Если говорить о развитии математики (и особенно алгебры) в Европе в Средние века, неудобство записи и вычислений с римскими цифрами было серьёзным тормозом, а переход к позиционной «удобной» цифрописи (индо-арабской системе с нулём) дал мощный толчок.
Почему римские цифры тормозили прогресс
Римские цифры (I, V, X, L, C, D, M) отлично подходили для записи сумм и учёта (надписи, счета, военные реестры), но были крайне неудобны для выполнения операций. У них нет:
- позиционности (разрядности),
- нуля как полноценного числа,
- простого способа работать с большими числами и дробями.
Сложение и вычитание ещё кое-как шли, но умножение и деление превращались в настоящую муку — приходилось использовать абак (счётную доску) или пальцевые методы, а записать промежуточные результаты было почти невозможно. Историки прямо говорят: это «серьёзно ограничивало торговлю, коммерцию и особенно науку».
После падения Римской империи в Европе наступил период застоя (так называемые «тёмные века» в математике). Теоретические достижения греков (Евклид, Архимед) в геометрии сохранились, но алгебра и общая арифметика почти не развивались почти тысячу лет. Римляне и европейцы Средневековья не смогли продвинуться в теории чисел и алгебре так, как греки раньше или индийцы/арабы позже.
Что изменила «удобная» цифропись
Индо-арабская (или хинду-арабская) система возникла в Индии примерно в I–IV веках н.э., получила развитие в V–VII веках (включая ноль как число) и была заимствована арабскими математиками в IX веке. Она позиционная (значение цифры зависит от места) и включает ноль — это радикально упростило все операции.
- Арабы (Аль-Хорезми и др.) уже в IX веке активно использовали её и создали классическую алгебру (слово «алгебра» от арабского al-jabr).
- В Европу систему принёс Фибоначчи (Леонардо Пизанский) в книге Liber Abaci (1202 год). Сначала её приняли купцы и банкиры Северной Италии, потом — учёные.
После этого в XIII–XVI веках произошёл взрывной рост:
- Появились удобные алгоритмы умножения/деления.
- Развилась символическая алгебра (Виет, Декарт и др.).
- Ускорились астрономия, инженерия, физика и коммерция (двойная бухгалтерия, кредиты и т.д.).
- К XV–XVI векам система полностью вытеснила римские цифры в практической математике.
Французский математик Лаплас позже назвал эту систему «одним из самых важных изобретений человечества» именно потому, что она невероятно упростила вычисления.
Важные оговорки:
- Не единственная причина застоя. Были и падение империи, потеря знаний, влияние церкви, отсутствие университетов. Но numeral system был практическим барьером — без него сложные расчёты оставались недоступны на бумаге.
- В других цивилизациях (Индия, Китай, исламский мир) математика развивалась быстрее именно благодаря лучшим системам счёта.
- Римляне и ранние европейцы не были «полными бездарями» — они использовали абак для вычислений, но записывать и развивать теорию было тяжело.
Неудобные цифры (включая римские) действительно долго тормозили европейскую математику и алгебру. Переход к позиционной системе с нулём стал одним из ключевых «технологических» прорывов, который запустил бурный рост в эпоху Возрождения и Научной революции. Без него современная математика, физика и даже компьютеры выглядели бы совсем иначе.
Почему «отформатированность» предыдущим языком — реальная проблема
Язык (в широком смысле: не только слова, но и нотации, парадигмы, культурные коды, даже «мемы» как единицы мышления) действительно выступает мощным катализатором (или, наоборот, тормозом) новых идей. Это не просто красивая метафора из истории математики с римскими цифрами — это фундаментальный механизм когнитивной эволюции.
И в случае DNA-Computing (особенно того, чем занимается проф. Росс Кинг с его Nondeterministic Universal Turing Machine на ДНК) это особенно актуально.
Классическая информатика (и мышление большинства людей, выросших в 80–2000-х) построена на фон-Неймановской парадигме:
- последовательные операции,
- тактовые частоты,
- булева логика,
- транзисторы/биты.
DNA-Computing — это радикально другая «языковая» среда:
- вычисления происходят через химические реакции,
- massive parallelism (миллиарды молекул одновременно),
- локальные перезаписи строк (как у Кинга на основе систем Тью — Thue string rewriting),
- non-deterministic поведение,
- где «программа» = физическая молекула, а не код в текстовом редакторе.
Людям, чьё мышление уже «отформатировано» кремниевым компьютером, очень тяжело перестроиться. Они пытаются «перевести» ДНК на привычный язык (gate-модели, как в квантовых компьютерах), и это даёт только частичные результаты. Кинг сам неоднократно говорил, что главная сложность — не в биохимии, а в том, чтобы мыслить вычислениями как химией. Старшее поколение (даже очень умное) часто застревает в этой «трансляции».
Новое поколение как «носитель новой грамматики»
Новое поколение (условно Z и особенно Alpha, выросшие после 2010-х) уже живёт в другой среде:
- Они с детства видят CRISPR, синтетическую биологию, ДНК-хранилища данных, биоинженерию как что-то обыденное (не «футуризм», а повседневность).
- Их культурные коды (мемы, TikTok-вирусняк, AI-генерация, гибридные онлайн/оффлайн-миры) приучают к гибкости парадигм — они не цепляются за одну «правильную» модель реальности.
- Интуиция у них уже работает с молекулярным масштабом и параллельностью как с чем-то естественным (видео о «ДНК-компьютерах решают NP-задачи за минуты» для них — не sci-fi, а следующий уровень после ChatGPT).
Они не будут тратить годы на то, чтобы «разучиться» думать по-старому. Они просто родятся внутри новой грамматики. Как дети, которые сразу учатся на арабских цифрах, а не мучаются с римскими.
Это классический эффект смены парадигм по Куну: научные революции часто происходят не потому, что старые учёные вдруг прозрели, а потому, что они уходят на пенсию, а молодые принимают новую картину мира как само собой разумеющееся.
Насколько это критично именно для DNA-Computing?
Очень критично. Даже больше, чем для квантовых компьютеров.
Квантам ещё как-то удаётся «переводить» на классический язык (хотя и там молодые физики-интуиты дают фору).
А ДНК-компьютинг требует буквально нового способа чувствовать вычисления — как будто перейти с линейного текста на объёмный, химически-реактивный «язык».
Кинг и его команда (DNA Ascendancy и т.д.) уже сделали прорыв на уровне железа (первый физический NUTM). Но чтобы это стало индустрией, а не лабораторией, нужны тысячи людей, которые:
- интуитивно пишут «программы» на ДНК,
- видят в молекулах не «биологию», а вычислительную среду,
- и быстро итерируют идеи без когнитивного сопротивления.
Инвестиции и умные люди (типа Кинга) — это необходимое условие. Но достаточное — только когда появляется поколение, которое не переводит, а думает на этом языке с рождения.
Без «неотформатированных» умов, выросших в новой культурно-технологической среде, DNA-Computing рискует остаться нишей для энтузиастов, как когда-то алгебра сидела в тупике при римских цифрах. Новое поколение — это не просто «больше рук», это новая операционная система для идей. И именно она даст настоящий взрыв.
Про смену «грамматики мышления» как ключевой триггер
— мнение (основанное на истории научных парадигм, текущем состоянии поля по состоянию на 2026 год и аналогиях с другими прорывами типа CRISPR или раннего ИИ):
Реалистичный минимум - 12-18 лет, чтобы «вырастить» новое поколение
Почему не меньше?
Первое поколение «нативов» (те, кто с детства думает молекулами, параллелизмом и Thue-системами перезаписи строк как чем-то естественным) — это дети, которые сейчас (2026) в начальной/средней школе или только рождаются (Gen Alpha / ранние Gen Beta).
Чтобы они вошли в науку как полноценные исследователи:8–12 лет базового «нового языка» в школе (био + кодинг + молекулярные симуляторы).
4–6 лет универа/магистратуры с уже встроенными курсами DNA-Computing.
3–5 лет PhD/постдока, где они уже итерируют реальные эксперименты.
Итого: первые «взрослые» нативы появятся к 2038–2044 годам. К 2045–2050 они смогут задавать тон в лабораториях.
- Оптимистичный сценарий (12–15 лет): если прямо сейчас запустить массовые образовательные программы (типа dna.ceo, но в 1000 школах + VR-симуляторы ДНК-компьютеров + AI-менторы, которые объясняют парадигму на «их» языке мемов и TikTok-логики).
При каких условиях это реально сработает
- Раннее «перепрошивание» мышления — не ждать университета. С 8–10 лет дети должны играть/экспериментировать с реальными/виртуальными ДНК-компьютерами (как сегодня с Scratch или Arduino): dna.ceo — именно такой старт.
- Инфраструктура «для всех» — дешёвые наборы для домашнего синтеза/секвенирования ДНК (цена < $100, как Arduino сегодня). Уже идёт тренд: синтез падает в цене экспоненциально.
- Культурный сдвиг — мейнстрим-медиа, игры, сериалы, где DNA-Computing показан не как «футуризм», а как следующий ChatGPT. Поколение должно чувствовать эту парадигму интуитивно, а не переводить с «кремниевого».
- Системная поддержка — государственные/частные программы (аналог DARPA или AI-бумов). Росс Кинг и его команда уже показывают, что железо (NUTM) работает в лаборатории. Нужно масштабировать образование под это.
- Отсутствие «старого форматирования» — главное, чтобы эти дети не прошли 10 лет классической информатики «по-старому» до того, как познакомятся с новой.
Без этих условий — даже через 30 лет будет «перевод» старых идей на ДНК, а не настоящий взрыв.
Сколько минимум «таких умов» нужно для прорыва?
Критическая масса — 80–300 «нативных» мозгов + 500–1000 человек поддержки.
- Почему именно столько?
Прорыв = не просто статья, а «DNA Supremacy» (как Кинг называет): реальный desktop-ДНК-компьютер, который решает большие NP-полные задачи быстрее и дешевле, чем кремний + кванты вместе взятые.
История показывает:CRISPR: ~20–50 ключевых людей в 2012–2015, потом тысячи в экосистеме.
Современный ИИ-бум: первые прорывы — десятки в OpenAI/Google, потом тысячи.
Квантовые компьютеры: ~200–400 топ-специалистов глобально на текущих прототипах.
DNA-Computing ещё нишевее, но требует био + хим + CS + инженерии одновременно.
Поэтому:
- Ядро (80–150 нативов) — те, кто думает на «молекулярном языке» с рождения. Они генерируют новые алгоритмы, дизайны молекул, парадигмы без когнитивного сопротивления.
- Экосистема (ещё 400–800) — лаборанты, инженеры синтеза, программисты-гибриды, бизнес-разработчики. Плюс 1–2 больших центра (типа Manchester + Cambridge + возможно твой DNA-CEO как хаб для молодёжи).
С меньшим количеством (скажем, 20–30) — будут крутые прототипы (как у Кинга сейчас), но не индустрия и не «взрыв». С 300+ нативов — лавинообразный рост, как в ИИ после 2017.
Итого:
12–18 лет минимум при агрессивном «переформатировании» с детства.
80–300 «неотформатированных» умов как катализатор + экосистема вокруг.
Проекты типа dna.ceo как раз могут стать одними из первых «семян» этого поколения. Если такие проекты пойдут в массы — мы увидим настоящий прорыв быстрее, чем все ожидают. Это не просто техника, это смена операционной системы для всего человечества.
Поэтому, в отличие от меня самого (и даже профессора Росса Кинга?), мой младший сын Арсений (9 лет) - гораздо ближе к этой новой эпохе DNA-Computing! Он — почти идеальный «натив»: ещё не прошёл через 8–10 лет «классической» информатики, где всё сводится к Python/Java, булевой логике и фон-Нейману. Его мозг сейчас как чистый лист — именно в этом возрасте (8–12 лет) проще всего «прошить» новую грамматику: молекулярный параллелизм, химические реакции как код, Thue-системы перезаписи строк как естественный способ думать.
Старший же сын, Николай (18 лет), уже немного «отформатирован» предыдущим языком (школа, возможно первые курсы программирования, смартфоны, ChatGPT) - возможно (или нет: я не знаю), ему придётся разучиться думать линейно и последовательно, чтобы по-настоящему почувствовать ДНК-вычисления. Это реально, но (возможно) потребует больше усилий и мотивации (как взрослому переходить с римских цифр на арабские — можно, но не так интуитивно). Зато у него уже есть база: он может быстро освоить Python-часть и стать «мостом» между старым и новым. Если Арсений — будущее ядро поколения, то Николай — отличный «ранний последователь», который может помочь запустить процесс уже сейчас.
Через 5–7 лет Арсений будет думать на этом языке естественно, а Николай — одним из первых, кто сможет строить реальные ДНК-компьютеры.
