

Vagyis a válaszhoz három másik valószínűséget kell tudnunk.

Szerencsére ezeket az e-mail-szolgáltatónk sokkal könnyebben
ki tudja számolni, mint azt, hogy adott szavak esetében
mekkora a spam valószínűsége, hiszen ehhez mi látjuk el a
szükséges információval, amikor aktívan a levélszemétbe
dobunk bizonyos e-maileket. Milyen sűrűn kapunk spamet? Mi
sem egyszerűbb: a Gmailnek csak annyit kell tennie, hogy a
levélszemétbe menő e-mailek számát elosztja az e-maileink
összesített számával. Milyen gyakran kapunk e-mailt a „nigériai
herceg” szókapcsolattal? A Gmail ezt is ripsz-ropsz kiszámolja,
elég összeszámolnia ezeknek az e-maileknek a számát, és
elosztania az e-maileink összesített számával. Végül ott a
„nigériai herceg”-es spam mailek valószínűsége, de ezt is
megkapjuk egy egyszerű számítással: azoknak a spam mappába
került e-maileknek a száma, amelyekben szerepel a „nigériai
herceg”, osztva az összes levélszemetünk számával. Csupa
egyszerű művelet tehát, de lépésről lépésre elvezetnek ahhoz az
előrejelzéshez, amelyből kiderül, hogy egy, a „nigériai herceg”
szókapcsolatot tartalmazó e-mail levélszemét-e, vagy sem. Amíg
ezek a szavak főleg spamekben bukkannak fel, és nem állunk
levelezésben valódi nigériai hercegekkel, máris megjósolhatjuk
az eredményt: mehet is a levél a kukába!
Bayes egyenlete szép megoldást kínált Bernoulli
problémájára, és ma is gyakran használjuk a fenti példához
hasonló feladatokhoz. Bayes már úgy tudott valószínűségekkel
számolni, hogy közben nem volt ráutalva a tippelgetésre. Persze
az ő képlete sem tökéletes, mert nem tudjuk, hogy azok a
valószínűségek, amelyekkel a jobb oldalon számolunk,
helyesek-e. De ezek a valószínűségek sokszor könnyűszerrel
ellenőrizhetők – és különben sem tudunk maradéktalanul
megszabadulni a bizonytalanságtól. A valószínűségszámítás
korábbi elméleteivel szemben Bayes egyenletének tényleg
hasznát vesszük, ami alapvető különbség, összehasonlítva a
korábbi próbálkozásokkal.
Tegyük fel, hogy elvégeznek rajtunk egy szűrővizsgálatot,
amellyel kideríthető, hogy van-e rákos megbetegedésünk.
Természetesen tudni akarjuk, mit jelent, ha a teszt kimutatja a
betegséget. Mennyire megbízható a vizsgálat? Mekkora a
valószínűsége, hogy tényleg rákunk van, ha pozitív
teszteredményt kaptunk? Nos, a Bayes-egyenlet alkalmas rá,
hogy néhány valószínűségből kiindulva megválaszoljuk a
kérdésünket. Az előbbi példához hasonlóan itt is három
valószínűségre van szükségünk. Az egyik a rákos betegek
száma. Tegyük fel, hogy ezer emberre jut 20 ilyen páciens. A
teszt az ilyen esetek 90 százalékában, tehát 18 embernél
mondja azt, hogy „igen”. A második, amire szükségünk van,
annak a valószínűsége, hogy a valóban beteg embereknél a
teszt kimutatja a rákot. Tudnunk kell továbbá, mekkora a
valószínűsége a pozitív teszteredménynek, ha történetesen
nincsen rákunk. Tegyük fel, hogy ez 8 százalék, vagyis 1000
olyan emberből, aki nem szenved rákban, 80-nál mutat ki rákot
a teszt.

Mit látunk, ha a számainkat beillesztjük Bayes képletébe? A

teszt 98 embernél fogja azt mondani, hogy rákjuk van, ami jóval
magasabb érték, mint azoknak a száma (18), akiknek pozitív az
eredménye, és valóban betegek is. Bayes egyenletének
köszönhetően meg tudjuk állapítani, hogy annak az esélye, hogy
tényleg rákunk van, miután a teszt kimutatta, nem több mint 18
százalék. Ahhoz képest, hogy betegeknél a vizsgálat 90
százalékban ad helyes eredményt, ez az arány sokkal kisebb,
mint gondolnánk. Milyen jól jön a matematika! A segítségével
kideríthetjük, miről is árulkodik egy ilyen vizsgálat eredménye.

Még hogy játékok! Matematika a gyakorlatban

A statisztika nem más, mint az eddig tárgyalt

valószínűségszámítás alkalmazott változata. Valamivel később
született meg – egy Tobias Mayer nevű csillagász találta ki 1750-
ben –, és egy megoldandó gyakorlati probléma adta meg hozzá
a kezdőlökést. Nem absztrakt matematika volt tehát,
közvetlenül a gyakorlatból fakadt.
Mayer korában akadt egy bosszantó probléma, amely
minden gyarmatosító nagyhatalmat érintett: miközben a hajóik
bejárták a nagyvilágot, nem tudták pontosan megállapítani,
hogy merre járnak. Márpedig az eltévedt hajók vagyonokba
kerültek. A britek nagy pénzösszegeket ígértek annak, aki ki
tudja találni, milyen úton-módon számolhatja ki egy hajós a
pontos tartózkodási helyét. A szélességi kört 1730 óta ki tudták
számítani egy szextánsnak nevezett eszköz segítségével, de a
hosszúsági kör keményebb diónak bizonyult. Az 1714 és 1814
között eltelt száz esztendő alatt a brit állam nem kevesebb mint
100 ezer fontot – ez ma több millióra rúgna – fizetett ki
különböző díjak formájában a hosszúsági körök kiszámításával
kapcsolatos kutatásokért.
Mayer is 3000 fontot (mai árfolyamon majdnem félmillió
fontot) nyert a halála után, 1765-ben. Arra jött rá, hogyan
jósolható meg a Hold pozíciója, amiből már könnyű kiszámolni,
hogy mennyi az idő. A hosszúsági fokot ugyanis az időzónák
alapján kell megállapítani: minél keletebbre haladunk, annál
inkább előbbre járunk, mint a londoni idő. Amszterdamban egy
órával később van, mint Londonban, New Yorkban pedig jóval
korábban. Ha ki tudjuk számolni, mennyi az idő, azt is ki tudjuk
számolni, mennyit hajóztunk keleti vagy nyugati irányban.
Mayer módszere, amellyel meg tudta határozni a Hold
pozícióját, a szokásos háromnál több mérésen alapult. Nem
kevesebb mint 27 mérést írt elő, ami az akkori fogalmak szerint
kivételesen soknak számított. Mai szemmel ez a 27 mérés
egyáltalán nem sok; megszoktuk, hogy nagy mennyiségű adattal
dolgozzunk, de Mayer fellépése előtt az emberek egyszerűen
nem tudták, hogyan bánjanak egy ekkora halmazzal. A Hold
pozíciójának előrejelzéséhez három ismeretlent kell megadni,
ami három mérést jelent – nem többet és nem kevesebbet. Így
gondolta Leonhard Euler is, minden idők egyik
legtehetségesebb matematikusa.
Hogy könnyebben felfogjuk, mi ebben a nehézség, képzeljük
el, hogy meg kell húznunk egy vonalat. Ehhez két értékre van
szükségünk: tudnunk kell, milyen meredek legyen a vonal, és
azt is, hogy milyen magasan kezdődjön. Ezért ha vonalat
akarunk húzni, nem elég egy mérést végeznünk. Ha csak egy
pontunk van egy grafikonon, akkor tudjuk ugyan, milyen
magasan kell kezdenünk a vonalat, de a meredekségét nem
ismerjük. Ezt mutatja az alábbi ábra bal oldali rajza. Két ponttal
már sokkal könnyebb a dolog, csak húzunk egy vonalat, ami
mind a kettőn átmegy. Ezt mutatja a középső rajz. De mi van, ha
több mint két ponttal kell dolgoznunk? Hogyan húzzuk meg a
vonalunkat? Az nem jó, ha csak két ponton megy a vonal
keresztül; akkor a harmadik mérésünket fel sem használtuk.
Vagy akkor valahol a pontok között kéne a vonalat
elhelyeznünk? De akkor meg hol? És pontosan mennyire legyen
meredek? Kezdődjön valamivel az alsó pont felett?
 Vonalhúzási kísérletek egy, két és három ponttal

Látható tehát, hogy ha több mint két pontot kell figyelembe

vennünk, egyáltalán nem könnyű megrajzolni a lehető legjobb
vonalat. Még a nagy Euleren is kifogott a feladat, mert kitartott
amellett, hogy nem szabad a szükségesnél nagyobb számú
mérésből kiindulni.
Mayernek viszont sikerült megoldania a dolgot, és
voltaképpen nem is olyan komplikált módon. Van 27 mérésünk
és három ismeretlenünk, osszuk hát a méréseket három
csoportba, és vegyük csoportonként a kilenc mérés átlagát.
Ilyen módon csak három mérési pontunk lesz. Valamennyi
mérést felhasználtuk, de három mérésre végezzük el a
számítást. A módszer bevált, Mayer előrejelzése jóval
pontosabb lett, mint a kortársaié.
De mitől? Euler értelmetlennek tartotta a Mayer-féle
megközelítést, mondván, hiába használunk fel több mérést,
mert a mérésekkel együtt az esetleges hibák is halmozódni
fognak. Ha mindig fölé lövünk kettővel, akkor több felfelé húzó
mérés csak annál nagyobb eltéréshez vezet. Euler ezért úgy
vélte, jobb minél kevesebb adatot felhasználni. Most már
tudjuk, hogy nem volt igaza. De miért nem? Idézzük csak fel a
dombunkat! Mindenütt lehetnek rajta hibák, balra is és jobbra
is. Euler úgy gondolta, hogy a mérések halmozásával csak lefelé
csúszunk a grafikonunkon. De mivel ezek az egyik oldalon és a
másik oldalon is jelentkeznek, pont hogy kiütik egymást! Az
egyik hiba erre húz, a másik meg arra. A pozitív és negatív
hibák összesítésekor szépen beállunk középre. Mivel a mérési
hibák önkényesek, igenis jó ötlet, ha minél több mérési adatot
használunk fel.

Több adatot!

1800 körül Mayer gyakorlati műve összetalálkozott a

valószínűségről írt elméleti fejtegetésekkel. Olyan tudósok
álltak elő ekkoriban a munkáikkal, mint Carl Friedrich Gauss,
Pierre Simon Laplace és Adrien-Marie Legendre, akik ezúttal is
elvitatták egymástól az elsőbbséget. Gauss a barátait hívta
segítségül, mondván, ő már akkor szóba hozta előttük a
felismeréseit, amikor mások még egy sort sem jelentettek meg a
kérdésről. Hogy ténylegesen kié volt az elsőség, az most nem
érdekel minket különösebben, mindenesetre a vita jól mutatja,
milyen fontosnak tartották ezeket az új eredményeket. Laplace
1827-ben bekövetkezett halála után is még tucatjával jelentek
meg olyan könyvek, amelyek az ő munkáját vitték tovább. A
természettudományok hamar az elméleteikhez igazították a
matematikai felismeréseket, és azok más területekre is
termékenyen hatottak. Másfél évszázaddal Pascal és Fermat
után a szellem kiszabadult a palackból.
 A legkisebb négyzetek Gauss–Laplace-féle módszere a legjobb
becslés meghatározására

A történet Mayer módszerének tökéletesítésével kezdődött.

Mayer ugyanis nem annyira megoldotta, mint inkább ügyesen
megkerülte a problémát, amikor nem a számítási módszert
alakította át, hanem egyszerűen csak fogta a három csoport
átlagát, és azzal dolgozott. Gauss és Laplace tisztábban oldották
meg a problémát. Kitaláltak egy tesztet, amellyel
meghatározható, hogy több mint két pont esetén hogyan kell
meghúzni a vonalunkat. Tegyük fel, hogy az előbbi ábrán
látható mérési eredményeket kaptuk. Gauss és Laplace
módszere szerint a legjobb megközelítés, ha a pontozott vonalat
választjuk.
Ezt a pontozott vonalat az különbözteti meg a többi
lehetséges vonaltól, hogy a mérési hibák így lesznek a lehető
legkisebbek. Más szóval, ez a vonal igazodik a legjobban az
eredményekhez. A mérési hibák, amelyeknek itt a pontok és az
előrejelzés pontozott vonala közti függőleges vonalak felelnek
meg, minimálisak. Mivel a hibák pozitívak (felfelé) és negatívak
(lefelé) is lehetnek, a négyzetüket vesszük, így nem kell bajlódni
a negatív értékekkel. Ennyi az egész. Vagyis Simpson
nyomdokán haladva figyelünk a hibákra, és a Mayerénál
pontosabb módszerrel felhasználjuk a többszörös méréseket. Ez
javít az előrejelzéseken. Maradva a mayeri példánál: ha
kilencszer több mérésünk van a szükségesnél, akkor háromszor
olyan jó előrejelzéseket kaphatunk. Nem olyan rettentő
látványos különbség, de azért számít – és ahhoz is elég, hogy az
ember félmillió fontot nyerjen rajta.
Ráadásul most már azt is meg tudjuk állapítani, milyen jó
egy becslés. Többet tudunk ugyanis a mérési hibáinkról. Csupa
egészen aprócska hibával a mérésünk jóval biztosabb, mint ha
nagyobb hibából is becsúszik egy-kettő. Ez új felismerés volt.
Elég, ha összevetjük a becsléseinket mondjuk a régi
mezopotámiaiak becsléseivel. Ők is sacc per kábé határozták
meg, mennyi gabona terem egy adott földterületen. A
gyakorlatban persze sosem kaptak pontos eredményt, mert
nem minden talaj egyformán termékeny, nem mindenütt
ugyanannyi a csapadék, és nem minden paraszt műveli
ugyanolyan szorgalmasan a földjét. A mezopotámiaiak ezzel
ugyanúgy tisztában voltak, mint mi, csak éppen nem tudtak mit
kezdeni a problémával. Kiszámolni, melyik a jó becslés, vagy
egyáltalán megállapítani, mennyire jó egy becslés – ez
meghaladta a tudásukat. Nem tartottak még ott matematikából.
Csak amióta Gauss és Laplace kitalálták, hogyan hozható össze
az optimális becslés, azóta tudjuk használni az ilyen adatokat.
 Amit viszont John Snow tudott

Ezután még újabb száz évig tartott, mire általánosan elterjedt, s

így a betegségek okainak tanulmányozásában is polgárjogot
nyert a statisztika. 1850 körül sok helyütt makacs problémát
jelentettek a visszatérő kolerajárványok. Sem megelőzni, sem
megfékezni nem tudták őket, mert nem voltak tisztában vele,
hogyan terjed a betegség. Elméletekből persze nem volt hiány.
Sokan úgy vélték, a fertőzött levegő vagy a rossz szagok
belélegzésével lehet elkapni a kolerát, de olyan hajmeresztő
nézetek is keringtek, miszerint a haragos ember könnyebben
áldozatul esik a kórnak. New York lakosait 1832-ben és 1844-
ben is felszólították, hogy őrizzék meg a nyugalmukat és a jó
kedélyüket, mert ezzel megelőzhetik a fertőzést. Szerencsére
olyanok is akadtak, akik ráhibáztak a helyes magyarázatra: a
kolera valójában a vízzel terjed, függetlenül a víz
fogyasztójának kedélyállapotától. A módszeres kutatás azonban
hiányzott: a kolerára vonatkozó diskurzus megmaradt elméleti
síkon.
És akkor – 1850-ben – egy brit orvos, John Snow végre
nekiveselkedett a kutatásnak. Akkoriban sűrűn követték
egymást a kolerajárványok. Snow 1848-ban végezte az első
kutatásait, és meg is tudta mondani, kitől terjedt el a betegség:
egy John Harold nevű tengerésznél észlelték először a kolera
tüneteit. De ez még nem adott magyarázatot arra, hogy Harold
szobájának lakója miért kapta el szintén a betegséget. További
kutatásokra volt szükség.
 Szerencsére – mármint Snow szerencséjére – néhány évvel
később újabb kolerajárvány tört ki Londonban. Ezúttal az orvos
már felkészültebben állt neki a munkának. Részletes térképet
készített a megbetegedésekről, fekete csíkkal jelölve azokat a
helyeket, ahol valaki áldozatul esett a kolerának. Minden beteg
Londonnak ugyanazon a részén, a Broad Streeten fertőződött
meg, s mint kiderült, egy fertőzött közkút miatt. A
környékbeliek mind megfertőződtek, kivéve azokat, akik a
sörfőzde, illetve a szegényház kútjából jutottak vízhez. A
legékesebb – bár inkább anekdotikusnak mondható –
bizonyítékkal annak az idős asszonynak az esete szolgált, aki
szintén megkapta a kolerát, habár a város másik részén lakott.
Ez az asszony minden nap a Broad Streetről hozatta magának a
vizet (korábban ott lakott), mert mint mondta, arrafelé jobb volt
az íze. Egy tudományos kutatás persze ennél nagyobb
alaposságot követel, ami épp csak addig váratott magára, amíg
pár év múlva ki nem tört egy, a korábbiaknál is nagyobb
járvány.
 A kolerajárvány áldozatai (fekete csíkok) a Broad Street környékén

Snow újabb vizsgálata (tudtán kívül) egyike volt a történelem

első „kettős vak” tesztjeinek. 1855-ben több ezer embert
ragadott el a kolera. Snow arra gondolt, hogy ha a betegség
csakugyan a vízzel hozható összefüggésbe, akkor kapcsolatnak
kell lennie a megbetegedések és a vizet szállító cégek között.
Utánanézett hát a két nagy londoni vízszállítónak, a Southwark
& Vauxhallnak és a Lambethnek. Kiderült, hogy az előbbi a
Temze egy mocskosabb részéről hozza a vizet. Ez alapján azt
várhatjuk, hogy akik a Southwark–Vauxhalltól vették a vizet,
nagyobb eséllyel kapták meg a kolerát, mint a másik cég
vásárlói.
Ez így is történt. A Southwark & Vauxhall 40 ezer
háztartásnak szállított vizet, és 1263 embert küldött a halálba.
10 ezer háztartásra vetítve ez 315 halottat jelentett. Vessük
össze ezt a Lambeth céggel, amely sokkal tisztább vizet
szállított; emiatt 10 ezer háztartás lakói közül „csak” 37-en
haltak meg. Volt továbbá egy kisebb cég, a Chelsea, amely
ugyanazt a vizet használta, mint a Southwark & Vauxhall,
csakhogy ők gondosan megtisztították, így nem is fertőztek meg
vele annyi embert.
Snow-t teljesen meggyőzték az adatok. Minden vizsgálata
arra mutatott, hogy a kolera a vízzel terjed. Feltételezése
igaznak bizonyult, és nem sokkal később fel is fedezték a
kolerabaktériumokat. Snow csak azt nem tudta demonstrálni,
hogy mennyire valószínű az, hogy igaza van. Nem tudta
kimutatni, milyen szoros a kapcsolat a halottak száma és a
vízszállító cégek között. És nem is minden kortársa hitt a
bizonyítékainak. Még 1892-ben is akadtak orvosok, akik úgy
vélték, hogy a kolera a talaj útján terjed. Egy kis matematikával
Snow bebizonyíthatta volna, mennyire valószínű, hogy igaza
van. A matematika hiánya ezúttal életekbe került.

Nicolas Cage és az úszómedencék

Mit nem tudott Snow? Hogyan számíthatta volna ki, milyen

szoros az összefüggés a vízszállítók és a halottak száma között?
Az egyik lehetőséget már érintettük: ahogy a Higgs-bozon
esetében, itt is fel lehet tenni a kérdést: mekkora a
valószínűsége, hogy a víztől függetlenül mutatkozik ilyen
jelentős különbség a halottak számában? 10 ezer
háztartásonként 315 vagy 37 halott – igencsak nagy a különbség
a két szám között. Írhatjuk ezt a véletlen számlájára? Nos, ilyen
esetekben tesz jó szolgálatot a grafikon dombja: hol kötünk ki,
ha azt feltételezzük, hogy a kolerát valami egészen más okozza?
Bizony, valahol alul. Ha viszont nagyon csekély a valószínűsége,
hogy véletlen egybeesésről van szó, okosabb azt mondani, hogy
a halottak számában jelentkező különbség a kétféle víz
különbségéből ered.
De van egy másik lehetőség is. Tegyük fel, hogy több
kísérletet végeztünk, és hogy a járványok során nem volt
állandó a fertőző vizet fogyasztó emberek száma. Megírta az
újság, hogy a Southwark & Vauxhall veszélyes vizet árul, mire a
londoniak tömegesen átpártoltak a konkurens Lambeth céghez.
Ez a körülmény arra is lehetőséget ad, hogy az ember
megvizsgálja, vajon a Lambeth-féle vízre való áttéréssel
megváltozott-e a kolerás fertőzések száma. Ha több ember iszik
egészséges vizet, kevesebb lesz a haláleset, ugye? Erre mérget
vehetünk.
Az ilyesfajta összefüggéseket – esetünkben a fertőzött vizet
fogyasztó emberek és a kolerás esetek száma közötti
összefüggést – korrelációnak nevezzük. A tudósok előszeretettel
hangoztatják, hogy a korreláció még nem ok-okozati viszony: ha
van valami összefüggés az adataink között, az még nem jelenti
automatikusan azt, hogy az egyik a másiknak az oka. Ne
mondjuk hát mindjárt, hogy fertőzött a víz, és azért terjed a
kolera. Hogy miért ne? Nos, egy kis keresgéléssel rengeteg
összefüggésre rábukkanhatunk a világban. Ott van mindjárt a
Nicolas Cage-filmek és a medencébe fulladt emberek száma
közötti összefüggés.
 Nézzük meg az alábbi grafikont! Megfigyelhető, hogy a
Nicolas Cage főszereplésével készített filmek és a vízbe
fulladásos esetek száma éveken át meglepően hasonlóan
alakult. Cage tehet róla, hogy az emberek a medencébe esnek?
Van a kettő között valamilyen ok-okozati összefüggés?
Természetesen nincs. De korreláció igen. Ezért aztán jól jön, ha
ki tudjuk számolni, mennyire „jó” az összefüggésünk.
Erre 1900 óta létezik is egy módszer. Ki tudjuk számolni,
mennyire illenek össze olyan egymással korreláló elemek, mint
a Cage-filmek és a vízbe fulladásos esetek száma. Van egy
korrelációs együtthatónak nevezett változó, amely –1 és 1
közötti értékeket vehet fel, és azt mondja meg, milyen erős az
összefüggés a korreláció tagjai között. Ha az együtthatónk
értéke –1, az azt jelenti, hogy mihelyt Nicolas Cage felbukkan
egy újabb mozifilmben, mindjárt kevesebb ember fullad vízbe a
medencékben. A két vonal pontosan egymás tükörképe. Ha az
együttható értéke 1, akkor ennek az ellentéte igaz: minél több
filmben játszik Cage, annál több ember fullad medencébe. Az
ilyen típusú halálesetek száma nem emelkedik anélkül, hogy ne
nőne a Nicolas Cage-filmek száma. Más szóval a két vonal
pontosan követi egymást. És mi a helyzet a 0-val? A 0 azt jelenti,
hogy a két dolognak semmi köze egymáshoz.
 A Nicolas Cage-filmek és a medencébe fulladt emberek számának
összehasonlítása

Még a korrelációs együttható segítségével sem tudunk kiszűrni

minden értelmetlen összefüggést. A vízbe fulladásos
grafikonunk együtthatója még így is 0,666 – a két görbe elég
hasonlóan alakul. Csakhogy ebben nincsen semmi meglepő;
egyik vonal sem változik olyan sokat. Nicolas Cage nem tud
ripsz-ropsz húsz filmben játszani évente, a vízbe fulladások
pedig majdnem mindig balesetek. Nem történhet hirtelen
tízszer annyi baleset, mint az előző évben. Egy kis kereséssel
bárki találhat valami olyasmit, ami csak alig változik.
Ezért kell résen lennünk a korrelációkkal. Arra persze
magunktól is rájöhetünk, hogy nem Nicolas Cage felelős a
medencei halálesetekért. De nincs mindig ilyen könnyű
dolgunk. A The Wall Street Journal egyik cikke szerint a növekvő
biztonság elhízáshoz vezet: korrelál egymással a játszóterek
biztonsága és a gyerekkori elhízás mértéke. Ezek szerint jobb,
ha veszélyes játszóterekre visszük a gyerekeket? A biztonságtól
túlsúlyosak lesznek? Aligha. Csak valaki felfigyelt rá, hogy a
játszóterek egyre biztonságosabbak, a gyerekek pedig egyre
kövérebbek. Ujjé, egy korreláció! Nem is akármilyen, még
hírértéke is van. Nincs félrevezetőbb dolog a statisztikánál…

Na, ne már!
A világ erős torzításban

Elég könnyű számokkal torzképet festeni a világról. Ez így

megy, amióta statisztika van a világon. 1954-ben How to Lie
with Statistics címmel valaki meg is jelentetett egy könyvet a
statisztikákkal kapcsolatos visszaélésekről és manipulációkról.
Butábbnál butább korrelációkat találunk benne, elképesztő
példákat a számsorokkal való félrevezetésre.
De nézzünk egy frissebb példát! Jeff Sessions, az Egyesült
Államok igazságügyi minisztere 2017 közepén elmondott egy
beszédet, amelynek a következő volt a lényege: sokat romlott a
közbiztonság, Amerika egyre veszélyesebb hely lesz. Legfőbb
ideje, hogy mindenkit gyanakvással kezeljenek, aki belép az
ország területére. Úgy fest, már az ott élő bevándorlókkal is baj
van. A gyilkosságok száma tíz százalékkal megugrott az előző
évhez képest. Ekkora emelkedésre 1968 óta nem volt példa –
kell ennél több bizonyíték arra, hogy Amerika egykettőre
megszűnik biztonságos helynek lenni?
Meggyőzően hangzik, nem igaz? Csakhogy a számok ellenére
Amerika biztonságosabb hely, mint valaha. Azért olyan nagy az
emelkedés mértéke, mert a gyilkosságok összesített száma
nagyon alacsony. Számoljunk csak utána! A 10 százalékos
emelkedés azt is jelentheti, hogy az addigi 10-hez hozzájön 1,
meg azt is, hogy az addigi 10 ezerhez hozzájön 1000. Az
Egyesült Államokban annyit csökkent a gyilkosságok száma,
hogy Session százalékos adatainak tükrében egy csekélyebb
emelkedés is mindjárt kiugróan nagynak látszott.
Ez a 10 százalék másvalamit is elkendőzött. A növekedés
több mint felét a Chicagóban elkövetett gyilkosságok tették ki.
Ott csakugyan 781-en állt a számláló. De Amerika többi
részében, szórványos kivételekkel, nőtt a közbiztonság. Sőt
kijelenthető, hogy Amerika mindent egybevéve még soha nem
volt olyan biztonságos hely, mint manapság. A szám stimmel – a
miniszter nem hazudott –, csak a levont következtetések nem
voltak rendben. Agyafúrtan megválasztott számokkal teljesen el
lehet torzítani a valóságot.
És vannak is erre módszerek. Sokakat foglalkoztat például,
hogy nőtt-e az életszínvonal. Az emberek tudni szeretnék, hogy
több lett-e az elkölthető pénzük. Amerikában is van egy mutató
ennek a mérésére, jobban mondva kettő. Az egyik szerint – és
ez a hivatalos mérce – a válasz: nem. 1979 óta alig emelkedett
az átlagjövedelem. Sőt, már régóta csökkenőben van. Lehet,
hogy korábban sem volt jobb a helyzet, de rosszabb biztosan
nem. Ezt az adatot az amerikai kormány Statisztikai Hivatala
tette közzé, ennél hivatalosabb tehát már nem is lehetne.
A másik adat nem kormányszervtől, hanem egy think
tanktől származik. Eszerint az emberek 2014-ben másfélszer
annyit költöttek, mint 1979-ben. Vagyis határozottan jobb lett az
élet. Sőt, szinte folyamatosan emelkedett az életszínvonal. A
think tank és a kormány tehát különböző történetekkel állt elő.
De kinek van igaza?
Valószínűleg a think tanknek. A kormány ugyanis
megfeledkezett valami nagyon elemiről: a háztartások átlagos
jövedelméből indultak ki, amit aztán elosztottak az egy fedél
alatt élők számával. Csakhogy a 2014-es jövedelmet ugyanazzal
a számmal osztották el, mint az 1979-est. Pedig a háztartások
időközben kisebbek lettek. Több ember lakik egyedül, több a
gyermektelen pár, és sokszor a gyermekes háztartásokban is
kevesebb a gyermek. Vagyis a jövedelmet is kevesebb számú
ember között kell elosztani. Logikus, hogy ha valakinek a
jövedelmét több ember között kell elosztani, nem mennek olyan
jól a dolgok.
Előfordul, hogy egyszerűen csak nehezünkre esik eligazodni
a számokon. Gondoljunk csak a férfi és női keresetek
különbségére! Gazdag országokban ez átlagosan 85 százalék,
ami azt jelenti, hogy a nők 85 százalékát keresik meg annak,
amit a férfiak. Világos beszéd – és borzasztóan hangzik.
Természetesen az adat valós problémát jelez, ám lehet, hogy
nem azt a problémát, amire utalni látszik. Mert nem arról van
szó, hogy egy cég erősen alulfizet egy női alkalmazottat egy
ugyanolyan állást betöltő férfihoz képest. Ugyanezekben a
gazdag országokban egy nő 98 százalékát kapja egy ugyanazon
a munkahelyen azonos pozíciót betöltő férfi fizetésének. Szó se
róla, agyrém, hogy egyáltalán van valami különbség, de lám, az
eltérés jóval csekélyebb, mint amekkorának látszott.
 A keresetek közti különbség valójában nem az azonos
munkát végzők bérezése közötti különbséget mutatja. Ez az
érték az összes nő fizetésének átlagát állítja szembe az összes
férfi fizetésének átlagával. A nők átlagos fizetése pedig azért
alacsonyabb, mert kevesebb magasan fizetett állást töltenek be,
például kevesebb a nő a nagy cégek vezetőségében. Ezenkívül
van egy sor foglalkozás, amelyet jellemzően nők gyakorolnak,
mint például az ápolói szakma, és ezek általában rosszabbul
fizetettek, mint a túlnyomórészt férfiak által betöltött állások,
pl. a holland rendőröké. Problémák tehát jócskán akadnak, csak
éppen nem azok, amelyek az általános keresetbeli
különbségekről hallva eszünkbe jutnak. Több nőnek kellene
csúcspozíciókat betöltenie (amit többek között az is elősegítene,
ha kedvezőbb lenne a terhességet érintő szabályozás), és jobban
meg kellene fizetni az elsősorban nők által végzett munkákat.
De hogy valaki, csak azért, mert nő, kevesebb pénzt kapjon
ugyanazért a munkáért, szerencsére ma már nem olyan gyakori
jelenség.
A statisztikák azért tudják úgy elrajzolni a világot, mert a
számadatok, amelyekkel dolgoznak, igen gyakran középértékek
(átlagok). A jövedelemnövekedés középérték: a háztartások
számával és az egy háztartásban élők számával osztunk. A
férfiak és nők közötti fizetéskülönbség szintén középérték.
Márpedig a középértékek sok esetben nem engedik tisztán látni,
mi zajlik a háttérben. Ha nem látjuk meg mindjárt, hogy a férfi
és női fizetések különbsége abból ered, hogy a férfiak másfajta
állásokat töltenek be, mint a nők, annak az a magyarázata, hogy
a statisztikák eltakarnak valamit előlünk. Nézzük csak meg a
következő négy grafikont. A mérések pontjai teljesen eltérő
helyeken állnak, a leggyakrabban használt statisztikai adatok
mégis ugyanazok. Többek között ugyanazt a vonalat adják ki
legjobb előrejelzésnek a Gauss- és Laplace-féle módszer
alkalmazásával.

Négy teljesen különböző mérés ugyanazzal a becsléssel

Ezért aztán nem árt, ha óvatosan kezeljük a statisztikákat.

Szinte mindig találhatunk valamit, ami megerősíti a
világképünket. Azt gondolod, régebben jobb volt? Nem fogod
elhinni, de most másfélszer annyit keresünk. Még jó, hogy
mindig akad valamilyen hivatalos adat, ami a te nézetedet
támasztja alá. Azt gondolod, hogy a bevándorlók veszélyt
jelentenek a közbiztonságra? Akkor az a 10 százalékos
emelkedés a gyilkossági statisztikákban éppen kapóra jön
számodra. Ha valaki nem akar tudomást venni a
fizetéskülönbségekről, kedvére bizonygathatja, hogy
ugyanazért a munkáért ugyanannál a munkaadónál alig
keresnek kevesebbet a nők. Ami persze igaz – és mégsem ok
arra, hogy semmit ne tegyünk a fennálló egyenlőtlenségek
ellen.
A kockázatoktól eltekintve a középértékek azért igen
hasznosak. Lehetővé teszik például, hogy gyorsan áttekintsünk
komplex helyzeteket. Másként hogyan alkothatnánk képet a nők
és a férfiak bérezéséről a gazdag országokban? Túl sok munka
volna egyenként összehasonlítani a rengeteg különböző fizetést.
Szükségünk van a középértékekre, hogy átfogó képünk legyen
az adatainkról, mint ahogy becslésekre is szükségünk van. Ezek
a becslések, akár a termés előrejelzéséhez, akár a GPS-es
helyhatározáshoz vagy egy fotó élesítéséhez használjuk őket,
pontosabbak és használhatóbbak lesznek, ha matematikai
számításokon alapulnak, ahogy a fejezet elején említett
közvélemény-kutatások is.

Ha nem akarsz mindenkit kikérdezni

A politikai jellegű felmérések már régóta léteznek. Több mint

egy évszázada rendelkezésünkre állnak azok a matematikai
módszerek, amelyek segítségével anélkül is megjósolható, hogy
mit gondol a népesség egésze, hogy mindenkivel egyenként el
kellene beszélgetni. Ez a fajta felmérés tulajdonképpen egy
nagyon egyszerű elgondoláson alapul. Tegyük fel, arra vagyunk
kíváncsiak, hogy az emberek mekkora hányada gondolja úgy,
hogy Donald Trump megfelelően végzi a dolgát. Könnyen lehet,
hogy az össznépesség 40 százaléka elégedett Trump
elnökségével. Ahhoz azonban, hogy ezt kiderítsük, nem fogunk
minden egyes embert külön megkérdezni Trumpról, mert az
túlságosan nagy munka volna. A felmérések mögött álló
elgondolás szerint elég egy kisebb csoportot is megkérdezni, ha
mindig ügyelünk rá, hogy véletlenszerűen válasszuk ki a
csoport tagjait. Ha mindenki ugyanakkora valószínűséggel
bekerülhet a csoportunkba, akkor – maradva a példánknál – 40
százalék az esélye annak, hogy olyanok is belekerültek, akik
szerint Trump jól látja el az elnöki feladatait. Egyszóval, egy
kisebb csoport is jól tükrözi az ország egészét.
A matematikára ebben az esetben főként a pontosság miatt
van szükség. Mekkora az esélye annak, hogy rosszul mérünk?
Lehet akkora pechünk, hogy hiába válogattuk össze
véletlenszerűen a megkérdezetteket, mégis egy Trump-
rajongókból álló csoport jött végül össze? Minél nagyobb a
megkérdezettek csoportja, ennek annál kisebb a valószínűsége
– vagyis annál pontosabbak a méréseink. Feltéve, hogy minden
jól alakult – valóban véletlenszerűen kiválogatni az embereket
nem is olyan könnyű feladat. Vessünk egy pillantást az 1936-os
amerikai elnökválasztásra!
Amerika éppen kifelé lábalt a nagy gazdasági válságból.
Jelentős ügyek voltak napirenden, és mindenki tudni akarta, ki
fog nyerni a választáson: Franklin Roosevelt vagy Alf Landon. A
Literary Digest folyóirat elhatározta, hogy közvélemény-
kutatást végez az előfizetői között. A lap előfizetői a 10 milliós
számukkal 1936-ban majdnem az össznépesség 10 százalékát
tették ki; az Egyesült Államoknak akkor 125 millió lakosa volt. A
10 millió előfizetőből végül 2 millióan válaszolták meg a Digest
kérdéseit. Telefonon, mert így volt a legegyszerűbb.
Nem sokkal később a folyóirat közreadta a nagyszabású
felmérés eredményét, miszerint a republikánus Alf Landon
nyeri meg a választásokat a szavazatok 57,1 százalékával, a
demokrata Roosevelt pedig mindössze a szavazatok 42,9
százalékát szerzi meg. Eljött a választás napja. És mi történt? A
Digest előrejelzése totális csődnek bizonyult. Roosevelt nyerte a
választásokat, mégpedig toronymagasan: 60,8 százalékkal.
Landon csak 36,5 százalékot szerzett. Mit fuseráltak el ennyire a
lapnál? Az óriási merítés ellenére a felmérés nem volt
véletlenszerű: a nagy gazdasági válság idején csak a
jómódúbbak engedhették meg maguknak a telefon-előfizetést.
Magyarán a Digest csak azokat kérdezte meg, akik inkább a
republikánusokra szoktak szavazni.
Ilyen komoly fiaskóval az utóbbi időben nem találkoztunk.
Habár, hogy is volt a 2016-os elnökválasztás előtti
előrejelzésekkel? Ami azt illeti, ezek is hamis képet festettek a
valóságról. Egyes szakértők azt állították, hogy Clintonnak 70–
99 százalék esélye van a győzelemre! Talán meglepően hangzik,
de a 2016-os felmérések a legpontosabbak közé tartoztak 1936
óta. Ha most egy pillanatra elfelejtjük a Clinton elsöprő
győzelmére vonatkozó kijelentéseket, akkor azt látjuk, hogy a
felmérések Clintont hozták ki győztesnek 46,8 százalékkal,
Trumpnak pedig 43,6 százalékot jósoltak. Főleg a különbség a
fontos: körülbelül 3 százalékpont (ezt úgy kapjuk, hogy a 46,8-
ból kivonjuk a 43,6-ot). Végül Clinton a szavazatok 48,2
százalékát, Trump pedig a szavazatok 46,1 százalékát szerezte
meg. A szerzett szavazatok különbsége valamivel kisebb lett,
mint amekkorának jósolták: 48,2 – 46,1 = 2,1. Bár szoros volt a
verseny, valóban többen adták le a voksukat Clintonra, mint
Trumpra.
Mindent figyelembe véve három hiba csúszott a
közvélemény-kutatásokba. Először is a kiválasztás még mindig
nem volt teljesen véletlenszerű. Akármilyen sokat fejlődtek a
felmérések e téren, az egyetemet végzett állampolgárok
gyakrabban adnak választ a közvélemény-kutatók kérdéseire.
Ennélfogva a magasabb képzettségűek felülreprezentáltak
voltak, márpedig ők inkább Clintonhoz húztak, mint Trumphoz.
A felmérésekből tehát hiányzott a Trump-szavazók egy része.
Ma is nehéz a szegényeket és az alacsony iskolázottságúakat
válaszadásra bírni, mint ahogy nehéz volt a Readers Digest
1936-os akciója idején is.
Másodszor: nehézséget jelentettek azok az államok, amelyek
végül a győzelmet jelentették Trumpnak. Pennsylvania,
Wisconsin és Florida Clintonra fog szavazni – állították a
közvélemény-kutatások. Merthogy az ottaniak csakugyan a
demokratákra szavaztak a múltban. Egészen 2016-ig. Ebben a
három államban sok ember a választások hetéig nem is tudta
eldönteni, kire szavazzon – végül a bizonytalankodók közül
szinte mindenki Trumpra adta le a voksát. Ezt semmilyen
kutatás nem láthatta előre; amikor a felmérések készültek, ezek
az emberek még nem tudták, kit fognak választani.
Harmadszor pedig ott voltak azok, akik egyszerűen nem
mondták meg, hogy Trumpra fognak szavazni. Hogy azért-e,
mert még hezitáltak, vagy azért, mert szégyellték a
választásukat, nem tudjuk. Mindenesetre tény, hogy a
közvélemény-kutatók gyakrabban kaptak egyértelmű választ a
Clinton-szavazóktól. Ez megint csak nem a közvélemény-
kutatók hibája volt. Arra senki sem kényszerítheti az
embereket, hogy az igazságnak megfelelően töltsék ki a
kérdőívet. Az egyetlen hiba, amit fel lehet róni a
szakembereknek, az iskolázottsággal függött össze. A többi
tényezőre csak utólag derült fény. Tulajdonképpen csak azért
csúsztak félre a felmérések, mert nem látták előre a
pennsylvaniai, wisconsini és floridai fordulatot. Egyébként
mindent jól csináltak.
Mindebből kiviláglik, hogy a statisztikák korántsem adnak
pontos képet a világunkról. Olykor még a precíz felmérések is
mellétrafálnak. A középértékek sokszor félrevezetők;
korrelációkat olyan dolgok között is felfedezhetünk,
amelyeknek valójában semmi közük egymáshoz. Ezért aztán
nem árt, ha konyítunk valamicskét a statisztikához; jó tudni,
hogyan állapítják meg az átlagokat, és hogy egy korreláció csak
annyit jelent, hogy két grafikon hasonlít egymásra. De legyenek
akármennyire csalókák is a statisztikák, azért rendkívül
hasznosak a számunkra.
Láttuk már, hogy statisztikai számításokkal meg tudjuk
mondani annak a valószínűségét, hogy akinél egy
szűrővizsgálat kimutatta a rákot, valóban beteg-e. És azt is
láttuk, hogy ez a valószínűség nem feltétlenül akkora, mint
amekkorának a számítások hiányában hinnénk – lehet akár
jóval kisebb is. Az ilyen számítások éppen ezért fogódzót
jelentenek.
Az olyan számok pedig, mint az átlagok, az
információhalmazban vágnak rendet. Az igaz ugyan, hogy
összefoglalják az adatainkat, a teljes képet azonban nem tudjuk
felvázolni általuk. De erre nem is lenne módunk – elvégre nem
tanulmányozhatunk minden hozzáférhető gazdasági adatot.
Sokkal praktikusabb, ha néhány átlagértéket veszünk, amelyek
elárulják, hogy jó irányba mennek-e a dolgok.
De tényleg annyira fontos, hogy ezt a részét is megértsük a
matematikának? Az integrál- és differenciálszámításhoz
hasonlóan statisztikai számításokat sem kell sűrűn
végrehajtanunk a mindennapi életben. Mégis jól jön, ha értjük,
milyen elvek alapján működik a statisztika. Hiszen
számtalanszor előfordul, hogy felmérésekből jutunk hozzá az
információhoz, ezek pedig, hol így, hol úgy, de sok esetben
félrevezethetik az embert. Session miniszter, ügyesen választva
meg az adatait, hamis képet festett honfitársainak az Egyesült
Államok közbiztonságáról. De a közvélemény-kutatások is
torzíthatnak, ha – tévedésből vagy szándékosan – nem egészen
véletlenszerűen válogatják össze a megkérdezett alanyokat.
Végül ott vannak a tudományos kutatások is, amelyek szinte
mindig statisztikai alapon döntik el, hogy a kísérleti
eredményeik jó méréseken alapulnak-e, vagy csak a véletlennek
köszönhetők.
Ily módon a statisztika komoly befolyást gyakorol az
életünkre. Mi a legjobb a gyerekünknek? Hogyan maradhatunk
egészségesek? Milyen eredményt várhatunk a következő
választásokon? Mi okozza a kolerás megbetegedéseket?
Továbbá: hogyan érti meg a komputer, hogy mit lát a képen?
Honnan tudja a Gmail, mi spam és mi nem? Mihelyt nagy
adatmennyiségekkel van dolgunk, a statisztikához
folyamodunk, mivel messze ez a leghatékonyabb módja az
adathalmazok elemzésének. Emiatt van a statisztika akkora
hatással az életünkre – és ez a hatás egyre nagyobb lesz.
Valahányszor adatokról olvasunk, valamilyen statisztikai
számítás húzódik meg a háttérben. Gondoljunk csak bele,
milyen gyakran találkozunk százalékos adatokkal, átlagokkal a
napi sajtóban vagy a híradóban! Ha értjük, hogy milyen
számítások nyomán keletkeznek ezek az adatok, és miként
csúszhatnak hibák az alkalmazott számításokba, kritikusabban
tekinthetünk az elénk tárt számsorokra. Nem kell őket minden
további nélkül elfogadnunk: nem csak úgy előbukkantak a
semmiből. Ha van némi fogalmunk a statisztikáról, a számsorok
születését is alaposabban megvizsgálhatjuk.
 7. Képzeletbeli séta

1700 körül népszerűségnek örvendett Európában a következő

fejtörő: Königsberg városában (a mai Kalinyingrád) van egy
folyó, amely két szigetet ölel körül. A szigeteket és a partokat,
ahogy az egy 1700-as Königsberg-térképen látható, hét híd köti
össze (a hidakat bekarikáztuk a térképen). A kérdés pedig a
következő: bejárhatjuk-e a várost úgy, hogy minden hídon csak
egyszer megyünk át?

Königsberg térképe az elhíresült hét híddal

Az egyik lehetséges megoldás, hogy kipróbálunk egy csomó

útvonalat. Ez azonban végtelenül időigényes, mert ahogy azt a
korábban már emlegetett Leonhard Euler 1736-ban
megmutatta, lehetetlen bejárni a várost a feladványban előírt
módon. Mellesleg az, hogy erre rájött, csak egy a német
matematikus számos érdeme közül; szintén az ő nevéhez
fűződik a cosinus, sinus és tangens fogalma – és még
sorolhatnánk. Euler akkor sem hagyott fel a matematika
művelésével, amikor elveszítette a szeme világát, sőt egy
történet szerint még hasznosnak is mondta a vakságát,
mondván, így már kevesebb dolog vonja el a figyelmét a
munkájától.
A fejtörőn gondolkozva Euler rájött, hogy a fölösleges
információk elhagyásával le lehet egyszerűsíteni a feladatot.
Ilyen fölösleges információ például Königsberg utcahálózata,
amelynek semmi jelentősége a probléma szempontjából. Csak a
hidak számítanak. Ezeket vonalakkal jelölte a rajzán, a
szigeteket pedig pontokkal. Az egyik vonalról csak úgy
sétálhatunk át a másikra, ha a vonalak ugyanahhoz a ponthoz
kapcsolódnak. Ahogy azt a képen láthatjuk, a königsbergi séta
Eulernél egy bejárandó alakzat – az ilyen alakzatokat hívjuk ma
gráfnak.
 Königsberg hídjai gráfos ábrázolásban

Ezt a gráfot kétféleképpen járhatjuk be: vagy ugyanoda térünk

vissza, ahonnan elindultunk, vagy különbözik az utunk
végpontja a kiindulópontunktól. Amíg az összes hidat útba
ejtjük (de csak egyszer), nem számít, melyik megoldást
választjuk. Tegyük fel, hogy körsétát teszünk. Ebben az esetben
olyan útvonalat kell találnunk, amelynek a kezdő- és egyben
végpontjából legalább két vonal indul ki, hiszen nem
haladhatunk át kétszer ugyanazon a vonalon. A másik esetben,
vagyis amikor nem ugyanarra a pontra térünk vissza, kell
lennie legalább két pontnak, amelyekhez csak egyetlen vonal
kapcsolódik: elindulunk a kezdőpontunkból az első hídon, és
megérkezünk a végpontunkhoz az utolsón.
A két pont között körről körre haladunk, megérkezve az
egyik hídon és továbbindulva egy másikon. Más szóval minden
köztes állomásnál pontosan két vonalon megyünk át. Nem
kelhetünk át a folyón egyszerre két hídon, és nem is
csónakázhatunk át a túlsó partra, hogy kihagyjunk egy egyszer
már útba ejtett hidat.
 Ha mindezt figyelembe vesszük, beláthatjuk, hogy csak
kétféleképpen lehet csupa különböző hídon átkelve
végigsétálnunk a városon. Ha körsétát teszünk, akkor a gráf
minden pontjából páros számú vonalnak kell kiindulnia:
állomásonként két-két vonal, plusz két vonal a kiinduló- és
végpontban. Ezzel szemben, ha A-ból B-be megyünk, lennie kell
két körnek, amelyből páratlan számú vonal lép ki. A közbülső
körökhöz itt is páros számú vonal kapcsolódik, de lennie kell
egy-egy extra vonalnak is, amely a kezdőpontból, illetve a
végpontból indul ki: ehhez a kettőhöz tehát páratlan számú
vonal kapcsolódik.
Az sem baj, ha valaki nem látja át mindjárt a
gondolatmenetet. A lényeg, hogy Euler rájött, ennek a
feladványnak csak akkor van megoldása, ha legfeljebb két
olyan körünk van, amelyhez páratlan számú vonal kapcsolódik.
Königsbergben viszont négy olyan hely is van, ahonnét páratlan
számú híd ível át a folyón. Vagyis lehetetlen olyan sétát tenni,
amelynek során a város minden hídját végigjárjuk, de csak
egyszer megyünk át mindegyiken. És itt a vége a fejtörőnek:
akárhogy próbálkozunk, nem fogunk jó útvonalat találni.
De mire megyünk mindezzel? Látszólag nem sok mindenre.
Ahogy játékkal indult a valószínűségszámítás, úgy a gráfelmélet
is egy játékos feladványra vezethető vissza. Euler jött rá
elsőként, hogy a rejtvény absztraktabban is felírható, ha
köröket és vonalakat használunk, és hogy ez az absztrakció
segít a megoldásában is – és nemcsak ennek a rejtvénynek a
megoldásában, tehetjük hozzá, hanem olyasfajta gyakorlati
problémákéban is, mint az útvonaltervezés.

Egyirányú forgalom

Königsbergben nem volt jelentősége, hogy a térkép aljáról

indult-e az ember fölfelé, vagy ellenkezőleg; mindkét irányban
át lehetett kelni a hidakon. Más esetekben azonban nagyon is
számít, merről merre haladunk – például az egyirányú utakon.
Ilyenkor nem elég egyszerű vonalakat használni az
alakzatokhoz, egy nyíllal is el kell látni őket, amely megmutatja,
melyik a kötelező haladási irány. Jó példa erre a térkép
Manhattanről, ahol szinte minden utca egyirányú. Aki
matematikus szemmel nézi a New York-i autóközlekedést,
annak ezt is figyelembe kell vennie. Valahogy így kell akkor a
gráfot megrajzolnia:

Manhattan utcahálózata
A körök a nyilakkal jelzett egyirányú utak kereszteződéseit
jelölik. Látható, hogy például balra lent megakad az ember,
ebből a pontból nem ágaznak el utak. Ez a gráf nem igazán
válik be várostérképnek – legalábbis ha az ember elvárja, hogy
az autósok betartsák a szabályokat.
Hagyjuk el a bal oldali oszlopot, és máris el tudunk jutni
mindenhová. Ha vízszintesen és függőlegesen is páros számú
kereszteződésünk van, jól működik az úthálózat, és egy szép
körpályát kapunk. Az ábránkon látható térkép azért nem
működik, mert részben befejezetlen a kör. Ezért nem jutunk el a
bal felső pontba, és ezért nem jutunk ki a bal alsó
kereszteződésből. Jobbra fent és jobbra lent a körnek
köszönhetően nincs probléma. Egy matematikus ripsz-ropsz
elmagyarázza a várostervezőnek, miért van ez így, hogy ne
kelljen annyit törnie a fejét a konkrét utcahálózatokon.
Természetesen a Google Mapsnek is nyilakkal kell ellátnia a
gráfjait. Egy útvonal kiszámításánál nem mindegy, hogy egy
utca egy- vagy kétirányú-e. Nem kevésbé fontos, hogy forgalmi
dugó esetén a rendszer tudja: nem feltétlenül nehezebb
mindkét irányban az előrehaladás. Ha a sztráda egyik oldala
bedugult, a másik pedig nem, akkor csak azoknak a menetideje
nő meg, akik a dugóban állnak. Ha a másik irányba megyünk, a
számítógépes programnak nem szabad változtatnia a
menetidőnkön. Ilyenkor jó szolgálatot tesznek a nyilak: a dugó
figyelembevételekor a számítógépnek csak a dugó irányába
mutató nyíl melletti számot – az adott irányba tartók
menetidejét – kell megnövelnie. Az ellentétes irányú nyíl mellett
nem változik a szám.
A Google Mapsben tehát a nyilak és a számok az utaknak és
menetidőknek felelnek meg. Biztosan emlékszünk még rá az 1.
fejezetből: ez a két elem önmagában elegendő is, hogy
bármilyen útvonalat kiszámoljunk, nem kell hozzá minden
alkalommal a térképet tanulmányoznunk. Láttunk már egy
egyszerű megoldást a legrövidebb útvonal kiszámítására: a
számítógép fogja magát, és hosszúsági sorrend szerint
végigjárja az összes lehetséges útvonalat, egészen addig, amíg el
nem ér a megadott úti célhoz vezető legrövidebb útig. Ez azt
jelenti, hogy a számítógép kénytelen lekövetni minden olyan
útvonalat is, ami kevésbé hosszú, ugyanakkor rossz úti célhoz
vezet. Ez az eljárás leginkább Dijkstra-algoritmus néven ismert.
Erre látni példát az alábbi ábrán, amelyen az áttekinthetőség
kedvéért körök helyett négyzetrács ábrázolja a gráfot. A
négyzetek közé nyilakat képzelhetünk, amelyek a szomszédos
négyzetek felé mutatnak mind a négy irányban. A gráfon belül
a Dijkstra-algoritmus arra szolgál, hogy megtalálja a
legrövidebb utat a gráf bal szélén az alul található csillagtól a
jobb felső sarokban lévő keresztig. Az egyetlen kikötés, hogy a
sötét mezőkön nem lehet áthaladni (mondjuk ott van egy folyó,
amelyen nem akarunk átmenni a kocsinkkal). Látható, mit
számolt végig a számítógép. A számmal ellátott mezők olyan
helyek, amelyeket az útvonalat kereső algoritmus megvizsgált,
az egyes számok pedig az addig megtett út hosszúságára
vonatkoznak. A végleges utat alkotó mezőket világosabb szín
különíti el a lehetséges útvonalak tengerétől.

Dijkstra-algoritmus és a megvizsgált útvonalak: minden olyan útvonal, amely

rövidebb 23 lépésnél

A Dijkstra-algoritmus itt is szisztematikusan számolta ki az

útvonalat, mint mindig. Először megnézi az egy mező
hosszúságú utakat, amelyek végpontjait 1-es jelzi. Majd végigfut
a 2 mező hosszúságú utakon, vagyis azokon, amelyeknek 2-es
jelzi a végpontját. Sokat kell dolgoznia, mire megtalálja a 23
mezővel odébb található keresztet, mert nagyon sok lehetséges
út van, amely rövidebb 23 mezőnél. Ezeket a rövidebb utakat
mind-mind végigszámolja a számítógép, jóllehet egyik sem éri
el a megadott úti célt. Ez a baj ezzel az algoritmussal: rengeteget
kell számolnia, mire megtalálja a jó útvonalat.
Minél több az út, és minél távolabb fekszik az úti célunk,
annál több időt tölt a komputer a számolással. Időigényessége
miatt a Google Maps nem is használja ezt az algoritmust. Hogy
pontosan milyen programot használ, az – az ilyen cégekre
jellemző módon – nem ismeretes. Mivel azonban tudjuk, milyen
technikák terjedtek el az útvonalkeresésben,
megkockáztathatunk egy tippet. Sok cég az úgynevezett A*
algoritmussal dolgozik. Ez hasonlít a Dijkstra-félére, csak az A*
algoritmus kiegészíti a számítást egy, az útvonal hosszára
vonatkozó becsléssel is.
Egy ilyen becslés nem olyan nehéz feladat. Igaz, hogy a
számítógépnek nincs áttekintő képe a gráfról, de némi
kiegészítő információ a segítségére siet. A Google Maps például
ismeri a kiindulópont és a végcél koordinátáit. Vagyis az út
végpontjainak hosszúsági és szélességi fokát. Ezek alapján a
számítógép el tud végezni egy durva becslést. A szélességi körök
távolsága átlagosan 111 km. Tehát ha a számítógép tudja, hány
hosszúsági és szélességi fok különbség van a két pont között,
meg tudja becsülni a távolságukat, és azt is, mennyi időbe telik
eljutni az úti célunkig. Ez a becslés egyáltalán nem veszi
számításba az utak számát, a sebességkorlátozásokat, az átlagos
forgalomsűrűséget és így tovább. A Google ezért kétségkívül
valamilyen pontosabb módszerrel végzi a becsléseit. A
részleteket ugyan nem ismerjük, de az az elgondolás, amelyen a
távolság, idő és útvonal kiszámítása alapul, nem térhet el
lényegesen az A* algoritmustól. Mielőtt matematikai
számításokba kezdene, a Google (ügyesen) megbecsüli, milyen
hosszú lesz a megteendő út.
Az A* algoritmusban az a trükk, hogy nem szorítkozik a
megtett távolságra, hanem a megtett távolság és a becsült
hátralévő távolság összegével dolgozik. A matematikai eljárást
követő számítógép csak azokat az útvonalakat követi végig,
amelyeknél ez az összeg a lehető legalacsonyabb. Ez nagyon
sokat számít. Nézzük meg az alábbi ábrát, amelyen ugyanaz az
útvonal látható, mint az előbbin, csak itt nem a Dijkstra-
algoritmus számol, hanem az A*. A számozott mezők száma
most jóval kisebb, ami azt jelenti, hogy a számítógép sokkal
kevesebb lehetséges útvonalat számolt ki, mint a Dijkstra-
algoritmus használatával.
 Ugyanannak az útvonalnak a kiszámítása az A* algoritmussal

Ebben a példában az A* algoritmus nagyon jó becslést adott: a

22 csak egy mezővel rövidebb, mint a ténylegesen legrövidebb
útvonal. Erre az eredményre olyasféleképpen juthatott a
számítógép, mint a szélességi és hosszúsági fokok
különbségénél alkalmazott számításnál: vond le a végcél
koordinátáit (lentről 14, balról 12) a kezdőpont koordinátáiból
(lentről 3, balról 1), vagyis: (14 – 3) + (12 – 1) = 22. Ilyen módon
köztes becslések is végezhetők a hátralévő útról.
A számítógép még mindig sok olyan utat megvizsgál,
amelyen nem jutni el a célig. Például végigpróbálja a folyó
menti szakaszokat is, mert ha mégiscsak van ott egy híd,
gyorsabb út kínálkozik arrafelé. Ezzel együtt egyértelmű, hogy
az A* algoritmus praktikusabb: a Dijkstra-algoritmus
működését mutató ábrával ellentétben itt nem látni számozott
mezőket az ábra jobb alsó részében, vagyis teljesen rossz
irányban. Ennek az az oka, hogy ez a hely nehezen elérhető – az
algoritmusnak sok lépést kell megtennie, hogy eljusson idáig a
kezdőpontból –, ezenkívül messze esik a becsült végponttól. E
két szám összege nagyon magas, ezért az A* algoritmussal
dolgozó komputer figyelembe sem veszi, míg a Dijkstra-
algoritmus végigszámolja őket.
Az A* algoritmus jól működik, különösen, amíg a becsült
távolság nem nagyobb a tényleges legrövidebb útvonalnál.
Erről a feltételről pedig gondoskodik a fenti módszer, így a
matematikai algoritmus mindig meg fogja találni az úti
célunkhoz vezető legrövidebb utat. Hátránya viszont az A*
algoritmusnak, hogy amikor a számítógép nagyobb értéket
becsül a ténylegesnél – mert például komplexebb módszerrel
dolgozik, mint a koordináták egyszerű kivonása –, nem mindig
fogja megtalálni a legrövidebb útvonalat. Ilyenkor előfordulhat,
hogy rossz utat követ, és mintegy útközben lepődik meg azon,
hogy már elérte a célját.
Ennek ellenére az A* algoritmus sokkal hasznosabb, mint a
Dijkstra-féle, mert hosszú távolságok esetében a számítógépnek
sokkal kevesebbet kell számolnia. Ezenkívül más matematikai
trükkök is rendelkezésre állnak, amelyekkel felgyorsítható a
folyamat. Segít például, ha az útvonal kiszámítása nem csupán
a kezdőponttól a végpontig történik, hanem egyidejűleg két
irányban (a starttól a célig, és a céltól a startig). A számítógép
addig váltogatja az irányokat, amíg a két útvonal össze nem
találkozik. Előbb tesz egy lépést a kiindulópontból, majd tesz
egy lépést a végpontból, aztán megint egyet az elejéről és így
tovább. Mindkét irányban az A* algoritmussal végzi a
számításokat, vagyis rendre megbecsüli a még hátralévő
távolságot. Okosan kidolgozott rendszerrel ilyen módon akár a
teljes észak-amerikai úthálózatra kiterjedő útvonalak is
hatékonyan megtervezhetők.
A két algoritmus között számottevő a különbség. Jól
szemlélteti ezt egy, az A* algoritmus egyik változatával elvégzett
kísérlet. Ebben az észak-amerikai úthálózat 21 133 774
köröcskéből és 53 523 592 összekötő vonalból állt. A Dijkstra-
algoritmus átlagosan 6 938 720 köröcskét ejtett útba, mire
megtalálta a legrövidebb utat. Némi előkészítő munkával – egy,
a gráfot lekicsinyítő matematikai számítással – a kétirányú
algoritmus 162 744 kör bejárásával is el tudta végezni a
feladatot.
Az előkészítő munkának ebben kulcsszerepe van, nem
véletlen, hogy jelenleg is épp ezen a területen történnek a
legfontosabb fejlesztések. Ilyen például a „highway hierarchies”
(autópálya-hierarchiák) sűrűn használt matematikai módszere,
amelynek segítségével olyannyira leegyszerűsíthető egy gráf,
hogy már egy közönséges számítógép is képes egy ezred
másodpercen belül kiszámítani egy eredetileg 18 millió
köröcskés gráfban futó európai útvonalat. A koncepciót már a
módszer elnevezése is sejteti: a hosszú utak nagy
valószínűséggel az autópályákon tehetők meg a leggyorsabban.
Sokkal tovább tartana New Yorkból eljutni Chicagóba, ha az
ember csak mellékutakat választana, ezért egy okos komputer
figyelmen kívül hagyja azokat. Matematikai szempontból ez
annyit jelent, hogy a mellékutakat lehetőség szerint ki kell
venni a gráfunkból. Nem tartunk meg más köröket és nyilakat,
csak azokat, amely a kezdő- és végpontunkat az autópályákkal
összekötő kis utaknak felelnek meg, valamint az autópályákat.
Csak hát a számítógép nem tudja előre, mely nyilak felelnek
meg az autópályáknak. A matematika fő feladata ebben az
esetben anélkül felismerni az autópályákat, hogy valaki
előzetesen beazonosítaná azokat. Ennek a feladatnak az
elvégzése is automatizálható, csak ki kell számítani, mely utak
fordulnak elő a leggyakrabban az eredeti gráf legrövidebb
útvonalaiban. Egy kis mellékút csak nagyon kevés ilyen rövid
útvonalnak lesz a része– ezeket kirostálja a számítógép, így csak
a fontos főutak, autópályák maradnak meg. Ez a matematikai
eljárás azon az egyszerű belátáson alapul, hogy az autópályákat
sok ember használja. Ez az összefüggés elég is ahhoz, hogy a
komputer milliónyi, kis forgalmú utakat reprezentáló
köröcskétől és nyíltól szabadítsa meg a gráfot. A „highway
hierarchies” módszerével elvégzett számítás eredményeképpen
sokkal kevesebb olyan köröcske marad, amit figyelembe kell
venni az útvonalszámításnál.
A New York–Chicago útvonalat tehát a következő módon
lehet kiszámolni: a számítógép megkeresi, milyen autópályák
esnek a legközelebb a New York-i címünkhöz, s mivel a
komputer egyszerre két irányba utazik, ugyanezt teszi a
chicagói úti célunkkal is. Amint megtalálta az autópályákat,
már figyelmen kívül hagyhatja az összes többi utat, egészen
addig, amíg a kezdő- és a végpontból kiinduló útvonal össze
nem találkozik valahol az autópályán. Annak köszönhetően,
hogy a számítógép előzetesen rostált, jóval könnyebb elvégezni
az útvonal kiszámítását. Látható tehát, hogy a
koordinátaszámításon alapuló távolságbecsléstől a főutak
használati gyakoriságon alapuló felismeréséig hogyan teszi
lehetővé egy sor matematikai elgondolás, hogy roppant hosszú
távolságok esetében is számítógépre bízhassuk az
útvonalszámítást.

A Google kóborlásai

Gráfokkal nap mint nap találkozunk. Láttuk, milyen szerepet

töltenek be az útvonaltervezésben; de olyankor is ott
ügyködnek körülöttünk, amikor nem készülünk útra kelni. Elég
csak rákeresnünk valamire az interneten: a Google minden
böngészésünk alkalmával gráfokat használ, hogy eljusson a
találatokhoz. A mai keresőmotorok is annak köszönhetik a
hatékonyságukat, hogy gráfokkal járják be a világhálót. Ahogy a
bevezetésben már említettem, a Google előtti időkben még saját
magukra sem tudtak rábukkanni!
A Google alapítói matematikai megoldást találtak erre a
problémára. Rájöttek, hogyan lehet automatikusan felkutatni a
legfontosabb internetoldalakat. Ők voltak az elsők, akik úgy
tekintettek az internetre, mint egy óriási gráfra, amelyben az
egyes oldalak között linkek teremtenek kapcsolatot. A
Wikipédián például úgy közlekedünk, hogy követjük az egyik
oldalról a másikra mutató linkeket. Ha böngészés közben
gyakran lyukadunk ki ugyanazon az oldalon, akkor az az oldal
biztosan fontos, úgyhogy elöl fog állni a keresési eredmények
listáján. A Google újra meg újra bejárja az internetet, hogy
megnézze, mely helyeken szoktunk kilyukadni rajta. És sokkal
gyakrabban kötünk ki a Wikipédián, mint valamilyen obskúrus
oldalon Bill Clinton lejárt szavatosságú fotójával.
Ezt a keresőmunkát a Google matematikai számítások
segítségével végzi. Ami jó, mert ezáltal megbízhatóan működik:
sokkal nagyobb a valószínűsége, hogy a megfelelő oldalakat
találja fontosnak. Ha csak úgy találomra böngésznénk az
internetet, előbb-utóbb megrekednénk valahol. Mondjuk
azoknak a gyanús oldalaknak az egyikén, amelyek
összeesküvés-elméleteket taglalnak, és körbehivatkozzák
egymást. Tényleg megbízhatatlanabbak a Wikipédiánál! A
Google számításai gondoskodnak róla, hogy észrevegyük a
különbséget. Ha véletlenszerűen szörfölgetnénk, erre
egyáltalán nem lenne garancia, amit az is bizonyít, hogy hány
ember bedől az összeesküvés-elméleteknek.
Tegyük fel, hogy az alábbi gráf az egész internet. A körökben
szereplő számok a weboldalak. A B például jelölheti a
Wikipédiát, egy megbízható információforrást, amelyre sok
más weboldal hivatkozik. A betűk alatti számok pedig azt
mutatják, hogy a Google a maga számításai alapján milyen
fontosnak ítéli meg az adott weboldalt. A magas pontszám azt
jelenti, hogy az oldal fontos, az alacsony pedig azt, hogy jobb, ha
lemondunk a felkereséséről. Legalábbis a Google szerint.
Hogyan áll elő egy ilyen pontszám? Tegyünk úgy, mintha
tényleg ide-oda szánkáznánk az interneten. A linkeket (a gráf
nyilait) követve egyik oldalról a másikra ugrunk: olvasunk
valamit az I weboldalon, valami felkelti a kíváncsiságunkat,
átmegyünk az E oldalra. Onnan az F-en keresztül a B-re jutunk.
Ebben a példában gyakorlatilag minden út a Wikipédiára vezet.
A Wikipédia tehát magas pontszámot kap. Gyorsan ott találjuk
magunkat valamelyik szócikkénél, ami nyilván nem ok nélkül
történik.

Az internet, ahogy a Google látja

A Wikipédia aztán továbbutal egy újabb weboldalra, a C-re. A

szócikk ezt tünteti fel forrásaként. A sok panasz ellenére a
Wikipédia ma nagyon is megbízható webhely. Ezért a C oldal,
jóllehet csak egy oldalon linkelték be, magas pontszámot kap.
Sokkal magasabbat, mint például a D, amelyre szintén csak egy
weboldal utal. Vagyis nemcsak az számít, hogy hány oldalon
utalnak egy weboldalra, hanem az is, hogy az előbbiek
mennyire fontosak.
El tudjuk ezt képzelni? Választanunk kell két internetes oldal
között. Az egyik a szeptember 11-i terrortámadásról szóló
Wikipédia-szócikk, a másik egy olyan webhely, ahol valamilyen
összeesküvés-elméletet adnak elő ugyanerről. A Google szerint
előbb az oldalakra mutató linkek számát kell összevetni. A
Wikipédiára persze rengeteg oldalon hivatkoznak, csakhogy
akik az összeesküvés-elméletek mögött állnak, egy csomó pénzt
költenek arra, hogy a legkülönfélébb nulla látogatottságú és
értelmetlen oldalakon szépen elhelyeztessenek egy-egy, az
oldalukra mutató linket, minek folytán nekik még ennél is több
lesz a hivatkozásuk. Veszít ettől a Wikipédia a fontosságából?
Nem, erről szó sincs. A Google sem járna jól, ha valaki egy kalap
pénzzel elérhetné, hogy az ő oldala legyen a legfontosabb
keresési eredmény a szeptember 11-i terrortámadásról, hiszen
a felhasználói nem a legjobban pénzelt, hanem a
legmegbízhatóbb információra kíváncsiak. Nos, az adott oldalra
utaló oldalak fontosságának mérésével részben kiküszöbölhető
a probléma. A BBC-t nem lehet megkenni, hogy összeesküvés-
elméleteket linkeljen be az oldalain. A BBC linkjei ezért sokkal
értékesebbek a Google szemében, mint egy olyan oldal linkjei,
amely kiárusítja a hivatkozásait.
 Más kérdés, hogy általában nem így használjuk az
internetet. Mikor fordult elő utoljára, hogy 50 weboldalt
végiglátogattunk, újabb és újabb linkekre kattintva? Többnyire
csak beírjuk egy oldal címét, mondjuk a Facebookét, és egyből
azt keressük fel. Elég körülményes volna, ha mindig csak linkek
sorozatán keresztül érnénk el az ismert weboldalakat. Így hát a
Google sem mindig ezt az utat járja be. Előfordul, hogy a
számításai során közvetlenül felkeres egy oldalt. Ilyenkor C-ről
egyből E-re ugrunk, mert nem bírjuk megállni, hogy ne nézzük
meg, mit posztoltak a barátaink. Beírtuk a Facebookot a
böngészőnk címsorába, vagyis nem tesszük meg azt a közbülső
tíz lépést, ami ahhoz kell, hogy a linkeken keresztül odajussunk.
A számítások szerint körülbelül egy a hathoz a valószínűsége
annak, hogy így teszünk. Nem mintha olyan gyakran
kattintanánk rá egymás után öt linkre, de az algoritmus nyilván
pontosabb eredményt ad.
Végső soron az egész nem több, mint egy nagy kirakós,
amelyet játszva meg kell találni a megfelelő számokat. Tegyük
fel, hogy B-ből C-re jutunk. C ezért magasabb pontszámot fog
kapni. De aztán visszamegyünk B-be, ami miatt B pontszáma is
emelkedik, hiszen egy B-re mutató link ezáltal fontosabbá vált.
És ez így megy tovább – ezek után C-nek is magasabb
pontszámot kell kapnia, hogy helyrebillenjen az egyensúly.
Szerencsére a pontszámok nem emelkednek a végtelenségig.
Matematikailag bizonyítható, hogy a növekedés egy adott
pillanatban megáll, nagyjából azon a ponton, ahol a Google az
50. számítás körül tart. A Google 50-szer pontoz a
keresőmotorjával megtalálható minden egyes oldalt. Utána már
nem növekednek a pontszámok; a B-hez és C-hez rendelt
számok nem erősítik egymást.
A matematikai elgondolás tehát a következő: linkeken
keresztül, néha egy-egy weboldal URL-címét beírva
közlekedünk egy gráfban. Fontos weboldalak azok, amelyekre
sok más fontos weboldal utal – vagyis azok a helyek, amelyeken
a gráfot járva gyakran megfordulunk. Úgy tűnik, hogy ez az
elgondolás nagyon jól működik. És nem csak a weboldalak
esetében. Ki lehet találni általa azt is, hogy kinek milyen film
fog tetszeni.

Házimozi gráffal

A Netflix ugyanennek a számításnak az alapján ajánl új

filmeket az előfizetőinek. Valószínűleg a Netflix komputerei is
egy olyan gráfot használnak, amelyen belül az ajánlatokon
keresztül mozgunk ide-oda (biztosan nem tudhatjuk, mivel az
algoritmus nem nyilvános). Persze az is előfordul, hogy nem az
ajánlott filmet nézzük meg, hanem valami egészen mást – mert
tetszett egy trailer, vagy mert egy barátunk lelkendezve
mesélte, mit látott. A Netflix megpróbálja kitapasztalni, milyen
az ízlésünk; csoportokba sorolja a használóit, és ebből kiindulva
készíti el az ajánlatait a Google által is használt technikákkal.
Idézzük csak fel az első fejezetből, mi történik, miután
megnéztük A Vasembert!
 A Netflix ilyenkor azt is felhasználja, amit a többi
előfizetőjéről tud. Megnézi, hogy akik látták a szóban forgó
filmet, milyen filmeket néztek meg később; például, hogy A
Vasember után hányan nézték meg a Vasember 2-t is. Ha sok
ilyen ember van, az azt jelenti, hogy a Vasemeber 2 jó ajánlat; a
film magas pontszámot fog kapni, mert passzol azokhoz a
filmekhez, amelyeket korábban láttunk. A Kék bolygó nem kap
ilyen magas pontszámot, mert sokkal kevesebb olyan ember
van, aki egyaránt szokott nézni akció- és természetfilmeket.
Matematikai szempontból alig van különbség a Netflix és a
Google között. Az utóbbihoz hasonlóan, amely feltételezi, hogy
azok a weboldalak fontosak, amelyekre sok más fontos
weboldal felől mutatnak linkek, a Netflix is abból indul ki, hogy
az emberek főleg olyan filmeket fognak megnézni, amelyeket
sok, hasonló ízlésű ember is megnézett. Egy film akkor
találkozik az ízlésünkkel, ha sok más olyan filmre hasonlít,
amely találkozik az ízlésünkkel. Időnként persze lehetünk
szeszélyesek, és vágyhatunk arra, hogy valami egészen mást
nézzünk. Egyszerűen kíváncsiak vagyunk valamire, tudni
akarjuk, nekünk való választás-e. Ilyenkor a matematikai
számítások ahelyett, hogy a vonalakat követnék, szépen egyik
filmtől a másikig, átugranak a gráf egy távolabbi pontjára.
Az a matematikai megoldás tehát, amelyet az internetes
keresés optimalizálására fejlesztettek ki, arra is jó, hogy a
segítségével megtaláljuk a leginkább nekünk tetsző filmeket és
sorozatokat. Mindkettőhöz hatalmas számítási kapacitás kell.
Óriási a választék, és a Netflixnek mindegyik filmet és sorozatot
pontoznia kell. Ráadásul rengetegszer újra kell számolnia a
pontszámokat, méghozzá felhasználónként, külön-külön. Ezért
állíthatja magáról joggal a streamingszolgáltató, hogy mindenki
számára más és más. A megfelelő számításokkal gondoskodik a
személyre szabott kínálatról, még ha ez a módszer nem is
működik mindig tökéletesen.
Egyvalami ugyanis meghaladja még a Netflix képességeit is:
nem tud nekünk olyan filmet választani, amit úgy találnánk
lenyűgözőnek, hogy közben mégsem hasonlít azokra a filmekre,
amelyeket korábban már láttunk – magyarán, nem tud minket
igazán meglepni. Olyan filmeket keresnek a számításai,
amelyek hasonlítanak a korábban látottakra, nem pedig
olyanokat, amelyek annak ellenére tetszenének, hogy egészen
mások. Ez utóbbira a Netflix által alkalmazott matematika nem
képes. Sajnos, nem ért a filmekhez.

A gyógyítás szolgálatában

Nem csak a nagy internetes cégek lelkesednek a gráfelméletért.

A kórházak is használnak gráfokat, például abból a célból, hogy
megjósolják, milyen hatékony lesz egy rákbetegnél az adott
gyógymód. Ez ugyanis páciensről páciensre változik, többek
között a genetikai különbségek következtében. Az eltérések, úgy
tűnik, remekül megjósolhatók, mégpedig ugyanazokkal a
számításokkal, mint amelyeket a Google és a Netflix is használ.
 Mielőtt áttértek volna erre az újabb módszerre, az esetek
mintegy 60 százalékában döntöttek jól az orvosok. A
gráfelmélet segítségével végzett számítások révén rögtön 72
százalékos pontosságot értek el (2012-es adat). Ez pedig óriási
javulást jelent azoknak a betegeknek, akik enélkül talán értékes
időt vesztegetnének el egy hatástalan kezeléssel.
Hogy néz ki ez az eljárás? Az előrejelzés alapja egy kis
csoport gén. A matematika alkalmazása előtt ezt a csoportot
találomra választották ki a kutatók, sokszor a maguk egyéni
preferenciái szerint – senki sem tudta, mely gének a
legfontosabbak. Olyan hihetetlenül sok van belőlük, hogy egy
embernek aligha lehet rálátása valamennyire. Tovább nehezíti
a dolgot, hogy ezek a keresett gének a kezelés során
megváltoztatják a viselkedésüket, és ezt olykor mintegy
rejtőzködve, más gének befolyásolása útján teszik, anélkül hogy
ők maguk látható változásokon mennének keresztül. Nem kis
munka tehát megállapítani, mely gének a fontosak.
Nem találkoztunk már valami hasonlóval? Ki kell választani
a sokból a fontosat? Nos, pontosan ezen igyekszik a Google és a
Netflix is, így aztán egy kutatócsoport arra gondolt, hogy a
módszert kiterjeszti a génekre is. Készítettek egy gráfot, amely
ezúttal a gének viselkedésével foglalkozó kutatásokon alapult.
Az ilyen kutatások többek között megmutatják, hogyan változik
bizonyos gének viselkedése, és mely gének gyakorolnak hatást a
többire. Az így nyert adatok alapján meg lehet alkotni a gráfot:
a körök/gének közötti vonalak megadják, mekkora befolyással
bír az egyik gén a másikra.
 Van azonban egy kis különbség a Google és a Netflix
gráfjához képest: a kutatók nem ugyanabból a kezdő
pontszámból indulnak ki. A gének kezdő pontszáma olyan
kutatásokon alapul, amelyek kapcsolatba hozzák a
viselkedésüket a betegek túlélési esélyeivel. Egy nagy aktivitást
mutató gén például segíthet a rák legyőzésében. Ez a gén magas
kezdő pontszámot fog kapni, ami azt jelenti, hogy az orvosnak
mindenképpen érdemes lesz odafigyelni rá. Ettől fogva azonban
ugyanaz történik, amit korábban is láttunk: egy számítógép
génről génre vándorol, és figyeli a pontszámok változását,
abból kiindulva, hogy a gének befolyásolják egymás
viselkedését.
Az újabb és újabb pontszámítások után végül megkapjuk,
hogy mely gének a legfontosabbak egy-egy beteg túlélési esélyei
és a kezelésekre adott reakció szempontjából. Az algoritmus
tehát minden információt feldolgoz, ami csak a génekre és azok
egymásra való hatására vonatkozik. Pontosan azokat a géneket
fogja megtalálni, amelyek – közvetlenül vagy áttételesen –
kulcsszerepet játszanak a rák kezelésében. A matematika révén
könnyebb teljes áttekintésre szert tenni a génekkel kapcsolatos
ismeretek terén. Ezenkívül a matematika sokkal nagyobb
hatásfokkal dolgozik, mint az összes többi módszer, amely 2012-
ben rendelkezésre állt. Így ment életeket a matematika egy
olyan területe, amely eredetileg nem is ezzel a szándékkal jött
létre.
 Facebook, barátságok, mesterséges intelligencia

Legyen az utolsó példánk a Facebook, amely szintén ezt a fajta

gráfelméleten alapuló algoritmust használja. Nem annyira az
információ rendezéséhez, mint inkább ahhoz, hogy ismerősöket
ajánljon a felhasználóinak. Végül is a Facebook pontosan tudja,
ki kinek az ismerőse, vagyis birtokában van egy óriási gráfnak,
amely minden felhasználót magában foglal a kapcsolataikkal
együtt. Ezt a gráfot kutatja át az algoritmus egy adott
felhasználótól elindulva, hogy megnézze, ki az, akivel az illető a
valóságban is összefuthatna? Azzal, akivel sok közös
ismerősünk van, tényleg összefuthatunk valamikor, mondjuk
egy házibuliban, ami azokra is igaz, akiknek ugyanazok a
barátai, mint a barátainknak. Az utóbbi esetben kicsit
bonyolultabb a dolog, de tegyük fel, hogy körülbelül 20 ilyen
ember van. Lehet, hogy egy barátunk magával cipel minket egy
ilyen közbülső személyhez. Vagyis a Facebook nemcsak azt
tudja, hogy kit ismerünk, hanem azt is meg tudja jósolni, hogy
kit fogunk rövidesen megismerni.
Nos, ez még közel sem olyan aggasztó, mint az a sok minden,
amit a Facebook ezen kívül még tud rólunk. Kit hívunk, milyen
oldalakon járunk és így tovább. Éppen elég történet került
napvilágra, hogy többé-kevésbé felmérhessük, milyen iszonyú
mennyiségű adatot igyekszik begyűjteni a Facebook a
felhasználóiról – no meg azokról, akiknek soha nem is volt
Facebook-fiókjuk. Mindezt pedig abból a célból, hogy a
gráfjaival elemezze őket. Nem azzal a módszerrel, ahogyan a
Google rendezi a keresési eredményeit, hanem úgynevezett
neurális hálózatok alkalmazásával. Ezek a neurális hálózatok
tesznek lehetővé szinte mindenfajta mesterséges intelligenciát,
a beszédfelismeréstől a spamszűrésig, de használják őket orvosi
diagnózisok felállításához is. A hirdetések optimalizálása is
ezen hálózatok útján történik. A Facebook ezek segítségével tud
felállítani olyan hirdetési kategóriákat, mint például: „olyan
emberek, akik valószínűleg 180 napon belül Mazdát fognak
vásárolni”.
De honnan tudja ezt a Facebook, amikor mi még el sem
határoztuk magunkat? Erre jók a hatalmas adatmennyiséggel
feltöltött neurális hálózatok. Egy gráfban nem csak a fontos
helyekre vonatkozólag lehet számításokat végezni – ez az, ugye,
amikor csak a körök kitöltésére szorítkozunk. A neurális
hálózatok ezzel szemben arra is használhatók, hogy utánozzák
az agyunk működését. Az egymással összekapcsolt, jeleket
továbbító neuronok helyett a gráfunk körökből áll, amelyek
számokat adnak át egymásnak a gráf nyilain keresztül.
Információt táplálunk be az egyik oldalon, és kapunk egy
előrejelzést a másikon. Például: a bemeneti adatok alapján a
kapott eredmény egy olyan hirdetési kategória lesz, amelybe a
Facebook szerint beletartozunk. Ez a gráf tehát nem valamiféle
változatlan puzzle, amelybe a megfelelő számokat próbáljuk
beilleszteni, hanem dinamikus egész, amellyel előrejelzéseket
akarunk adni valami egészen másra vonatkozólag.
Egy neurális hálózat, ahogy a következő ábránkon is látszik,
lényegében gráf, csak a körök szerepe más lesz, mint a
korábban látott gráfokban. A bal oldali oszlop a „bemenet”: itt
megy be az információ, akárcsak az agyunk esetében. Legyen ez
az információ mondjuk egy arcról készített fotó, csak éppen
egyesek és nullák formájában. A számokat – vagyis az
információt – a középső oszlop négy köre dolgozza fel. Ebben a
középső részben megváltoznak a számok; a balra fent betáplált
1-esből középen fent 0,5 lehet, mert a nyíl mindent elfelez, ami
a bal fenti karikából érkezik. A nyilak úgy alakítják át a
számokat, ahogyan azt az idegsejtek közötti összeköttetések
teszik. Ezek az összeköttetések nem ugyanolyan erősek, ezért
bizonyos idegsejtek jobban, mások kevésbé befolyásolják
egymást. Az algoritmus – egy gráfon keresztül – az agyunk
működését utánozza.

Neurális hálózat modellje

A sok-sok közbülső kör után, amelyek között nyilak változtatják
meg a betáplált adatot, végül a jobb oldali oszlop köreiben jön
ki az eredmény. Ha a bevitt adat valóban egy arcot ábrázoló
fotó, akkor a két jobb oldali kör azt a kérdést jelenthetné, hogy
férfi- vagy női arc van-e a képen. Ha a számítógép biztosra
veszi, hogy férfiarcról van szó, a férfinak megfelelő kör kap egy
1-est, a nőnek megfelelő kör egy 0-t. Hogy a számítógép hogyan
jut erre a megállapításra, más szóval, hogyan alakítja át a
bemenetet a kimeneti oldalon kapott előrejelzésre, azt gyakran
homály fedi.
Ennek az az oka, hogy sok esetben maga a számítógép
gondolja ki a köztes lépéseket. Miközben ugyanis problémákat
old meg a „betanuló szakaszban”, a gráfon is folyamatosan
alakít. Ebben az első szakaszban a számítógép úgy fejleszti a
problémamegoldó képességét, hogy a fényképekkel együtt,
amelyeken gyakorol, előre megkapja a válaszokat is – ezért
szokták azt mondani a számítógépekről ilyenkor, hogy
„tanulnak”. Megváltoztatják a körök közötti kapcsolatok erejét,
vagyis a nyilak mellett álló számokat. Például ha a bal felső
bemeneti kör a hajhosszúságra vonatkozik, akkor ez az adat
kezdetben talán lényegtelen – vagyis a számítás szempontjából
nincs jelentősége a körben megadott számnak, és így a bal felső
körből kiinduló nyilakon nagyon alacsony szám fog szerepelni.
De gyakorlás közben a számítógép arra a felfedezésre juthat,
hogy mégiscsak fontos ez az adat, és ennek megfelelően egyre
magasabb számokat fog hozzárendelni a „hajas körből”
kiinduló nyilakhoz.
 Ehhez óriási tömegű adatot kell begyűjteni. Az
arcfelismeréshez rengeteg olyan fotóra van szükség, amelyekről
megállapítható, hogy férfi szerepel-e rajtuk vagy nő. Egy
számítógép önkényesen lát hozzá a munkához. Az első fotónál
még nem ismer fel semmit, de kiad egy választ, amelyet aztán
összevet a helyes válasszal. Ez alapján módosításokat eszközöl a
gráfjában, majd továbblép a következő fényképre. Ha ez a
ciklus elég sokszor megismétlődik, eljön az a pillanat, amikor a
számítógép már minden képre helyes választ fog adni.
Ugyanezzel a módszerrel sikerült legyőznie egy
számítógépnek a világ legjobb gojátékosát, pedig ez a táblajáték
sokáig túl nehéznek bizonyult a számítógépek számára. A
számítógép egy hatalmas gráf használatával sok millió játszmát
lejátszott önmaga ellen. Minden játszmának lett egy győztese, a
számítógép pedig a játék alakulásának függvényében
módosított a gráfján. Nemcsak a játékszabályokat tanulta meg,
hanem azt is, hogyan kell a lehető legjobban játszani. Ma ez
már olyan könnyedén megy a számára, hogy csupán három nap
tanulásra van szüksége ahhoz, hogy megverje az aktuális
világbajnokot.
A Facebook tehát a fenti elgondolásra épít, amikor ki akarja
deríteni, hogy a valószínűsíthető Mazda-vásárlók körébe
tartozunk-e. A titkosszolgálatok a bűnözők és a terroristák
felderítésében akarják alkalmazni ugyanezt a módszert, Kína
pedig egy olyan szociális kreditrendszert fog felállítani a
segítségével, amelyben a népesség minden tagja pontokat kap a
viselkedésére. Ezeken kívül még sok más (aggasztó)
alkalmazása is lehetséges. Komputer segítségével ma már
egyetlen fénykép alapján meg lehet mondani valakiről, hogy
melyik nemhez vonzódik. Az ilyen előrejelzések még nem
tökéletesek, de lehetségesek. Így aztán vissza is lehet élni velük.
Példának ott a Cambridge Analytica-botrány. Ez a brit–
amerikai adatelemző cég arra használta a Facebookról vett
információkat, hogy megjósolja az emberek politikai
preferenciáit, beleértve azt is, hogy kinél milyen fajta üzenet ér
célba a leghatékonyabban. Közelebbről: hogyan győzhetünk
meg bizonyos embereket arról, hogy Donald Trumpra
szavazzanak. Nem egyértelmű, hogy a Cambridge Analytica
tevékenysége milyen hatással volt a választói magatartásra.
Elvégre a cég Ted Cruz kampányában is közreműködött, aki
nem szerepelt olyan fényesen. De akármilyen befolyással bírt is
a Cambridge Analytica a választásokra, két dolog a napnál
világosabb: az egyik, hogy nem lett volna szabad ennyi adattal
rendelkezniük, a másik, hogy iszonyú sok mindent ki tudtak
hozni az adataikból, és ezt a gráfelmélet segítségével tették.

Gráfok a háttérben

Gráfokkal, úgy tűnik, lépten-nyomon találkozik az ember. Nincs

velük dolgunk közvetlenül, mint mondjuk a statisztikával,
inkább a háttérben húzódnak meg. Nem szükséges bármit is
tudnunk róluk, enélkül is remekül használhatjuk a navigációs
rendszereket, a Google-t vagy a Netflixet. Ahogy az integrálok és
differenciálok ismerete nélkül is elég jól megvagyunk. Tényleg
olyan fontos hát, hogy megértsünk valamit a gráfelméletből?
Szerintem igen. A gráfok óriási hatással vannak az életünkre, és
nem árt, ha tudjuk, mely alkalmazások hátterében állnak.
Kezdjük azokkal, amelyeket a fejezet elején említettem. A
Google Maps, mint láttuk, gráfokkal számítja ki a leggyorsabb
útvonalat az úti célunkig. Egy ilyen alkalmazás az integrálokhoz
és differenciálokhoz hasonlóan nemigen szól bele az életünkbe.
Bizonyos dolgokat megkönnyít – lám, már térképet sem kell
(tudnunk) olvasni. Nem hinném, hogy bárkinek is eszébe jutna
megkérdőjelezni a létjogosultságát. Mindannyian szeretnénk
minél gyorsabban eljutni az úti célunkig. Ha ez a cél
könnyebben megvalósítható a gráfelmélettel, miért is ne élnénk
vele? Felhasználói szinten azonban nem kell okvetlenül
tudnunk róla.
Mindjárt más a helyzet, ha a Google, a Facebook és más
cégek vagy szervezetek arra használják fel a gráfelméletet, hogy
neurális hálózatok útján rendezzék az információkat, hozzák a
döntéseket. Ebben az esetben nagyon is jól jön, ha van valami
fogalmunk a gráfelméletről. Gondoljunk csak a
titkosszolgálatokra, amelyek egy szép napon talán hozzá
akarnak férni a személyes adatainkhoz. Mi a szándékuk velük?
Mit olvasnak ki belőlük? Az adatfeldolgozás során mely
lépéseket látnak át az emberek, és mi az, ami emberi ellenőrzés
nélkül történik? Az ilyen és ehhez hasonló kérdésekre csak az
tud felelni, aki nem egészen járatlan a gráfelméletben.
 Más, kevésbé konkrét, de sokakat foglalkoztató kérdésekben
is könnyebb véleményt alkotni, ha van némi ismeretünk a
gráfokról. A Google-nak és a Facebooknak az a hátulütője, hogy
a felhasználóik bizonyos fokig „buborékban” élnek, ahová
túlnyomórészt csak olyan információk jutnak el, amelyek
megerősítik őket a vélekedéseikben. Felhasználóként igencsak
erőlködni kell, hogy az ember megismerhesse az övétől eltérő
álláspontokat. Nem tehetne ez ellen a Google valamit? Elvégre
hozzá kell hogy férjen a többi állásponthoz is, mivel azok is
megtalálhatók az interneten. De akkor miért nem találkozunk
velük? Miért nem tudjuk úgy beállítani a keresőnket, hogy más
oldalakról is megjelenjenek a találatok? Egyszerűen azért nem,
mert az itt alkalmazott matematika nem képes erre. A Google és
a Facebook nem tudják „csak egy kicsit” úgy módosítani az
algoritmusukat, hogy az érdeklődési területünkön belül
maradjunk, de ripsz-ropsz másfajta dolgokat is lássunk a
képernyőnkön.
A Google és a Facebook olyan mércével dolgozik, amely
szerint a legfontosabb információ a legkönnyebben elérhető
információ, nevezetesen az, amelyik a legjobban hasonlít arra,
amit keresünk. A Google sehogy sem tud olyan információt
felkínálni, ami túlmutat a keresőkifejezéseinken, mint ahogy a
Netflix sem tud teljesen meghökkentő és mégis nekünk tetsző
ajánlattal előállni. Az álhírek szűrése is egyszerűbbnek tűnik,
mint amilyen valójában, mivelhogy a matematikai számítások
nem „látják”, mi jelenik meg egy weboldalon. Persze keményen
dolgoznak rajta, hogy egyszer majd eljussanak idáig, de az
ilyesmi nem megy egyik napról a másikra. Annak a
matematikának, amelyet ma alkalmaznak, megvannak a
korlátai.
A mindent elárasztó álhírek, a személyes adatok sérelme és
a mesterséges intelligencia fejlődése mára égető társadalmi
kérdésekké váltak. Ezeknek az aggasztó jelenségeknek a
hátterében pedig a gráfelmélet lehetőségei és korlátai állnak.
Ezért aztán különösen fontos, hogy legyen némi fogalmunk a
matematikának erről a területéről. Annak, aki állást akar
foglalni a manapság folyó társadalmi vitákban, nemcsak azt
kell tudnia, hogy mi a tétjük, hanem azt is, hogy a megoldási
javaslatok közül mi az, ami megvalósítható, és mi az, ami nem.
Ehhez pedig tudni kell, mi fán terem a gráfelmélet.
 8. A matematika haszna

A matematika – állítom immár sokadszorra – nagyon hasznos

dolog. Hasznos és lényeges. Fontos szerepet játszik a
mindennapjainkban, ha nem is mindig vesszük észre. De miért
vált olyan hasznossá? Ezt a kérdést egyszer már feltettük a 2.
fejezetben, és mire is jutottunk? Tekintsük bár absztrakciónak,
mint Platón a barlanghasonlatában, vagy kitalációnak, mint egy
Sherlock Holmes-történetet, egyik esetben sem kapunk
közvetlen magyarázatot a matematika hasznára. Egy ilyen
absztrakt valaminek, mint a matematika, hogy is lehetne bármi
köze a minket körülvevő valósághoz?
Efféle kérdések megválaszolásában sokszor segít, ha elemi
szinten vizsgáljuk a matematikát. Tegyük fel úgy a kérdést: mi
teszi hasznossá a számokat? Azért kezdtük el őket használni,
hogy pontosabban számontarthassuk a mennyiségeket. Erre a
feladatra a számok azért alkalmasak, mert éppen megfelelő a
struktúrájuk, és mindenféle helyzethez passzolnak. A pozitív
egész számok egészen különlegesek: elkezdjük a számolást az 1-
gyel, és mindig ugyanannyit adunk hozzá, nevezetesen 1-et. A 2
nem több és nem kevesebb, mint az a szám, amely a 3 előtt és
az 1 után következik. A forma tényleg mindenféle helyzetben
alkalmazható.
 Mihelyt számolni kezdünk, alkalmazzuk is. Az „1”
mondhatni az a tartóedény, amelybe az első dolgot tesszük, a
„2” az, amelyikbe másodikat és így tovább. A sorrend, ahogy a
számok formáiban elhelyezzük a dolgokat, elkülöníti őket.
Érvényes ez a kenyerekre, a birkákra, a pénzérmékre, és még
sok minden másra is – de nem mindenre. Próbáljunk csak meg
homokkupacokat számolni! Leteszünk egyet egy építkezés bal
szélén, jobbra tőle leteszünk egy másodikat, csakhogy az balra
ráomlik az előbbire. Ahelyett, hogy két különálló dolgot látnánk,
csak egy, immár nagyobb homokkupac terül el előttünk. Egy
homokkupac meg még egy homokkupac, az még mindig csak
egy homokkupac, 1 + 1 = 1? Hohó, még csak az kellene! A
homokkupacok esetében nem válnak be a számok. A
homokkupacok nem illenek bele a formába, mert nem alkotnak
különálló egységeket.
Más a helyzet, ha valamilyen mértékegységet használunk.
Homok esetében például a litert. A literre már igaz, hogy 1 + 1 =
2, akkor is, ha ugyanabba a kupacba ömlik minden. A
mértékegységek gondoskodnak róla, hogy olyan dolgokat is bele
tudjunk illeszteni a megfelelő formába, mint a homok. Amíg a
formával rendjén van minden, számon tudjuk tartani a
mennyiségeket. Vagyis a számoknak nagyon merev a
struktúrájuk, ennélfogva jól is alkalmazhatók, mert ugyanezt a
struktúrát itt is, ott is megtaláljuk magunk körül. De ez még
nem jelenti azt, hogy mindent megtehetünk velük – a
homokkupacok számolása például, mint láttuk, bajosan menne.
 Vissza tehát a kérdésünkhöz: mi teszi hasznossá a számokat?
A számok egy olyan struktúrát jelenítenek meg, amellyel lépten-
nyomon találkozunk magunk körül. A számok azért
alkalmazhatók olyan jól, azért olyan hasznosak, mert erre a
struktúrára irányítják a figyelmünket, kiemelve azt a sok-sok
elhanyagolható részlet közül. Ezért más a matematika, mint
például egy Sherlock Holmes-ról szóló történet! Igaz, hogy a
Sherlock Holmes-elbeszélésekben is olyan dolgok szerepelnek,
amelyek „ráillenek” a világunkra: úgy írják le Londont, hogy az
nagyrészt fedi a valóságot, egy csomó mindent megtudhatunk
belőlük a város korabeli életéről. De a matematikával
ellentétben hiányzik belőlük az absztrakt struktúra, amelynek
révén a valóság valamilyen specifikus tulajdonságára
irányíthatnák úgy a figyelmünket, ahogyan azt a számok teszik
a mennyiségekkel.

Hibák a matematikában

Ugye, milyen jól hangzik? A matematika pontosan ráillik a

környező világunk dolgaira, ezért alkalmas többek között arra,
hogy a segítségével mennyiségekről gondolkodjunk. Bárcsak
mindig ilyen egyszerűen működne! Mihelyst azonban
valamilyen nehezebb probléma kerül terítékre, máris nem
passzol olyan jól a valóságra, és megmutatkoznak a hibák. A
Google algoritmusa úgy tesz, mintha mindig minden link
megfelelne a várakozásunknak, és soha senki nem mondaná
semelyik weboldalról, ahová elirányít, hogy: „Micsoda
marhaság ez, hogyan kerültem én ide?!” Pedig a felhasználók
nem örülnek annak, ha nem várt oldal keveredik a keresési
eredményeik közé, csak hát a matematika ezzel nincs tisztában.
Szépen kiszámolja az oldal pontszámát, és ha megfelelő az
érték, betölti nekünk találatként. Mint ahogy a Facebook sem
látja a maga gráfjában, hogy ki az, akit tényleg ismerünk, és ki
az, akit csak viccből jelöltünk be. A Facebook matematikai
nézőpontjából nincs különbség ismerős és ismerős között!
A matematika leegyszerűsíti a helyzeteket, ezért közel sem
mindig ad tökéletes képet a világról. Vegyük csak a fizikaórák
ismert kérdését: hol csapódik be a golyó, amikor elsütjük az
ágyút a várra? A matematika a gyökvonás miatt két választ fog
adni erre a kérdésre: a golyó vagy 100 méterrel előttünk
csapódik be vagy 100 méterrel a hátunk mögött ér célt. Mintha
megtörténhetne a valóságban, hogy egy ágyúgolyó
homlokegyenest az ellenkező irányba repül. Ez a megoldás
teljesen értelmetlen, vagyis „hibás”.
Pusztán a számokból kiindulva elmondható, hogy a
matematika hasznos dolog, elvégre pontosan ráillik bizonyos
helyzetekre. A számok esetében ez valóban így is van, de
ügyelnünk kell arra, hogy mit is számolunk. Elég azonban egy
kicsit bonyolultabb probléma, és máris jelentkeznek az
eltérések; a matematika nem pont azt fogja leképezni, ami a
valóságban történik. De még ezekben az esetekben is annyi az
egyezés, hogy bízvást elmondhatjuk: hasznát vesszük a
matematikának. Ki ne tudná, hogy egy ágyúgolyó nem tud
hátrafelé repülni? Vagyis a számításunk a hibája ellenére is
használható.
De hogy is van ez pontosan? Milyen egyezések kellenek,
hogy a matematikának biztosan hasznát vegyük? Mennyi hiba
tekinthető számottevő hibának? Ezekre a kérdésekre nem
tudjuk a választ. A filozófusok is buzgón vitatkoznak róluk.
Egyelőre érjük be azzal a megállapítással, hogy a matematika
alkalmazásának sikerét részben az egyezések magyarázzák. A
matematika olyan struktúrákra hívja fel a figyelmünket,
amelyeket egyébként észre sem vennénk. Segít abban is, hogy
ne foglalkozzunk a szükségtelen részletekkel, és ezáltal az igazi
feladatra koncentrálhassunk.

Csak merő véletlen?

Végső soron a matematika hasznossága az egyezéseken alapul.

De miből származnak ezek az egyezések? Az égből pottyantak
le, vagy épp ellenkezőleg, a matematikusok kemény munkája
kellett ahhoz, hogy a matematika használható legyen? Erre sem
tudunk egyelőre egyértelmű választ adni. Lássuk, mit tartanak
fontosnak maguk a matematikusok! Arkhimédész, megannyi
hasznos felfedezés szülőatyja a gömb, a henger és a kúp
összefüggéseire vonatkozó tételét tartotta a legtöbbre. Éppen
azt a felfedezését, amely nem kecsegtetett különösebb
gyakorlati haszonnal. Mire jó, ha ki tudjuk számolni, mennyit
kell lefaragni egy hengerből, hogy kúpot kapjunk? Hiszen ezt
számolás nélkül is ki tudjuk deríteni!
A matematikusok sokszor egyáltalán nem törődnek a
tudományuk alkalmazhatóságával. Ezek után joggal hihetjük,
hogy ha a matematikának ennek ellenére is hasznát vesszük, az
csak a véletlennek köszönhető. Rendben, a szám- és a mértan
esetében talán mindez mégsem teljesen igaz, hiszen ezek a
gyakorlati élet talaján szökkentek szárba. A harmadik
fejezetben láthattuk, milyen adminisztratív problémák
jelentkeztek az emberek egyre nagyobb és nagyobb
csoportokban való együttéléséből. A városállamoknak
hatékonyabb módszerre volt szükségük az adók kivetéséhez, az
élelmiszerkészletek számontartásához, a jövő megtervezéséhez.
Ezekből az igényekből születtek meg a számok.
Mindez nem ment egyik napról a másikra. Mezopotámiában
először számolóköveket használtak, ami praktikus módja volt a
mennyiségek számontartásának: az ember annyi követ vitt
magával, amennyi az adott javakból a rendelkezésére állt, vagy
amennyire szüksége volt belőlük. A köveket idővel agyagtáblára
írt jelek váltották fel; egy ilyen agyagtáblát könnyebb volt ide-
oda hordozni, mint egy halom követ. Egyszóval az emberek
azért kezdtek számokat használni, mert azok megkönnyítették a
dolgukat. Az első matematikai feladatok ebből következően
színtisztán gyakorlati természetűek voltak – a matematika és a
valóság egyezését illetően szó sem lehetett a véletlen szerepéről.
A matematikának ez az ága azért is olyan hasznos, mert abból a
célból született, hogy a segítségével vesződséges feladatokat
oldjanak meg.
Néhány évszázaddal később már kevésbé egyértelmű a kép.
A különféle kultúrákban élő matematikusok kezdenek
haszontalan problémákkal foglalkozni. Amikor a megoldásokon
törik a fejüket, nem annyira a gyakorlati haszon, mint a
presztízsszempontok vezérlik őket. Ez egyébként ma is így van –
a „haszontalan” matematikának adózunk nagyobb tisztelettel.
Gondoljunk csak a görögökre, akiknek a nevét főleg az elvont
téziseik miatt őrizte meg az emlékezet. Ki volt az a görög, aki
kiásta az alagutat? Mindegy is, felejtsük el, Püthagorasz az igazi
nagy matematikus! Az alagútásó Eupalinosz neve ma már csak
keveseknek mond valamit.
Presztízsszempontok ide vagy oda, ez a fajta matematika is
megtalálta a maga alkalmazási területeit. Püthagorasz tétele
megbízható módszer annak eldöntésére, hogy derékszögű
háromszöggel van-e dolgunk, vagy sem. Arkhimédész számos
munkájának közvetlen alkalmazásai is akadnak. Amikor pedig
a matematika még bonyolultabb ágait vesszük sorra, az
integrál- és differenciálszámítást, a valószínűségszámítást és a
gráfelméletet, azt láthatjuk, hogy ezeket is alkalmazzák a
gyakorlatban, mi több, kulcsfontosságú szerephez jutottak.
Történetük pedig meglepő módon arról tanúskodik, hogy
mindezt nem a véletlennek köszönhették.
Ott vannak mindjárt a differenciálok és integrálok. Newton
és Leibniz kezdettől fogva tudták, hogy fontosak lesznek. Sőt,
Newton mindjárt be is építette őket a fizikájába, jóllehet ez
akkor még egyáltalán nem ment egyszerűen. Minden nehézség
ellenére egyből alkalmazni tudták az új matematikai
ismereteket, mégpedig azért, mert a sok elméletet egy nagyon
egyszerű gondolat közös nevezőre hozta: tanulmányozni
akarták a változást. Hiszen mindenütt változást tapasztaltak
maguk körül. Még a matematikában is fel lehetett fedezni,
ahogy azt maga Newton is megtapasztalta, amikor egy
grafikonon tanulmányozta, hogy milyen gyorsan mozog rajta
fel és alá egy pont. Attól, hogy egy elgondolás elvont, még
semmit sem veszít a relevanciájából.
Egy olyan módszer, amellyel ki lehet számítani a
változásokat, nagyon is praktikusnak mondható. Most sem a
véletlen szólt közbe, ahogy más esetekben sem. A
valószínűségszámítás egy idő előtt befejezett játékig vezethető
vissza, aminek látszólag semmi köze a közvélemény-
kutatásokhoz, a betegségekhez vagy a bűnügyi statisztikákhoz.
De csak látszólag. A matematikusokat ugyanis már a kezdet
kezdetén is foglalkoztatta a kérdés: hogyan számolhatunk ki
valamit úgy, hogy nem tudjuk a kimenetelét? Hogyan
kezelhetjük egzakt módon a bizonytalanságot?
Bizonytalansággal természetesen mindenütt találkozunk.
Vagyis ha egyszer megtaláltuk a módját, hogyan számolhatunk
vele matematikailag, akkor a módszert a környező világra is
alkalmazhatjuk. Nem mintha olyan egyszerű lett volna
kidolgozni az alkalmazásait – évszázadokba telt, mire
eljutottunk odáig, hogy a közvélemény-kutatások pontosabbá
váltak. A lényeg, hogy ezek az alkalmazások sem a véletlennek
köszönhették a létüket; a matematikusokat foglalkoztatni
kezdte a bizonytalanság, gondolkodtak rajta, majd hosszas
munkával kiötöltek egy módszert, amit végül a világunkban
tapasztalható bizonytalanságokra is alkalmazni lehetett.
Akármilyen haszontalan játékokkal kezdődött is a
valószínűségszámítás, a potenciál már a tárgyválasztásban is
ott volt.
Hasonló a helyzet a gráfelmélettel. Euler is egy fejtörőből –
Königsberg hét hídjából – kiindulva alkotta meg a szakterületet.
A rejtvény maga nem volt különösebben hasznos; nem sokra
megyünk azzal, hogy matematikai szépségű sétákat tehetünk
egy városkában. A mögöttes gondolat sem volt különösebben
feltűnő – egy ilyen sétának látszólag semmi köze nincs a
keresőmotorokhoz. Legalábbis addig, amíg észre nem vesszük
azt, amit így utólag már nem is olyan nehéz észrevenni. Mert
mit is látunk? Euler tulajdonképpen egy hálózatot
tanulmányozott, vagyis a kapcsolatrendszert bizonyos helyek
között. Mint később kiderült, igen sok hálózat előfordul az
életünkben.
Manapság pedig különösen. A legkézenfekvőbb példák a
közösségi hálók, de a közlekedési hálózatok éppolyan jól
tanulmányozhatók a gráfelmélet segítségével – például
menetrendkészítésnél –, mint a filmek és sorozatok, vagy éppen
az egymás viselkedését befolyásoló gének hálózatai. A
gráfelmélet nem más, mint a hálózatok és tulajdonságaik
tanulmányozása. Korántsem véletlen, hogy olyan sokrétűen
alkalmazható.
 A matematikusok absztrakt munkáit tehát gyakran
inspirálja a hétköznapi élet. Ezért az sem meglepő, hogy a
matematika egy-egy területén keresztül jobban meg tudjuk
érteni a minket körülvevő világot. A matematika nem véletlenül
hasznos tudomány.

A matematika segít

Két fontos kérdést már érintettünk: mitől olyan hasznos a

matematika, és vajon véletlen-e, hogy olyan hasznos? De az
vajon miért fontos, hogy alkalmazzuk a matematikát? Amint
láttuk, nem nélkülözhetetlen ahhoz, hogy új dolgokat hozzunk
létre. Elvileg nélküle is elboldogulnánk. Gondoljunk csak a
pirahákra és a 2. fejezetben említett kultúrák. Remekül
eléldegélnek; tudnak bánni a mennyiségekkel, a formákkal, a
társadalmi csoportokkal, a változással és így tovább. Ha valaki
megmutatja nekik, hogyan kell gépeket építeni, biztosan
utánacsinálják. Végül is a matematika lényege sem a gépekben
vagy az épületekben ragadható meg. A segítsége nélkül is sok
mindent meg tudunk oldani, csak úgy rendszerint sokkal
nehezebb.
Azok a strukturális egyezések viszont, amelyek révén a
matematika a hasznunkra lehet, megkönnyítik a gyakorlati
problémák megoldását. A matematika leegyszerűsíti a
valóságot. Ha csak a struktúrára figyelünk, nem kell fejben
tartanunk a számtalan részletet. 21 és 22 kenyér között egészen
addig nem venni észre a különbséget, amíg el nem rendezzük
őket szépen két sorban. Úgy viszont már mindjárt látszik, hogy
az egyik sor hosszabb egy kenyérnyivel – ebben áll a
matematika valódi teljesítménye.
Vagy gondoljunk az időjárás-előrejelzésre. Nem kell hozzá
matematika, hogy megjósoljuk, milyen idő lesz, és hosszú-
hosszú ideig nem is vettük igénybe ehhez a matematika
segítségét. Felnézünk az égre, megfigyeljük az aktuális időjárást,
majd végiggondoljuk, hogyan változhat. Keletről fúj a szél, és
tudjuk, hogy arrafelé egymást érik a zivatarok? Akkor
rövidesen esni fog. Csakhogy elég bajos minden kis részletet és
változást figyelemmel kísérni és észben tartani. Olyan sok van
belőlük, és olyan gyorsan zajlik minden, hogy ez egyszerűen
meghaladja a képességeinket. Vagy legalábbis túl sok időnket
emésztené fel. Elvileg mindent feljegyezhetnénk egy nagy
könyvbe, hogy aztán az elkövetkező száz évben a
megfigyeléseinken gondolkodjunk, csakhogy ennek nem sok
értelme volna.
A matematika abban segít, hogy az időjárás legfontosabb
elemeire irányítsuk a figyelmünket, úgymint a légáramlatok és
azok időbeli változásai. Természetesen az is nagy segítség, hogy
már számítógépekre bízhatjuk a számításokat. Ha nem
volnának komputerek, még mindig a képletekkel
bíbelődhetnének a meteorológusok. Mindazonáltal az időjárást
csak integrálokkal és differenciálokkal lehet kiszámolni. E
matematikai tudás nélkül, számítógép ide vagy oda, nem
tudnánk előrejelzéseket készíteni.
 A matematika azzal segít, hogy beláthatóbbá teszi a
problémáinkat. Ha van egy matematikai struktúránk, amely
megegyezik a valóság egy struktúrájával, úgy az előbbit
alkalmazhatjuk az utóbbira, és elfelejthetjük a valóság
részleteit. Ha akarjuk, megállíthatjuk az időt, hogy nyugodtan
megvizsgálhassuk az időjárás elemeit. Félretehetjük az emberek
közötti különbségeket, hogy csak az átlagos jövedelmüket vagy
a politikai preferenciáikat tartsuk szem előtt és így tovább. Ez
nagyban megkönnyíti a problémák megoldását.
A matematika itt tárgyalt területei így működnek. De az is
előfordulhat, hogy eleve a matematika javasol új válaszokat.
Erre szintén láttunk példákat az első fejezetben, amelyben arról
volt szó, hogy a fizikában időről időre meglepetésekkel szolgál a
matematika. Dirac és Fresnel úgy jutottak új felfedezésekre,
hogy egyszer csak furcsa eredményeket adtak ki a számításaik.
Olyasmibe ütköztek, mint amit az ágyúgolyós példában is
láthattunk. Hátrafelé repülő ágyúgolyók természetesen nem
léteznek. Amire azonban az ő eredményeik engedtek
következtetni a fény viselkedésével kapcsolatban a részecskék
szintjén, az valóban megtörtént! A matematika jobban ráillik a
valóságra, mint várnánk, mert olyan dolgokat is megmutathat,
amiket addig nem vettünk észre.
Miként lehetséges ez? Jó volna tudni. Rejtély, miért működik
ilyen jól a matematika. Ha ugyan jól működik, és nem csak
szerencséjük volt az említett tudósoknak. Azt nagyjából már
megértettük, hogy a matematika hogyan egyszerűsíti le a
problémákat, de hogy milyen módon segíti az új elméletek
megtalálását, hogyan lehetséges, hogy egyes számítások
szokatlan eredményei új felfedezésekhez vezetnek, egyelőre
még nem tudjuk. Ez is egyike a matematika rejtelmeinek.

A mindennapi életben is

Új felfedezésekre elsősorban a tudományban kerül sor. A

legtöbb ember valószínűleg nem számol annyit, hogy egyszer
csak szembe találja magát valamilyen zavarba ejtő matematikai
eredménnyel. A hétköznapi életünkben azért hasznos a
matematika, ha mi magunk nem is vagyunk aktív művelői,
mert érthetőbbé teszi a világunkat. Belátom, a középiskolából
kikerülve semmi szükségünk nincs rá, hogy integrálokat
számolgassunk. A képletek, amelyeket meredt szemmel
bámultunk a táblán, ma már csak elvétve kerülnek a szemünk
elé. Matematikafilozófus létemre még nekem sincs sok dolgom
velük. Miért bizonygatom akkor olyan vehemensen, hogy
mégiscsak értenünk kéne egy kicsit a matematikához?
Nem a matematika az egyetlen dolog, ami része a
mindennapjainknak, és csak közvetett módon kerülünk
kapcsolatba vele. Mi a helyzet az autómotorokkal és a
politikával? Mind a kettő fontos szerepet játszik az életünkben.
Motorok nélkül jóval nehézkesebb lenne a közlekedés, a
személy- és az áruszállítás. Hasonlókat mondhatunk a
politikáról is. Általában nem kerülünk vele közvetlenül
kapcsolatba, ugyanakkor nem tudjuk kivonni magunkat a
politikai döntések hatása alól. Autómotorok és politika – két
olyan jelenség, amely csak közvetve érezteti a hatását, de ettől
még fontos. Az következik mindebből, hogy értenünk kellene
mindkettőhöz?
Az autómotor esetében ennek nem sok értelme volna. Az
autós számára csak az a fontos, hogy működjön a hajtómű, hogy
hogyan, az sokadrangú kérdés. Ha új tervezésű motorok
jelennek meg, például a belső égésű motort felváltja az
elektromos meghajtás, az sem szól bele különösebben az
életünkbe. Az autók tovább gurulnak, a gazdaság is ugyanúgy
pörög, ahogy addig. Környezetkímélőbb megoldás, ez
vitathatatlan, de eltekintve ettől, nincs lényegi különbség.
A politikai változásokkal más a helyzet. Ha valahol a
demokrácia helyét egy autoriter rezsim veszi át, azt bizony
megérezni. De még az olyan kisebb különbségek is hatással
vannak a mindennapi életünkre, mint hogy elfogadnak-e egy
törvényt, vagy sem. Nem csoda, hogy az iskolában mindenkinek
meg kell tanulnia, hogyan működik a politikai rendszer. Ez az
ismeret még akkor is fontos, ha távol áll tőlünk a politika. Lehet,
hogy napi szinten nem kell vele foglalkoznunk, de attól még
nem hagyhatjuk figyelmen kívül, hogy mi zajlik a világban.
Ugyanez a matematikáról is elmondható, bár ebből a
szempontból különbséget kell tennünk az egyes ágai között. Az
olyan teoretikus ágainak, mint például a halmazelmélet, alig
van közük a mindennapjainkhoz. Ezzel magyarázható, hogy
nem kerítettünk sort rájuk ebben a könyvben. De a gyakran
alkalmazott területeken belül is akadnak különbségek. Az
integrálok és differenciálok roppant fontosak, ám inkább
hasonlítanak az autómotorokra, mint a politikára. Ha valaki új
módszert találna ki a változások kiszámítására, és az
kiszorítaná a régit, nem sokat vennénk észre ebből.
Tulajdonképpen ma is különböző változatai vannak az integrál-
és differenciálszámításnak, semmi jelentősége, hogy melyiket
használjuk, mindegyikkel ugyanazokat az időjárási
előrejelzéseket, ugyanazokat az épületeket, ugyanazokat a
választási becsléseket kapjuk. A lényeg, hogy működik a
módszer. Nem kell végiggondoljuk, hogyan.
De éppen mivel annyira elterjedt az integrálok és
differenciálok használata, mégsem árt, ha tudjuk, miről is van
szó. Azon kívül, hogy egy sor szakmában találkozhatunk velük,
abban is jelentős szerepet játszottak, hogy a mai társadalmunk
olyan lett, amilyen. Az 5. fejezetben a történelemtudományhoz
hasonlítottam a dolgot. A történelem abban segít, hogy
megértsük, hogyan alakult ki a minket körülvevő világ, és miért
éppen ilyenné vált. Madártávlatból mutatja meg a társadalmat.
Miért ne tekinthetnénk így az integrálokra és a differenciálokra
is? Newton és Leibniz elképzelése történelmi léptékben óriási
jelentőséggel bír. Logikus, hogy tanuljunk róla valamit, még ha
a számítások részleteikben közvetlenül nem is befolyásolják a
hétköznapi életünket.
A statisztika viszont nagy hatással van a mindennapjainkra.
Egyáltalán nem mindegy, milyen módon számolják ki például
az átlagjövedelem változásait, mert az eredmény alakítja a
társadalomról alkotott képünket. Ugyanez mondható el a
közvélemény-kutatásokról, a férfiak és nők közötti
fizetéskülönbségekről, a tudományos kutatásokról és még sok
minden másról is. A statisztika, ha jól működik, hatalmas
segítséget nyújthat, mivel nagy adatmennyiségeket tesz
áttekinthetővé, és olyan összefüggéseket tár fel, amelyek felett
egyébként elsiklanánk. Csakhogy korántsem működik mindig
jól. A statisztikákat arra is könnyen felhasználhatják, hogy
eltorzítsák a világról alkotott képünket.
A választott módszer, a felmérés módja, az átlagszámítás
alapja – csupa olyan tényező, ami befolyásolja a kapott
eredményt, s így azt az információt, amelyre a döntéseinket
alapozzuk. Emiatt fontos, hogy kritikusan viszonyuljunk a
számadatokhoz. Mint ahogy nem árt kritikus szemmel nézni a
politikusokat is, nem kell készpénznek venni minden
állításukat. Nem azért van szükségünk a matematikára, hogy
nekiálljunk a saját szakállunkra számolgatni, hanem hogy
ismerjük a hibalehetőségeket, és tudjuk, hogyan csúszhatnak el
az eredmények. A statisztika nagyon is jelen van a
mindennapjainkban, és nem mindegy, mennyit fogunk fel
belőle.
Végezetül ott a gráfelmélet. Ennek is óriási hatása van az
életünkre, és ez a hatás, úgy tűnik, csak egyre erősebb lesz. Az
olyan cégek, mint a Google vagy a Facebook gráfokkal
határozzák meg, milyen információkat juttatnak el a
felhasználóikhoz. Vagyis a gráfelmélet még a statisztikánál is
nagyobb hatást gyakorol az életünkre: elég ha a Google állít
egyet a gráfjain, és egy csapásra egészen más információk
jelennek meg a képernyőnkön. Ez adott esetben nem csak
félrevezető lehet, előfordulhat az is, hogy hozzá sem férünk
más információkhoz. Sokan már ma is csak a saját információs
buborékukban léteznek, és csupán olyanokkal kerülnek
kapcsolatba, akik hozzájuk hasonlóan vélekednek a világról.
A gráfelmélet megmutatja, hogyan jutunk információhoz
olyan oldalakon, mint a Google. De nem árt eközben tudnunk
azt is, hogy mi történik azokkal az információkkal, amelyekkel
mi látjuk el az adott oldalt a szolgáltatásaiért cserébe. Mi lesz
azzal a temérdek személyes adattal, amelyet a Google, a
Facebook és a többi internetes cég gyűjt össze rólunk? Mit
csinálhatnak velük? Ki lát rá a folyamatokra, és mely részei
zajlanak automatikusan? Ezek a kérdések manapság különösen
foglalkoztatják az embereket. Ha tényleg meg akarjuk találni a
helyes válaszokat, nem kerülhetjük meg a matematikát; csak a
matematika segítségével tudjuk megmondani, mi az, ami
lehetséges, és mi az, ami nem; hogyan működik a mesterséges
intelligencia, és milyen veszélyekkel jár.
De kinek van annyi ideje, hogy a napi teendői mellett még
ezzel is foglalkozzon? Leellenőrizzen minden számadatot,
lépést tartson a legújabb fejlesztésekkel, és közben még
normális életet is éljen… Nyilvánvaló, hogy erre senki sem
képes, de már azzal is nagy lépést teszünk előre, hogy az
alapokkal tisztába jövünk. Így, ha kell, gyanakvással tudjuk
kezelni egy-egy kutatás vagy felmérés eredményeit. Vagy
aktívabban részt tudunk venni a titkosszolgálatokról folyó
társadalmi vitákban: némi matematikával a tarsolyunkban már
fogalmat alkothatunk róla, hogyan használják fel az adatainkat,
és végig tudjuk gondolni, milyen adatokat gyűjthetnek be
rólunk, és milyeneket nem.
A matematika segítségével – beleértve a bonyolultabb
területeit is – jobban értjük, mi történik a minket körülvevő
világban. Tény, hogy a hétköznapi életünkben alig-alig
találkozunk matematikai számításokkal. Azzal azonban –
mondanám most 15 éves önmagamnak – amit a matematika
tanulmányoz, annál inkább. Különös formájú épületekkel és
időjárás-előrejelzésekkel, nagy adattömegen alapuló
közvélemény-kutatásokkal és jóslatokkal, keresőmotorokkal és
mesterséges intelligenciával. Olyan dolgokkal tehát, amelyeket
sokkal jobban értünk, ha ismerjük a mögöttük álló matematikai
elgondolásokat. Különösen most, hogy a világ egyre
komplexebb, szükségünk van valamire, ami segít eligazodni
benne. Nos, ezt a szerepet tölti be a matematika az életünkben.
És ami külön öröm: jóval érthetőbben teszi, mint gondolnánk.
 Bibliográfia

Barner, D., Thalwitz, D., Wood, J., e. a. (2007). On the relation

between the acquisition of singularplural morpho-syntax
and the conceptual distinction between one and more than
one. Developmental Science 10 (3):365–373.
Batterman, R. (2009). On the explanatory role of mathematics in
empirical science. The British Journal for the Philosophy of
Science: 1–25.
Bauchau, O., & Craig, J. (2009). Structural Analysis: With
Applications to Aerospace Structures. Dordrecht: Springer.
Bianchini, M., Gori, M., & Scarselli, F. (2005). Inside PageRank.
ACM Transactions on Internet Technology 5 (1): 92–128.
Boyer, C. (1970). The History of the Calculus. The Two-Year
College Mathematics Journal 1 (1): 60–86.
Brin, S., & Page, L. (1998). The Anatomy of a Large-Scale
Hypertextual Web Search Engine. Computer Networks and
ISDN Systems 30: 107–117.
Bueno, O., & Colyvan, M. (2011). An Inferential Conception of
the Application of Mathematics. Noûs 45 (2): 345–374.
Buijsman, S. Learning the Natural Numbers as a Child. Noûs. 53.
(1): 3–22.
Burton, D. (2011). The History of Mathematics: An Introduction.
McGraw-Hill Education.
Carey, S. (2009). Where Our Number Concepts Come From.
Journal of Philosophy 106 (4): 220–254.
Cartwright, B., & Collett, T. (1982). How Honey Bees Use
Landmarks to Guide Their Return to a Food Source. Nature
295: 560–564.
Chemla, K. (1997). What Is at Stake in Mathematical Proofs from
Third-Century China? Science in Context 10 (2): 227–251.
Chemla, K. (2003). Generality Above Abstraction: The General
Expressed in Terms of the Paradigmatic in Mathematics in
Ancient China. Science in Context 16 (3): 413–458.
Cheng, K. (1986). A Purely Geometric Module in the Rat’s Spatial
Representation. Cognition 23: 149–178.
Christensen, H. (2015). Banking on Better Forecasts: The New
Maths of Weather Prediction. The Guardian, 2015. január 8.
https://www.theguardian.com/science/alexs-adventures-in-
numberland/2015/jan/08/banking-forecasts-maths-weather-
prediction-stochastic-processes
Colyvan, M. (2001). The Miracle of Applied Mathematics.
Synthese 127 (3): 265–278.
Cullen, C. (2002). Learning from Liu Hui? A Different Way to Do
Mathematics. Notices of the AMS 49 (7): 783–790.
Dehaene, S., Bossini, S., & Giraux, P. (1993). The Mental
Representation of Parity and Number Magnitude. Journal of
Experimental Psychology: General 122: 371–396.
Dehaene, S., Izard, V., Pica, P., e. a. (2006). Core Knowledge of
Geometry in an Amazonian Indigene Group. Science 311:
381–384.
Doeller, C., Barry, C., & Burgess, S. (2010). Evidence for Grid Cells
in a Human Memory Network. Nature 463: 657–661.
Dorato, M. (2005). The Laws of Nature and The Effectiveness of
Mathematics. In: The Role of Mathematics in Physical
Sciences. Dordrecht: Springer. 131–144.
Edwards, C. (1979). The Historical Development of the Calculus.
Dordrecht: Springer.
Ekstrom, A., Kahana, M., Caplan, J., e. a. (2003). Cellular
Networks Underlying Human Spatial Navigation. Nature
425: 184–187.
Englund, R. (2000). Hard Work – Where Will It Get You? Labor
Management in Ur III Mesopotamia. Journal of Near
Eastern Studies 50 (4): 255–280.
Epstein, R., & Kanwisher, N. (1998). A Cortical Representation of
the Local Visual Environment. Nature 392: 598–601.
Everett, D. (2005). Cultural Constraints on Grammar and
Cognition in Pirahã: Another Look at the Design Features of
Human Language. Current Anthropology 46 (4): 621–646.
Ezzamel, M., & Hoskin, K. (2002). Retheorizing Accounting,
Writing and Money with Evidence from Mesopotamia and
Ancient Egypt. Critical Perspectives on Accounting 13: 333–
367.
Feigenson, L., & Carey, S. (2003). Tracking Individuals via
Object-Files: Evidence from Infants Manual Search.
Developmental Science 6 (5): 568–584.
Feigenson, L., Carey, S., & Hauser, M. (2002). The
Representations Underlying Infants’ Choice of More: Object
Files versus Analog Magnitudes. Psychological Science 13
(2): 150–156.
Feigenson, L., Dehaene, S., & Spelke, E. (2004). Core systems of
Number. Trends in Cognitive Sciences 8 (7): 307–314.
Ferreirós, J. (2015). Mathematical Knowledge and the Interplay of
Practices. Princeton: Princeton University Press.
Fias, W., & Fischer, M. (2005). Spatial Representation of Number.
In: Campbell, J. (red.) Handbook of Mathematical Cognition.
New York: Psychology Press. 43–54.
Fias, W., Van Dijck, J., & Gevers, W. (2011). How Is Number
Associated with Space? The Role of Working Memory. In:
Dehaene, S., & Brannon, E. (red.), Space, Time and Number
in the Brain: Searching for the Foundations of Mathematical
Thought. Amsterdam: Elsevier Science. 133–148.
Fienberg, S. (1992). A Brief History of Statistics in Three and
One-Half Chapters: A Review Essay. Statistical Science 7 (2):
208–225.
Fischer, R. (1956). Mathematics of a Lady Tasting Tea. In:
Newman, J. (red.). The World of Mathematics, bk. III, DL.
VIII, Statistics and Design of Experiments. New York: Simon
& Schuster. 1514–1521.
Franceschet, M. (2011). PageRank: Standing on the Shoulders of
Giants. Communications of the ACM 54 (6): 92–101.
Frank, M., Everett, D., Fedorenko, E., e. a. (2008). Number as a
Cognitive Technology: Evidence from Pirahã Language and
Cognition. Cognition 108: 819–824.
Freedman, D. (1999). From Association to Causation: Some
Remarks on the History Of Statistics. Journal de la société
française de statistique 140 (3): 5–32.
Fresnel, A. (1831). Über das Gesetz der Modificationen, welche
die Reflexion dem polarisirten Lichte einprägt. Annalen der
Physik 98 (5): 90–126.
Geisberger, R., Sanders, P., Schultes, D., & Delling, D. (2008).
Contraction Hierarchies: Faster and Simpler Hierarchical
Routing in Road Networks. In: McGeoch C.C. (eds)
Experimental Algorithms. WEA 2008. Lecture Notes in
Computer Science, vol 5038, 319–333. Springer: Berlin,
Heidelberg.
Gleich, D. (2015). PageRank Beyond the Web. SIAM Review 57
(3): 321–363.
Gordon, P. (2004). Numerical Cognition without Words:
Evidence from Amazonia. Science 306: 496–499.
Gori, M., & Pucci, A. (2007). ItemRank: A Random-Walk Based
Scoring Algorithm for Recommender Engines. IJCAI’07
Proceedings of the 20th International Joint Conference on
Artificial Intelligence: 2766–2771.
Hamming, R. (1980). The Unreasonable Effectiveness of
Mathematics. American Mathematical Monthly 87 (2): 81–90.
Hensley, S. (2008). Too Much Safety Makes Kids Fat. Wall Street
Journal, 2008. augusztus 13.
https://blogs.wsj.com/health/2008/08/13/too-much-safety-
makes-kids-fat/
Hermer, L., & Spelke, E. (1994). A Geometric Process for Spatial
Reorientation in Young Children. Nature 370: 57–59.
Hodgkin, L. (2005). A History of Mathematics: From
Mesopotamia to Modernity. Oxford: Oxford University
Press.
Høyrup, J. (2001). Early Mesopotamia: A Statal Society Shaped
by and Shaping Its Mathematics. Bijdrage aan Les
mathématiques et l’état, CIRM Luminy, 15–19. 2001. október.
akira.ruc.dk › ~jensh › Publications › 2001{K}04_Luminy
Høyrup, J. (2007). The Roles of Mesopotamian Bronze Age
Mathematics: Tool for State Formation and Administration
– Carrier of Teachers’ Professional Intellectual Autonomy.
Educational Studies in Mathematics 66: 257–271.
Høyrup, J. (2014a). A Hypothetical History of Old Babylonian
Mathematics: Places, Passages, Stages, Development. Ganita
Bhārati 34: 1–23.
Høyrup, J. (2014b). Written Mathematical Traditions in Ancient
Mesopotamia: Knowledge, Ignorance, and Reasonable
Guesses. In Bawanypeck, D., & Imhausen, A. (red.).
Traditions of Written Knowledge in Ancient Egypt and
 Mesopotamia. Proceedings of Two Workshops Held at
Goethe University, Frankfurt/Main, 2011–12. Münster:
Ugarit. 189–213.
Huff, D. (1954). How to Lie with Statistics. New York: W. W.
Norton & Company.
Imhausen, A. (2003a). Calculating the Daily Bread: Rations in
Theory and Practice. Historia Mathematica 30: 3–16.
Imhausen, A. (2003b). Egyptian Mathematical Texts and Their
Contexts. Science in Context 16 (3): 367–389.
Imhausen, A. (2006). Ancient Egyptian Mathematics: New
Perspectives on Old Sources. The Mathematical Intelligencer
28 (1): 19–27.
Izard, V., Pica, P., Spelke, E., e. a. (2011). Proceedings of the
National Academy of Sciences 108 (24): 9782–9787.
Kennedy, C., Blumenthal, M., Clement, S., e. a. (2017). An
Evaluation of 2016 Election Polls in the U.S. American
Association for Public Opinion Research.
https://www.aapor.org/Education-Resources/Reports/An-
Evaluation-of-2016-Election-Polls-in-the-U-S.aspx
Kleiner, I. (2001). History of the Infinitely Small and the
Infinitely Large in Calculus. Educational Studies in
Mathematics 48: 137–174.
Langville, A., & Meyer, C. (2004). Deeper Inside PageRank.
Internet Mathematics 1 (3): 335–380.
Lax, P., & Terrell, M. (2014). Calculus With Applications.
Dordrecht: Springer.
Lee, S., Spelke, E., & Vallortigara, G. (2012). Chicks, like Children,
Spontaneously Reorient by Three-Dimensional
Environmental Geometry, Not by Image Matching. Biology
Letters 8 (4): 492–494.
Li, P., Ogura, T., Barner, D., e. a. (2009). Does the Conceptual
Distinction Between Singular and Plural Sets Depend on
Language? Developmental Psychology 45 (6): 1644–1653.
Lützen, J. (2011). The Physical Origin of Physically Useful
Mathematics. Interdisciplinary Science Reviews 36 (3): 229–
243.
Madden, D., & Keri, A. (2009). The Mathematics behind Polling.
math.arizona.edu › ~jwatkins › Lesson_12
Malet, A. (2006). Renaissance Notions of Number and
Magnitude. Historia Mathematica 33: 63–81.
Melville, D. (2002). Ration Computations at Fara: Multiplication
or Repeated Addition? In: Steele, J., & Imhausen, A. (red.).
Under One Sky: Astronomy and Mathematics in the Ancient
Near East. Münster: Ugarit. 237–252.
Melville, D. (2004). Poles and Walls in Mesopotamia and Egypt.
Historia Mathematica 31: 148–162.
Mercer, A., Deane, C., & McGeeny, K. (2016). Why 2016 Election
Polls Missed Their Mark. Pew Research Center. 2016.
november.
https://www.pewresearch.org/fact-tank/2016/11/09/why-
2016-election-polls-missed-their-mark/
Morrisson, J., Breitling, R., Higham, D., e. a. (2005). GeneRank:
Using Search Engine Technology for the Analysis of
Microarray Experiments. BMC Bioinformatics 6: 233.
Negen, J., & Sarnecka, B. (2012). Number-Concept Acquisition
and General Vocabulary Development. Child Development
83 (6): 2019–2027.
Nuerk, H., Moeller, K., & Willmes, K. (2015). Multi-digit Number
Processing: Overview, Conceptual Clarifications, and
Language Influences. In: Kadosh, C., Dowker, A. (red.) The
Oxford Handbook of Numerical Cognition. Oxford: Oxford
University Press. 106–139.
Núñez, R. (2017). Is There Really an Evolved Capacity for
Number? Trends in Cognitive Sciences 21: 409–424.
Owens, K. (2001a). Indigenous Mathematics – A Rich Diversity.
In: Proceedings of the Eighteenth Biennial Conference of The
Australian Association of Mathematics Teachers: 157–167.
Owens, K. (2001b). The Work of Glendon Lean on the Counting
Systems of Papua New Guinea and Oceania. Mathematics
Education Research Journal 13 (1): 47–71.
Owens, K. (2012). Papua New Guinea Indigenous Knowledges
about Mathematical Concept. Journal of Mathematics and
Culture 6 (1): 20–50.
Owens, K. (2015). Visuospatial Reasoning: An Ecocultural
Perspective for Space, Geometry and Measurement
Education. Cham: Springer International Publishing.
Pica, P., Lemer, C., Izard, V., e. a. (2004). Exact and Approximate
Arithmetic in an Amazonian Indigene Group. Science 306
(5695): 499–503.
Pincock, C. (2004). A New Perspective on the Problem of
Applying Mathematics. Philosophia Mathematica 12 (2):
135–161.
Pucci, A., Gori, M., & Maggini, M. (2006). A Random-Walk Based
Scoring Algorithm Applied to Recommender Engines. In:
Nasraoui, O., Spiliopoulou, M., Srivastava, J., e. a. (red.)
Advances in Web Mining and Web Usage Analysis. WebKDD
2006. Lecture Notes in Computer Science, vol. 4811.
Heidelberg: Springer Berlin. 127–146.
Radford, L. (2008). Culture and Cognition: Towards an
anthropology of mathematical thinking. In: English, L.
(red.), Handbook of International Research in Mathematics
Education. 2e dr. New York: Routledge. 439–464.
Rice, M., & Tsotras, V. (2012). Bidirectional A* Search with
Additive Approximation Bounds.
https://pdfs.semanticscholar.org/ab8d/04a00a74db58d6af20
805ada639d0dcd2367.pdf
Ritter, J. (2000). Egyptian Mathematics. In: Selin, H. (red.),
Mathematics Across Cultures: The History of Non-Western
Mathematics. Dordrecht: Kluwer Academic Publishers. 115–
136.
Robson, E. (2000). The Uses of Mathematics in Ancient Iraq,
6000–600 BC. In: Selin, H. (red.) Mathematics Across
 Cultures: The History of Non-Western Mathematics.
Dordrecht: Kluwer Academic Publishers. 93–113.
Robson, E. (2002). More than Metrology: Mathematics Education
in an Old Babylonian Scribal School. In: Imhausen, A., &
Steele, J. (red.) Under One Sky: Mathematics and Astronomy
in the Ancient Near East. Münster: Ugarit. 325–365.
Sanders, P., & Schultes, D. (2012). Engineering Highway
Hierarchies. Journal of Experimental Algorithms 17, 1–6.
Sarnecka, B., Kamenskaya, V., Yamana, Y., e. a. (2007). From
Grammatical Number to Exact Numbers: Early Meanings of
One, Two, and Three in English, Russian, and Japanese.
Cognitive Psychology 55: 136–168.
Sarnecka, B., & Lee, M. (2009). Levels of Number Knowledge
During Early Childhood. Journal of Experimental Child
Psychology 103: 325–337.
Schlote, A., Crisostomi, E., Kirkland, S., e. a. (2012). Traffic
Modelling Framework for Electric Vehicles. International
Journal of Control 85(7): 880–897.
Shafer, G. (1990). The Unity and Diversity of Probability.
Statistical Science 5 (4): 435–562.
Shaki, S., & Fischer, M. (2008). Reading Space into Numbers – a
Cross-Linguistic Comparison of the SNARC Effect. Cognition
108: 590–599.
Shaki, S., & Fischer, M. (2012). Multiple Spatial Mappings in
Numerical Cognition. Journal of Experimental Psychology:
Human Perception and Performance 38 (3): 804–809.
Spelke, E. (2011). Natural Number and Natural Geometry. In:
Brannon, E., & Dehaene, S. (red.) Time and Number in the
Brain: Searching for the Foundations of Mathematical
Thought Attention & Performance XXIV. Oxford: Oxford
University Press. 287–317.
Steiner, M. (1998). The Applicability of Mathematics as a
Philosophical Problem. Cambridge: Harvard University
Press.
Stigler, S. (1986). The History of Statistics: The Measurement of
Uncertainty before 1900. Cambridge: Harvard University
Press.
Syrett, K., Musolino, J., & Gelman, R. (2012). How Can Syntax
Support Number Word Acquisition? Language Learning and
Development 8: 146–176.
Tabak, J. (2004). Probability and Statistics: The Science of
Uncertainty. New York: Facts on File.
The Economist (2017a). Crime and Despair in Baltimore: As
America Gets Safer, Maryland’s Biggest City Does Not. The
Economist, 2017. június 29.
https://www.economist.com/united-states/2017/06/29/crime-
and-despair-in-baltimore
The Economist (2017b). The Gender Pay Gap: Women Still Earn
a Lot Less than Men, Despite Decades of Equal-Pay Laws.
Why? The Economist, 2017. október 7.
https://www.economist.com/international/2017/10/07/the-
gender-pay-gap
The Economist (2018). The Average American Is Much Better Off
Now than Four Decades Ago: Estimates of Income Growth
Vary Greatly Depending on Methodology. The Economist,
2018. március 31. https://www.economist.com/finance-and-
economics/2018/03/31/the-average-american-is-much-
better-off-now-than-four-decades-ago
Vargas, J., López, J., Salas, C., e. a. (2004). Encoding of Geometric
and Featural Spatial Information by Goldfish (Carassius
auratus). Journal of Comparative Psychology 118 (2): 206–
216.
Wang, F., & Spelke, E. (2002). Human Spatial Representation:
Insights from Animals. Trends in Cognitive Science 6 (9):
376–382.
Wassman, J., & Dasen, P. (1994). Yupno Number System and
Counting. Journal of Cross-Cultural Psychology 25 (1): 78–94.
Wigner, E. P. (1960). The Unreasonable Effectiveness of
Mathematics in the Natural Sciences. Communications on
Pure and Applied Mathematics 13 (1): 1–14.
Wilson, M. (2000). The Unreasonable Uncooperativeness of
Mathematics in the Natural Sciences. The Monist 83 (2):
296–314.
Winter, C., Kristiansen, G., Kersting, S., e. a. (2012). Google Goes
Cancer: Improving Outcome Prediction for Cancer Patients
by Network-Based Ranking of Marker Genes. PLoS
Computational Biology 8 (5): e1002511.
Wynn, K. (1992). Addition and Subtraction by Human Infants.
Nature 358: 749–750.
Xu, W. (2003). Numerosity Discrimination in Infants: Evidence
for Two Systems of Representations. Cognition 89: B15–B25.
Hivatkozások letöltve: 2019. szeptember
 www.libri-kiado.hu
www.nyugatiter.hu

Forgalmazza:
eKönyv Magyarország Kft.

Felhasznált betűtípusok
Noto Serif – Apache License 2.0
Source Sans Pro – SIL Open Font License