对于许多立志要成为科学家的年轻人来说，在实现梦想的道路上，最让他们望而生畏的阻碍莫过于数学。一个不精通数学的人，该怎么在科学领域有所建树？
　　对于这个问题我不想按部就班地解释，不过，我倒是有一个秘密要告诉大家：当今世界上最为成功的科学家，有许多对于数学也不过只是一知半解。
　　数学的帮助并不大
　　我在哈佛生物系执教的数十年中，曾遗憾地看到有许多才华横溢的本科生，由于担心自己的数学能力不足，放弃了从事科研工作。这个错误的想法让科学界失去了大量珍贵的人才，而我们则亟须改善这个局面。
　　我自己的经历就是一个极端的例子。我的高中时代在美国南部较为贫困的学校度过——在来到阿拉巴马大学念书之前，我从未接触过代数。在32岁时，我作为哈佛大学的终身教授，才终于开始学习微积分。那时，我同班同学的年纪都几乎比我小一倍，其中有几个还是我当时所教的进化生物学班上的学生。尽管如此，我还是按捺住了自己的困窘，老老实实地学了微积分。
　　在恶补数学时，我作为一个学生，成绩不过平平。然而，令我宽慰的是，我发现高超的数学能力就跟精通一门外语差不多——只要用得多了，自然会变得流畅和熟练；然而，在真正进行科学考察和实验时，它对我的帮助却并不太大。
　　想象力和直觉更重要
　　幸运的是，只有少数几门科研领域对数学能力有严格要求，比如粒子物理、天文物理和信息理论。在其他科学领域中，提炼出新概念的能力才是最为重要的——一个合格的科研工作者应该具有丰富的想象力和敏锐的直觉。
　　每个人都有过像科学家一样做白日梦的经历。天马行空的幻想是一切创造力的源头——牛顿幻想过，达尔文幻想过，你一定也幻想过。起初，你脑海里闪现的画面是模糊不清的，它们变幻莫测，时隐时现；而当你把它们画在纸上时，它们的形态则会开始固定下来；最后，当你在现实生活中找到了实例后，这些画面就被真正地赋予了生命力。
　　科学家先驱所作出的科学发现甚少是单单从数学中提炼出来的。那些典型的“科学家站在黑板前研究着一排排长等式”的照片，大多是老师们在讲解已有的科学发现。真正的科研进展来自于野外考察时记下的笔记，办公室内堆积成山的草稿纸，与朋友站在走廊上的讨论，或是独自一人吃午饭的时刻。那些所谓的“灵光一现”，其实是刻苦和专注的产物。
　　科学家和数学家协同合作
　　在科学界中，灵感的涌现往往来自人们对于某些自然现象的好奇心。通过仔细透彻地整理该领域中所有已知的信息和构想，我们才能提炼出新的理论。研究者有了新发现后，通常需要运用数学或统计学来展开更深入的研究。如果这个量化分析对于该研究者来说过于艰深，则可以邀请一位数学家或者统计学家参与研究。
　　上世纪70年代后期，我曾与理论数学家乔治·奥斯特（George Oster）合作，提出了一个群居昆虫社会等级和分工的理论。我负责提供从野外和实验室中观测得到的数据，他则负责通过他所熟练的数学理论和相关设想来解释这些现象。如果没有一手的观测数据，奥斯特或许能够建立一个通用的模型，但他无法得知哪些排列组合是真正存在的。
　　这些年来，我曾与数学家和统计学家们合作发表了多篇论文，因此，我接下来要提出的这个理论应该还算权威——姑且把它称作“Wilson第一定律”——与让一位数学家或统计学家找到一名科学家来运用他们的公式和模型相比，科学家在需要合作时找到合适的数学家和统计学家要容易许多。
　　这种需求上的不平衡在生物学领域尤甚。在生物学中，许多自然现象中的变量常常会被误解或忽略。理论生物学的历史上充斥着毫无意义甚至根本牛头不对马嘴的数学模型，以至于其中有价值的结果很可能不到1/10。只有那些与真正的生物系统观测数据紧密相关的模型才会被应用。
　　找到一个能深深激发兴趣的领域
　　如果你的数学底子不好，你应该要设法改善它；不过，你也应该记住，精通数学并不是做出重大科学发现的必要条件。
　　当然，你在决定进入那些需要从事大量量化研究的领域前还是需要三思。这包括了物理和化学的大多数分支，以及分子生物学中的少数领域。
　　牛顿发明微积分的原因，是要让他的理论站稳脚跟。达尔文并没有高超的数学能力，但他通过大量的数据积累，孕育出了一个被后人用数学验证了的理论。
　　想要成为科学家的人需要走出至关重要的第一步——找到一个能深深激发其兴趣的领域，然后专注地走下去。与此同时，他们应该记住“Wilson第二定律”——对每一位科学家来说，都有一个他们既有的数学能力足以让自己有所成就的领域。 （文章选自果壳网）