TL; DR des Buches „Die Kunst der Wissenschaft und Technik“ von Richard Hamming

Seit langem wird auf Habré (das immer noch eine separate MagisterLudi- Autorenseite hat ) eine gemeinsame Übersetzung von Richard Hammings bemerkenswertem Buch The Art of Doing Science and Engineering veröffentlicht . Lange wollte ich es im Original lesen. Ja, nicht nur lesen, sondern die Hauptideen jedes Kapitels so kurz wie möglich zusammenfassen. Und vor kurzem habe ich das geschafft.

Der Zweck des Buches selbst ist es, "Sie auf Ihre technische Zukunft vorzubereiten", indem Sie den "Stil" des Denkens lehren. Daher sind die extrahierten Ideen grundsätzlich recht allgemein. Aufgrund der häufigen Art, Ideen in Form von Geschichten zu vermitteln, sind einige Punkte des Artikels meine persönliche Interpretation.

Aufgrund einer ausreichend großen Materialmenge und seiner "engen" Darstellung erwies sich dieser Artikel immer noch als ziemlich umfangreich. Deshalb schlage ich ihr TL vor; DR.

Vorwort

• Lehrer sollten die Schüler auf ihre Zukunft vorbereiten, nicht auf ihre Vergangenheit. Am besten ist es, den „Denkstil“ zu lehren.

Ich Orientierung

• Versuchen Sie, Aussagen so schnell wie möglich mit der Methode „Serviettenberechnung“ zu überprüfen. Dies hilft sowohl bei der Formulierung als auch bei der Qualitätskontrolle der Aufgabe.
• Lernen Sie die Grundlagen: Wissen, das über einen ausreichend langen Zeitraum als wahr anerkannt wird.
• Erstellen Sie Ihre eigene Vision Ihrer Zukunft, egal wie fehlerhaft sie sich letztendlich herausstellt. Das Ziel sollte sein, Größe zu erreichen und zur Entwicklung der Menschheit beizutragen.

II Grundlagen des digitalen (diskreten) Ansatzes

• Die Verwendung von "digitalen" Lösungen anstelle von "analogen" ist billiger, zuverlässiger und sozial entschlossener.
• Computer werden und werden es ermöglichen, eine umfangreiche Reihe von Aufgaben zu erledigen. Insbesondere wird es ein Mittel für "bösartiges" Mikromanagement sein.

III Computergeschichte - Hardware

• Computer haben einen langen Weg vom langsamen analogen „manuellen“ zum schnellen digitalen Automatisieren zurückgelegt.
• Der Computer weiß nichts darüber, was er tut. Menschen geben seiner Arbeit einen Sinn.

IV Computerhistorie - Software

• Software hat einen langen Weg vom fehleranfälligen Ansatz „Für Maschinen gebaut“ zum robusteren Ansatz „Für Menschen gebaut“ zurückgelegt.
• Der Schöpfer ist sich möglicherweise des „Grads der Größe“ seiner Schöpfung nicht vollständig bewusst (aufgrund aller Arten von Problemen, die ihm im Weg standen).
• Die Redundanz der Sprache erhöht ihre Zuverlässigkeit.
• Programmieren ist mehr wie Schreiben als Engineering: Menschen fliegen auf mehr oder weniger ähnliche Weise in den Weltraum, aber zwei Programmierer schreiben sehr unterschiedliche Programme, um ein ziemlich allgemeines Problem zu lösen.
• Denken Sie nach, bevor Sie ein Programm schreiben. Insbesondere darüber, wie Sie die Richtigkeit überprüfen und wie es unterstützt wird.
• Erfahrung ist kein universeller Weg, um Kompetenz zu messen.

V Geschichte der Computernutzung

• Die Hauptphasen der Computernutzung:
  
  • Schneller rechnen als Menschen.
  • Automatisieren Sie diese Berechnungen.
  • Verfolgen Sie den Fortschritt dieser Berechnungen.
• Der Einsatz von Computern sollte wirtschaftlich gerechtfertigt sein.
• Modifizierbare (programmierbare) allgemeine Lösungen (insbesondere Mikroschaltungen) haben sich als wirtschaftlich rentabler erwiesen als eng zielgerichtete.

VI Künstliche Intelligenz - I.

• Im Bereich der künstlichen Intelligenz (KI) gibt es ein Schlüsselproblem bei der Definition von Konzepten: „Maschine“, „Denken“, „Information“.
• Der Forscher sollte (während er seine eigenen Überzeugungen in Frage stellt) versuchen, Konzepte zu definieren, und sich der Fähigkeiten und Einschränkungen von Computern im „intellektuellen Bereich“ bewusst sein.

VII Künstliche Intelligenz - II

• In großräumigen Strukturen können neue Effekte auftreten: Es wird angenommen, dass es keine Reibung zwischen den Molekülen gibt, aber es wird zwischen größeren Objekten beobachtet. Gleiches gilt möglicherweise für "Intelligenz".
• Computer ersetzen zunächst Menschen bei Routineaufgaben, während komplexere (algorithmisch und ethisch) Bereiche immer noch eine Mensch-Computer-Interaktion erfordern.
• In der modernen KI ist es schwierig zu sagen, ob das Ergebnis eine Folge von „Brute Force“ oder „Verständnis“ ist.
• Vielleicht sollte das Denken nicht daran gemessen werden, was getan wird, sondern wie es getan wird.

VIII Künstliche Intelligenz - III

• "Können Autos denken?" Es gibt viele knifflige Beobachtungen auf beiden Seiten (es gibt eine Liste). Am interessantesten: Teile des kürzesten „Denkprogramms“ können per Definition nicht „denken“.
• Es könnte eine gute Idee sein, über zukünftige Verwendungen von Computern zu sprechen, anstatt über Vergangenheit oder Gegenwart.
• Sie müssen Ihre Position zu diesen beiden Themen durchdenken und klar umsetzen . Es sollte Ihnen klar sein , woran Sie glauben und warum .

IX n-dimensionaler Raum

• Der Entwurf komplexer Systeme erfolgt in einem n-dimensionalen Raum, der sehr kontraintuitive Eigenschaften aufweist.
• Eine optimale Entwurfslösung mit Einschränkungen wird mit ziemlicher Sicherheit nahe an der Grenze liegen.
• Metrisch $$$L_2$in der Physik üblich. $$$L_1$und $$$L _ {\ infty}$- im "intellektuellen Bereich".

X Codierungstheorie - I.

• Modell des "Informationssystems": [Quelle (unbekannter Natur)] -> [Quellcodierer | Kanalcodierer] -> [verrauschter Kanal] -> [Kanaldecoder | Quelldecoder] -> [Empfänger (unbekannter Art)].
• Die "Bedeutung" der Nachricht ist nicht an bestimmte Wörter gebunden, weil Die gleichen „Informationen“ können auf unterschiedliche Weise dargestellt werden.
• Die Codierung von "Informationen" kann basierend auf der "Art des Rauschens" des Systems ausgewählt werden. Im wirklichen Leben kann die Auswahl anderer Wörter der anderen Person helfen, die Botschaft besser zu verstehen.

XI Codierungstheorie - II

• Das Design des Systems sollte die Fehler im Zusammenspiel von Mensch und Maschine berücksichtigen.

XII Fehlerkorrekturcodes

• Durchbrüche in der Forschung sind oft mit emotionalem Stress und Frustration verbunden. Ein ruhiger Forscher ist gut darin, bestehende Lösungen zu verbessern und zu erweitern.
• Durchbrüche werden oft in zeitlich getrennten Teilen erzielt (manchmal erheblich).
• Viel Glück begleitet einen geschulten Geist (Pasteur). Gleichzeitig sollte ein Training durchgeführt werden, das sich auf die Zukunft und nicht auf die Vergangenheit konzentriert (sondern darauf basiert).

XIII Informationstheorie

• In Shannons Informationstheorie ist der Begriff "Information" nicht wirklich definiert, sondern nur die Art und Weise, wie er gemessen wird (als relatives Maß für "Überraschung").
• Bei angewandten Problemen definiert die Definition langfristig ein Objekt und beschreibt nicht unsere ursprüngliche Vorstellung davon.

XIV Digitalfilter - I.

• „Eine Initiative ist strafbar“ (auch mit guten Absichten), aber wenn sie gut umgesetzt wird, kann sie zu großen Erfolgen führen.
• Beharrlichkeit und Motivation führen oft zu besseren Ergebnissen als umfangreiches Anfangswissen.

XV Digitalfilter - II

• Versuchen Sie, etwas Neues nicht als "nichts Neues, nur verbessertes Altes" zu bezeichnen. Es kann eine ausgezeichnete Gelegenheit für großartige Leistungen sein.
• Zusammenarbeit ist bei komplexen Projekten unerlässlich.

XVI Digitalfilter - III

• Wenn Sie wissen, dass etwas nicht getan werden kann, nehmen Sie sich die Mühe, sich an den Grund zu erinnern: Damit Sie in Zukunft den Ansatz in der neuen Situation überdenken können.

XVII Digitalfilter - IV

• Bei der Lösung des Problems sollte jemand für das Gesamtbild der Studie „verantwortlich“ sein und sicherstellen, dass alles in gutem Glauben erfolgt.
• Was wir sehen, hängt von der Herangehensweise an die Aufgabe ab. Daher sollten Sie Ihre (und Wissensbereiche) Überzeugungen ständig in Frage stellen (aber nicht sehr viel).

XVIII Modellierung - I.

• Vergessen Sie beim Modellieren nicht, sich ständig mit der Realität zu befassen.
• Verwenden Sie zunächst die einfache Modellierung, um die Grundlagen des Modells genauer zu betrachten. Beginnen Sie erst dann mit dem Hinzufügen von Details.
• Nutzen Sie beim Modellieren das Wissen von Experten. Es bedeutet auch, ihren Jargon zu lernen.

XIX-Modellierung - II

• Die Zuverlässigkeit der Modellierung ist ihre wichtige Qualität. Eine bequeme Frage zur Überprüfung: "Warum sollte jemand glauben, dass die Simulation wahr ist?" (bezieht sich auf Modellgenauigkeit und Berechnung).
• Leider gibt es keinen universellen Weg, um dies zu erreichen. Ein paar Tipps:
  
  • Stellen Sie sicher, dass das Modellierungsfeld starke wissenschaftliche Gesetze und eine explizit postulierte Theorie hat.
  • Führen Sie jede Art von „Angemessenheitsprüfung“ und „Unit-Test“ des Programms durch.
• Sie sind persönlich für Ihre Entscheidungen verantwortlich und können diese nicht auf diejenigen übertragen, die die Modellierung durchführen.

XX Modellierung - III

• Das Prinzip „Müll am Eingang - Müll am Ausgang“ (Daten von schlechter Qualität liefern Ergebnisse von schlechter Qualität) ist nützlich, funktioniert jedoch manchmal aufgrund der Art der Aufgabe nicht (z. B. hohe Beständigkeit gegen Eingabefehler).
• Die Wahl der Modellierungsmethode sollte dem Kern des Problems entsprechen.
• Der Stolz auf ihre Fähigkeit, Probleme zu lösen, trägt viel dazu bei, unter schwierigen Bedingungen wichtige Ergebnisse zu erzielen.
• Übermäßiges Wissen kann der menschlichen Modellierung und dem Zufall schaden (daher die Schaffung einer Doppelblindmethode).

XXI Faseroptik

• Eine aktive Diskussion über die mögliche Entwicklung von Dingen und Ideen hilft, ihre zukünftige reale Entwicklung besser wahrzunehmen.
• Wenn etwas technologisch und wirtschaftlich besser ist, bedeutet dies nicht immer, dass es umgesetzt wird und sollte (aus Gründen der Sicherheit, Ethik, Politik usw.).

XXII Computerlernen - CAI

• Hüten Sie sich vor Wunschdenken und dem Hawthorne-Effekt (mit einem positiven Ergebnis, wenn alle Parteien an die Qualität der Methode glauben).
• Computer können beim „Training“ (Routine, „niedriges Niveau“, instinktives Lernen) nützlich sein, können aber für die „Bildung“ schädlich sein. Hauptsächlich aufgrund des Mangels an klarem Verständnis dafür, was eine qualitativ hochwertige Ausbildung sein sollte.

XXIII Math

• „Mathematik ist eine Sprache des klaren Denkens“ (obwohl nicht ideal).
• Fünf Schulen für Mathematik:
  
  • Platonisch . Alles ist die Verwirklichung von Ideen, die als separate Einheiten existieren. Problem: Die sich entwickelnde Natur der Wissenschaft.
  • Formalisten . Mathematik ist die Implementierung zulässiger formaler Transformationen (ohne "Sinn") von Zeichenfolgen abstrakter Symbole. Problem: Mathematische Ergebnisse haben eine „Bedeutung“.
  • Logisch . Mathematik ist die Umsetzung von Schlussfolgerungen vom Typ "Wenn A wahr ist, dann ist wahr B". Problem: Eine echte mathematische Entdeckung findet nicht in Form von Überlegungen von Annahmen zu Schlussfolgerungen statt. Es findet auch das Denken in die entgegengesetzte Richtung statt.
  • Intuitionismus . Die Ergebnisse sind wichtig, nicht die Art und Weise, wie sie erhalten werden. Problem: Tendenz, keine strengen Methoden anzuwenden.
  • Konstruktivisten . Um die Annahme zu beweisen, muss ein Algorithmus zur Erstellung des Ergebnisses bereitgestellt werden. Problem: Es scheint ein zu strenger Ansatz zu sein.
• Ein Teil der Effektivität der Mathematik ist die Fähigkeit, Analogien zu identifizieren. Je genauer es ist, desto „wahrer“ können die Schlussfolgerungen sein.
• In Zukunft werden mathematische Analogien weniger offensichtlich sein, was dazu führen kann, dass völlig neue Ansätze geschaffen werden müssen.

XXIV Quantenmechanik

• Ein Datensatz garantiert keine einzige Theorie.
• Der Mensch ist nicht rational, sondern ein rationalisierendes Tier.
• Auch ohne ein „Verständnis“ des Phänomens können speziell geschaffene formale mathematische Strukturen effektiv genutzt werden.

XXV Kreativität

• "Originalität" scheint mehr zu sein als "nie getan". Anscheinend sollte das Wort „kreativ“ („originell“, „innovativ“) das Konzept des Nutzens enthalten (aber für wen?).
• "Kreativität" kann nur eine Kombination von trivialen Ideen sein, die "psychologisch weit voneinander entfernt" sind.
• Es scheint, dass ein bestimmter "Geisteszustand" "Kreativität" begleitet.
• Kreativität ist wie Sex: Ein junger Mann kann alle Bücher zu diesem Thema lesen, aber ohne echte Erfahrung hat er kaum eine Chance zu verstehen, was es ist. Aber selbst dann gibt es möglicherweise wenig Verständnis dafür, was tatsächlich passiert .
• Typische kreative Arbeitsvorlage:
  
  • Primäres Bewusstsein für die Aufgabe.
  • Bearbeitung eines Problems, Formulierung in einer allgemein akzeptierten Form mit einer allgemein akzeptierten Lösung. Oft ist eine tiefe emotionale Beteiligung erforderlich.
  • Eine lange Zeit des "Tragens" mit intensiver Überlegung der Aufgabe. Das Ergebnis kann eine Lösung oder eine vorübergehende Unterbrechung der Arbeit an einer Aufgabe sein.
  • Der Moment der „Einsicht“ ist das Erscheinen einer Lösung. Oft ist es falsch, so dass die Überlegungen fortgesetzt werden oder die Aufgabe neu formuliert werden muss, um zur Lösung zu passen .
• Nützliche Frage: "Wenn ich eine Lösung hätte, wie würde sie aussehen?"
• Nützlicher Trick: Versuchen Sie, nicht über etwas anderes als die Aufgabe nachzudenken.
• Die wichtigste Methode in der kreativen Arbeit ist die Analogie . Daher ist umfangreiches Wissen hilfreich. Um sie effektiv zu nutzen, sollte nicht nur an neues Wissen erinnert werden. Es ist nützlich, "mentale Hinweise" zu erstellen, die funktionieren, wenn Sie "neben ihnen" denken. Dies kann durch aktive Reflexion über die unkonventionelle Anwendung von Wissen erreicht werden.
• Um kreativer zu sein, müssen Sie sich ändern (Verantwortung übernehmen). Darüber hinaus sollte dies mit dem Wandel der Gesellschaft geschehen.
• Lernen Sie, sich zu weigern, ein Problem zu lösen.

XXVI Experten

• Zwei Probleme mit Experten:
  
  • Sie sind zuversichtlich, dass sie Recht haben.
  • Sie achten nicht auf die Grundlagen ihrer Überzeugungen und darauf, inwieweit sie in neuen Situationen anwendbar sind.
• Große Entdeckungen werden oft von außerhalb des Wissensbereichs gemacht (von Experten aus einem anderen Bereich). Sie müssen bewusst entscheiden, ob Sie Ihr Fachgebiet fördern oder Innovationen in einem anderen schaffen möchten.
• Was Sie erfolgreich gemacht hat, wird wahrscheinlich in Zukunft unproduktiv sein. Behalten Sie den Überblick über Ihre Region.

XXVII Ungültige Daten

• Überall ungültige Daten.
• Überprüfen Sie immer die Datenqualität. Zumindest für Konsistenz und Emissionen.
• Der Messvorgang nimmt häufig unbeabsichtigte systematische Änderungen an den Daten vor.
• Beobachten Sie die Definition von Dimensionen, um dieselbe Entität zu analysieren.
• Ein kleiner, ordentlich gesammelter Datensatz ist besser als ein großer Datensatz von geringer Qualität.
• Achten Sie auf die Qualität der Datenerhebungsmethode (insbesondere der Fragebögen).

XXVIII Systemtechnik

• Es ist wichtig, das Gesamtbild des Problems im Auge zu behalten.
• Wenn Sie ein Teil optimieren, verringern Sie wahrscheinlich die Qualität des Systems (hauptsächlich, weil der vorherige Absatz selten ausgeführt wird).
• Entwurfssysteme unter Berücksichtigung der Möglichkeit zukünftiger Änderungen.
• Je genauer die Aufgabenbedingungen erfüllt sind, desto schlechter ist die Effizienz bei erhöhter Last.
• Beim Entwurf von Systemen gibt es kein festes Problem und keine endgültige Lösung. Es sieht eher nach einer gemeinsamen Entwicklung eines Problems und einer Lösung aus.
• Das Erstellen von Systemen sollte auf einer Vereinfachung etablierter Aufgaben mit etablierten Lösungen basieren.

XXIX Sie bekommen, was Sie messen

• Sie bekommen, was Sie messen. Das heisst:
  
  • Die Definition einer Messung beeinflusst das Ergebnis (wie dies bei IQ der Fall ist).
  • Der gemessene Prozess kann sich an das Messverfahren selbst anpassen und gegen den ursprünglichen Plan verstoßen. Dies ist sehr häufig in Bewertungssystemen, an denen Personen beteiligt sind.
• Es müssen noch Messungen durchgeführt werden, jedoch nach sorgfältiger Abwägung der Folgen ihrer Umsetzung.

XXX du und dein Studium

• Es lohnt sich zu versuchen, die Ziele zu erreichen, die Sie sich selbst gesetzt haben, und es lohnt sich, hohe Ziele zu setzen.
• Viel Glück begleitet einen geschulten Geist (Pasteur).
• Harte Arbeit zahlt sich aus, aber wenn sie in die richtige Richtung geht.
• Der Glaube an die Fähigkeit, großartige Dinge zu tun, ist wichtig. Es kann Vertrauen, "Mut" genannt werden. Steigern Sie Ihre Erfolge.
• Ein gezieltes Streben nach Spitzenleistungen ist für einen großartigen Job unerlässlich.
• Kenne dein Alter.
• Was Sie für gute Arbeitsbedingungen halten, ist möglicherweise nicht so.
• Die Neuformulierung einer schwierigen Aufgabe kann helfen.
• Planen Sie ungefähr 10% Ihrer Zeit ein, um über globale Probleme nachzudenken.
• Große Menschen können mit Zweideutigkeiten umgehen: Sie glauben an die Überlegenheit ihrer Organisation und ihres Forschungsgebiets, glauben aber gleichzeitig, dass es Raum für Wachstum gibt.
• Denken Sie an die wichtigen ungelösten Aufgaben und beginnen Sie mit der Arbeit an der, über die Sie einen Einblick hatten.
• Wie, nicht nur was Sie tun ("Stil") zählt.
• Machen Sie Ihre Arbeit anderen zugänglich.
• Beschuldigen Sie nicht die Werkzeuge.
• Lernen Sie, Ihre Ideen zu „verkaufen“.
• Veränderung bedeutet nicht Fortschritt, aber Veränderung ist notwendig für Fortschritt.
• Zu Beginn Ihrer Karriere müssen Sie möglicherweise in Ihrer persönlichen Zeit arbeiten.
• Das Leben ist es nicht wert ohne Forschung (Sokrates). Planen Sie Ihre Zukunft, egal wie fehlerhaft sie sich letztendlich herausstellt.
• Viel Glück