Este texto foi lambido por 379 almas esse mês
Bernard Beayzamy
Este artigo escrito para a aula inaugural da “Dublin Mathematical Society” no Trinity College Dublin em fevereiro de 2001
Eu me formei em matemática pura: depois de um Ph.D. sob a supervisão de Laurent Schwartz em 1976, trabalhei em análise funcional (geometria dos espaços de Banach, Teoria dos Operadores e Polinômios). Fui nomeado Professor da Universidade de Lyon (França) em 1979 e, durante muitos anos, como a maioria dos matemáticos, consegui conciliar pesquisa, docência e doutorado. orientação (ao todo orientei 23 teses).
Mas, em 1995, decidi deixar o meu cargo de Professor na Universidade e criar uma empresa, denominada “Societe de Calcul Mathematique” (Sociedade de Cálculo e Matemática) ou SCM para encurtar. O que esta empresa vende, e como vende, é o tema da minha palestra.
Temos quatro ramos: Defesa, Meio ambiente, Estatística e Pesquisa operacional. Deixe-me descrever, grosso modo, o que cada um deles faz.
- Defesa se preocupa principalmente com a trajetória. Podem ser aviões, submarinos, mísseis ou o que for, o assunto é o mesmo: encontrar a melhor rota sob várias restrições; ver tanto quanto se pode ver, ouvir tanto quanto se pode ouvir, não ser visto, não ser ouvido, e assim por diante.
- Meio Ambiente tem uma preocupação permanente. As pessoas dessa área têm alguns modelos, geralmente simples e empíricos, e querem investigar a qualidade do modelo. Por exemplo, você cava um buraco, coloca algum lixo nele; quanto de lixo haverá a 100 km do buraco, 10 anos depois? A mesma preocupação vale, com outros números, para as poluições atmosféricas e marinhas.
- Estatística é usada para análise de dados, em muitas situações. Pode ser por exemplo sobre desemprego, ou como criar uma ferramenta lógica, para estudar a robustez de modelos provenientes de diversas situações.
- Pesquisa operacional lida principalmente com logística. As empresas querem melhorar a organização de seus estoques, entregas, gestão de suas fábricas e assim por diante.
Em todas essas situações, há um fator comum: é exigida uma modelagem matemática. O problema nunca nos é dado numa linguagem onde se aplicaria uma ferramenta matemática, já existente. É sempre nosso dever colocar o problema em termos matemáticos, e esta parte do trabalho representa muitas vezes metade do trabalho total, porque muitas vezes é preciso mudar o modelo até termos a certeza de que se adequa aos pedidos do cliente. Como nós sabemos? Bem, não saberemos até apresentarmos os resultados preliminares e vermos como o cliente reage a esses resultados. É apenas o confronto final da nossa solução com as necessidades do cliente que vai indicar se o modelo estava correto ou não.
Muitos jovens nos escrevem: eles se candidatam a um emprego na SCM. Eles escrevem assim: “Estou qualificado para o cargo de matemático, pois estudei otimização, técnicas numéricas, este e aquele software, e assim por diante”. Isso é bom, é claro, mas não atende minha preocupação. Minha preocupação é, principalmente, encontrar pessoas que estejam aptas e dispostas a dialogar com nossos clientes, tentando entender o que eles querem dizer e o que querem. Isso requer diplomacia, persistência, senso de contato e muitas outras qualidades humanas. Isso é uma questão de personalidade, que não é ensinada, nem na escola nem na universidade, e que é muito mais difícil de adquirir do que qualquer conhecimento técnico sobre, digamos, o algoritmo simplex. Por que devo me preocupar com conhecimentos específicos em teoria de otimização? Em primeiro lugar, na maioria dos casos, consigo fazê-lo sozinho em cinco minutos e, se não puder, ainda posso pedir a alguns ex-colegas da Universidade.
Deixe-me dar um exemplo para indicar que tipo de hesitação o cliente tem. Digamos que ele tem alguma entrega para otimizar. Normalmente, o que ele diz é que quer reduzir o custo. Aí vem uma resposta matemática óbvia: parar a entrega, demitir os motoristas e vender os caminhões: não vai custar nada! Normalmente, não é isso que eles querem, o cliente quer (mas não disse) que algum serviço seja feito. Por exemplo, algumas mercadorias devem ser entregues em vários lugares… OK então contrate um homem com uma bicicleta, deixe-o trabalhar. Ele entregará tudo no devido lugar dentro de três meses. Novamente, isso não é aceitável: acontece que o trabalho deve ser feito com um certo prazo. Que prazo? Isso não está claro. O que o cliente deseja é de fato alguma qualidade de serviço, mas geralmente ele não consegue descrever essa qualidade em termos quantitativos.
Feita a modelagem, temos que resolver o problema. Como o nosso problema é a “vida real”, ele nunca se encaixa nas ferramentas acadêmicas existentes, então temos que criar nossas próprias ferramentas. A principal preocupação para essas novas ferramentas é a robustez. De fato, os dados são conhecidos apenas dentro de uma faixa, digamos 20%, então o modelo deve levar essa incerteza em consideração. As ferramentas acadêmicas, em vez disso, enfatizam a precisão e a velocidade da computação, o que está totalmente errado. Diga ao comandante de um submarino nuclear que sua trajetória de fuga levará 3 horas, 24 minutos e 7 segundos: ele vai rir, porque isso não faz sentido, pois ele nem sabe ainda exatamente onde está a ameaça. E se ele rir, isso é um sinal muito ruim, significa que você não entendeu o problema. Mas se você disser a ele: se a ameaça estiver nesta zona, sua fuga levará cerca de 2 horas e se a ameaça estiver nessa zona, levará 3 horas, isso é algo que ele entenderá porque vai ao encontro de sua preocupação real.
Sobre isso existe muito pouco, tendo em vista a preocupação com robustez, então temos que inventar nossas ferramentas quase o tempo todo. Essas ferramentas são de alto nível, mas emprestam muito pouco da pesquisa acadêmica recente. Essas teorias acadêmicas são úteis para nós? É difícil dizer, mas, de qualquer forma, definitivamente são menos úteis do que as pessoas pensam. Por isso, geralmente, quando recebo uma candidatura, para um emprego, de alguém que se apresenta como um forte especialista em alguma área restrita, desconsidero essa candidatura, pois há poucas chances de eu poder utilizar seus conhecimentos, e há muitas chances de o cara querer colocar usar custe o que custar aquele conhecimento especifico, seja ele adequado ou não. Por outro lado, amplitude de conhecimento, familiaridade com situações reais, vontade de aprender e descobrir novos problemas, abertura de espírito, são as características que mais considero.
Deve estar claro agora que estamos fazendo muito pouca matemática numérica (o que as pessoas costumam chamar de “computação científica”). A razão é que há muito pouca demanda nesta área. O software existente, juntamente com o aumento da velocidade dos computadores, satisfaz a maioria das necessidades, de modo que a demanda é mais por modelos melhores, mais robustos, e não em precisão ou velocidade de computação.
Tudo isso em conjunto, vai muito contra a educação dada, no mestrado ou doutorado para jovens matemáticos, e vai contra o atual desenvolvimento da pesquisa matemática, como eu mesmo tenho feito por mais de 16 anos. De fato, o que os matemáticos acadêmicos fazem, ou tentam fazer, é provar teoremas, e eles treinam seus alunos na mesma direção.
Esses teoremas geralmente dizem respeito a alguma questão profunda e restrita, deixada sem resposta pelas gerações anteriores, ou algumas generalizações arbitrárias de trabalhos anteriores. O impacto de tais teorias sobre a matemática da vida real costuma ser extremamente trivial, para não dizer zero, especialmente porque a solução é colocada, por meio do sistema de publicações, em termos compreensíveis apenas para os próprios especialistas do domínio. Quem precisar, se precisar, nunca vai saber.
A maior parte da pesquisa matemática atual, desde os anos 60, é dedicada a situações fantasiosas: traz soluções que ninguém entende para perguntas que ninguém fez. No entanto, aqueles que trazem essas soluções são chamados de “ilustres” pela comunidade acadêmica. Esta palavra por si só dá uma medida da distância social: a matemática da vida real não requer matemáticos ilustres. Ao contrário, requer bárbaros: pessoas dispostas a lutar, a conquistar, a construir, a entender, sem nenhuma ideia predeterminada sobre qual ferramenta usar. Nós, da SCM, ainda não somos bárbaros, mas estamos trabalhando nisso. Claro, leva algum tempo, devido à nossa educação anterior.
Na vida académica, as pessoas têm ambições específicas, e a satisfação dos clientes não é uma dessas ambições. Querem ser reconhecidos, obter alguma notoriedade, ser publicados e citados, ganhar prêmios e homenagens. Nós, da SCM, vivemos do serviço que prestamos aos nossos clientes. E lembramos o que Thomas Gray escreveu em 1732 (Elegy in a churchyard):
“Os caminhos da glória levam apenas à sepultura.”
Bernard Beauzamy, Chairman and CEO,
Societe de Calcul Mathematique SA, 111
Faubourg Saint Honoré
F-75008 Paris, France
[email protected]
Conheça as vantagens de se juntar à Morte Súbita inc.
