专业知识的重要性，在数学和计算机时代常被忽略

【本文来自《上海纪行（七）》评论区，标题为小编添加】

• 印加节度使

• 我虽然不懂，但毕竟跟我爱人这么多年，多少耳濡目染一些，有个猜想，不知道对不对啊：

  前辈您和晨大都是在扩招前、包分配的时代读大学的。那时能进入大学的（无论晨大还是您和你们的同学）和现在相比，个个都是天才，数学基本功相比现在的理科大学生本来就很扎实；而你们毕业后非常确信自己大概率会进入自己所学的专业行业，由于那时包分配而且大学生少每一个都有用，这一点是天经地义、自然而然的，反而你们入行以后专业转型的空间平均而言并不如现在的年轻人大。这种情况下，对贴近一线生产的专业知识的记忆和经验，在工作中的重要性自然就大大超过脱实向虚的数学和编程了。我自己不懂工科，但我父母都是这样，他们都没考上大学，靠娴熟的专业知识（包括长期实际积累的工作经验）把一个那个时代已经不铁了的铁饭碗端了一辈子。实际上我觉得“认为‘基本功’是专业技术知识而不是数学”（以及现在的计算机）似乎是上一个年代很普遍的观念，在我印象里，《创业》一类老电影中就很喜欢表现“贴近生产实践的一线师傅与脱离实际的洋专家/书生技术员发生矛盾，最后前者的无产阶级工业红线战胜了后者不接地气的资产阶级工业黑线”这种“马尾巴的功能”式的桥段，其实表达的意思和您与晨大的教导是很接近的。

  但是我爱人直到前年之前一直是学生，而他成长于一个高校大规模扩招、但毕业时个人前途毫无确定性的时代（当然我也是，不过我是文科生，和他们相比算是打酱油的……）。这个时代，数学建模成了工科生尤其是本科优生一种极基础的技能，国家每年会举办数学建模竞赛，这个比赛编队通常有三个人，一个建模，一个编程，一个调研信息和写文章（本质作用是为另外两个人省时间），建模涉及各种各样的真实背景问题，雨水的空气阻力什么的肯定会被纳入到数学模型以内，“鸡蛋是母鸡的月经而不是胎儿”（因此下蛋不需要公鸡）这类概念，即使对城里孩子不是常识，也是调研相关信息时必然会建立起来的。像现在的地图APP导航（寻找最优路径）之类的功能，不过几年之前都是他们数模竞赛的题目。这些技能——数学、外语、计算机，是工科许多专业在博士阶段发文章的必备技能；发不了文章，博士毕不了业，连入行门槛都达不到，专业知识记得再清楚还有什么意义呢？（至少在学生时代是如此）

  晨大的自动化是一个比较特殊的专业。他们有一个最基础的万能控制律，用了一百多年，至今仍然没有足以完美取代它的新方法，而这个方法高度依赖现场人员调试，因此沉下心去脚踏实地习得的专业知识的重要性，和在我父母那个时代的工厂里差别并不大。这在现在的工科专业里，至少作为学生能接触到的范围而言，是比较不寻常的。像二十年前，画法几何仍然是机械专业最核心的专业知识，而印象里我老公和我上本科的时候他对我讲过，他接触的画法几何课已经基本上是一种致敬传统的宗教仪式了。作为其后续课程的机械制图课，对于看图的人仍然很重要，对于学生作图，要求上已经基本是认识认识国标图样长什么样子而已，练字都不用练了。即使这两门课做到满分（他当年至少机械制图得了全系最高分，他跟我说过），也只是一场浸淫工业历史的文化体验而已，对后续课和科研没有任何帮助。这是互联网和CAD软件的广泛普及造成的。

  我描述得可能很不专业（毕竟我不是我老公，我自己对理工科的认识跟我的半文盲姥姥念佛经一样，背诵到该翻页的那个字，手就翻一页，其实不认字，书只是个装饰品），具体信息可能有错误，但意思大概应该是这么个意思……

我们那一代大学生数学基本功只有老三届的好，应届的不行，因为文革时代读的中小学，根本没学过，不可能好。都是进大学后连滚带爬补上的。自动化确实在数学和计算机方面比较特别，控制理论本身就是应用数学的一个分支，在本质上是微分方程稳定性延伸出来的。就“数学性”而言，控制理论和工程力学差不多同一个层次。

计算机方面也是，计算机早早用于控制，干自控不懂、不用计算机是不可能的，在很多情况下，要自己编程、写大应用。我就碰到过好几次需要把超大程序打碎成多个大程序的情况，因为实时环境不容许单个程序太大，怕占用CPU时间太多，影响整体运作。这就需要对程序的组织、优化、衔接有清楚的认识，尽管没有系统地学习很多数据结构、操作系统方面的知识，靠自己摸，实际上也写了一个缩水再缩水的微型操作系统，资源调度、中断处理什么的都小而全，从架构师到码农，自己一个人包干了。

但是，专业知识的重要性在数学和计算机时代常被忽略。数学和计算机是“工程通识”，但这是工具。专业知识是对象。这好比大厨。刀工、火工是工具，对食材的理解和运用是专业知识，缺一不可。

工具一直是在进步的。即使是数学和计算机，现在用到的数学工具和计算机工具也与20-30年前大不一样了。眼下红火的人工智能以深度学习为前导，这在本质上是多层、高度复杂的神经元网络模型，是另一种表述的数学模型，建立、训练、求解则是编程问题。但对专业知识缺乏认识，就会出问题。神经元网络刚出来的时候，有不少人用于股市预测，最后一事无成，因为忽略了股市的反馈机制，闭环模型具有本质不可辨识性，这对什么形式的数学模型都存在。这样的本质性问题只有专业知识才能揭示，光靠数学和计算机的大锤是不行的。以为在砸核桃，其实在砸空气，换什么锤子都没用。