Durante mucho tiempo , se ha publicado una traducción conjunta en Habré (que todavía tiene un sitio de autoría MagisterLudi separado ) del notable libro de Richard Hamming "El arte de hacer ciencia e ingeniería" . Durante mucho tiempo quise leerlo en el original. Sí, no solo lea, sino que haga un breve resumen de las ideas principales de cada capítulo. Y recientemente, logré hacer esto.
El propósito del libro en sí es "prepararlo para su futuro técnico" al enseñarle el "estilo" de pensar. Por lo tanto, las ideas extraídas son básicamente bastante generales. Además, debido a la forma frecuente de transmitir ideas en forma de historias, algunos puntos del artículo son mi interpretación personal de ellas.
Debido a una cantidad suficientemente grande de material y su presentación "ajustada", este artículo todavía resultó ser bastante voluminoso. Por lo tanto, le propongo su TL; DR.
TL; DR de este TL; DR- La buena suerte acompaña a una mente entrenada (Pasteur).
- La preparación debe llevarse a cabo centrándose en el futuro y no en el pasado (sino en base a él).
- Vale la pena tratar de alcanzar las metas que te fijaste, y vale la pena establecer metas altas.
Prólogo
- Los maestros deben preparar a los estudiantes para su futuro, no su pasado. La forma más adecuada es enseñar el "estilo" de pensamiento.
I Orientación
- Intente verificar las declaraciones lo más rápido posible utilizando el método de "computación de servilletas". Esto ayuda tanto con la formulación como con el control de calidad de la tarea.
- Aprenda lo básico: conocimiento que se acepta como verdadero durante un período de tiempo suficientemente largo.
- Cree su propia visión de su futuro, sin importar cuán erróneo resulte en última instancia. Los objetivos deben ser alcanzar la grandeza y contribuir al desarrollo de la humanidad.
II Fundamentos del enfoque digital (discreto)
- El uso de soluciones "digitales" en lugar de "analógicas" es más barato, más confiable y socialmente determinado.
- Las computadoras permitirán y harán posible completar un amplio conjunto de tareas. Especialmente será un medio para la microgestión "viciosa".
III Historia de la computadora - Hardware
- Las computadoras han recorrido un largo camino desde el lento "manual" analógico hasta el rápido digital automatizado.
- La computadora no sabe nada sobre lo que está haciendo. La gente le da sentido a su trabajo.
IV Historia de la computadora - Software
- El software ha recorrido un largo camino desde el enfoque propenso a errores "construido para máquinas" hasta el enfoque más robusto "construido para personas".
- El creador puede no ser plenamente consciente del "grado de grandeza" de su creación (debido a todo tipo de problemas que se encontraban en su camino).
- La redundancia del lenguaje aumenta su fiabilidad.
- La programación es más como escribir que la ingeniería: las personas vuelan al espacio de manera más o menos similar, pero dos programadores escribirán programas muy diferentes para resolver un problema bastante general.
- Piensa antes de escribir un programa. En particular, sobre cómo verificará su corrección y cómo será compatible.
- La experiencia no es una forma universal de medir la competencia.
V Historia del uso de las computadoras.
- Las principales etapas del uso de las computadoras:
- Computando más rápido que los humanos.
- Automatiza estos cálculos.
- Siga el progreso de estos cálculos.
- El uso de computadoras debe estar económicamente justificado.
- Las soluciones generales modificables (programables) (microcircuitos en particular) han demostrado ser económicamente más rentables que las específicas.
VI Inteligencia Artificial - I
- En el campo de la inteligencia artificial (IA), existe un problema clave en la definición de conceptos: "máquina", "pensamiento", "información".
- El investigador debe usar (mientras cuestiona) sus propias creencias en los intentos de definir conceptos, así como ser consciente de las capacidades y limitaciones de las computadoras en la "esfera intelectual".
VII Inteligencia Artificial - II
- En estructuras a gran escala, pueden surgir nuevos efectos: se cree que no hay fricción entre las moléculas, pero se observa entre objetos más grandes. Lo mismo puede ser cierto para la "inteligencia".
- Las computadoras primero reemplazan a las personas en tareas rutinarias, mientras que las áreas más complejas (algorítmica y éticamente) aún requieren la interacción humano-computadora.
- En la IA moderna, es difícil decir si el resultado es una consecuencia de la "fuerza bruta" o la "comprensión".
- Quizás el pensamiento no debería medirse en lo que se está haciendo, sino en cómo se está haciendo.
VIII Inteligencia Artificial - III
- “¿Pueden pensar los autos?” Hay muchas observaciones difíciles en ambos lados (hay una lista). Lo más interesante: partes del programa más corto de "pensamiento" no pueden "pensar" por definición.
- Puede ser una buena idea hablar sobre los usos futuros de las computadoras, en lugar del pasado o el presente.
- Debe pensar detenidamente y comprender claramente su posición sobre estos dos temas. Debe tener claro lo que cree y por qué .
IX espacio n-dimensional
- El diseño de sistemas complejos se lleva a cabo en un espacio n-dimensional, que tiene propiedades muy contra-intuitivas.
- Una solución de diseño óptima con restricciones casi seguramente estará cerca del borde.
- Métrica Común en física. y - en la "esfera intelectual".
Teoría de la codificación X - I
- Modelo del "sistema de información": [fuente (de naturaleza desconocida)] -> [codificador fuente | codificador de canal] -> [canal ruidoso] -> [decodificador de canal | decodificador de fuente] -> [receptor (de naturaleza desconocida)].
- El "significado" del mensaje no está vinculado a palabras específicas, porque la misma "información" se puede representar de diferentes maneras.
- La codificación de "información" puede seleccionarse en función del "tipo de ruido" del sistema. En la vida real, la selección de otras palabras puede ayudar a la otra persona a comprender mejor el mensaje.
XI Teoría de la codificación - II
- El diseño del sistema debe tener en cuenta los errores de interacción entre el hombre y la máquina.
XII Códigos de corrección de errores
- Los avances en la investigación a menudo se asocian (vienen después) con el estrés emocional y la frustración. Un investigador tranquilo es bueno para mejorar y ampliar las soluciones existentes.
- Los avances a menudo se realizan en partes separadas en el tiempo (a veces sustancialmente).
- La buena suerte acompaña a una mente entrenada (Pasteur). Al mismo tiempo, la capacitación debe llevarse a cabo enfocándose en el futuro y no en el pasado (sino en base a ello).
XIII Teoría de la información
- En la teoría de la información de Shannon, el concepto de "información" no está realmente definido, solo la forma en que se mide (como una medida relativa de "sorpresa").
- En los problemas aplicados, la definición a largo plazo define un objeto y no describe nuestra idea inicial de él.
XIV Filtros digitales - I
- "Una iniciativa es punible" (incluso con buenas intenciones), pero si se implementa bien, puede conducir a grandes logros.
- La persistencia y la motivación a menudo dan mejores resultados que un amplio conocimiento inicial.
XV Filtros digitales - II
- Trate de no nombrar algo nuevo como "nada nuevo, solo mejorado". Puede ser una excelente oportunidad para grandes logros.
- La colaboración es esencial en proyectos complejos.
XVI Filtros digitales - III
- Si sabe que algo no se puede hacer, tómese la molestia de recordar la razón: para que en el futuro pueda reconsiderar el enfoque en la nueva situación.
XVII Filtros digitales - IV
- Al resolver el problema, alguien debe ser "responsable" de la imagen general del estudio y asegurarse de que todo se haga de buena fe.
- Lo que vemos depende del enfoque de la tarea. Por lo tanto, debe cuestionar constantemente sus creencias (y áreas de conocimiento) (pero no mucho).
XVIII Modelado - I
- Al modelar, no olvides consultar constantemente con la realidad.
- Primero, use el modelado simple para ver más de cerca los conceptos básicos del modelo. Solo entonces comience a agregar detalles.
- Use el conocimiento de expertos al modelar. También significa aprender su jerga.
XIX Modelado - II
- La fiabilidad del modelado es su importante calidad. Una pregunta conveniente para verificarlo: "¿Por qué alguien debería creer que la simulación es verdadera?" (se refiere a la precisión y el cálculo del modelo).
- Desafortunadamente, no hay una forma universal de lograr esto. Algunos consejos:
- Asegúrese de que el campo de modelado tenga leyes científicas fuertes y una teoría explícitamente postulada.
- Lleve a cabo cualquier tipo de "verificación de adecuación" y "prueba de unidad" del programa.
- Usted es personalmente responsable de sus decisiones y no puede trasladarlo a quienes realizan el modelado.
XX Modelado - III
- El principio "Basura en la entrada - basura en la salida" (los datos de baja calidad dan resultados de baja calidad) es útil, pero a veces puede no funcionar debido a la naturaleza de la tarea (por ejemplo, alta resistencia a los errores de entrada).
- La elección del método de modelado debe corresponder a la esencia del problema.
- El orgullo en su capacidad para resolver problemas ayuda mucho a lograr resultados importantes en condiciones difíciles.
- El conocimiento excesivo puede hacer daño en el modelado y el azar humanos (de ahí la creación de un método doble ciego).
XXI fibra óptica
- La discusión activa sobre el desarrollo potencial de cosas e ideas ayuda a percibir mejor su evolución real futura.
- Si algo es mejor desde el punto de vista tecnológico y económico, esto no siempre significa que será y debe implementarse (por razones de seguridad, ética, política, etc.).
XXII Aprendizaje informático - CAI
- Tenga cuidado con las ilusiones y el efecto Hawthorne (que tiene un resultado positivo si todas las partes creen en la calidad del método).
- Las computadoras pueden ser útiles en la "capacitación" (rutina, "nivel bajo", aprendizaje instintivo), pero pueden ser perjudiciales para la "educación". Principalmente debido a la falta de una comprensión clara de lo que debe ser una educación de calidad.
XXIII Matemáticas
- "Las matemáticas son un lenguaje de pensamiento claro" (aunque no ideal).
- Cinco escuelas de matemáticas:
- Platónico Todo es la realización de ideas que existen como entidades separadas. Problema: la naturaleza evolutiva de la ciencia.
- Formalistas . La matemática es la implementación de transformaciones formales permitidas (sin ningún "sentido") de cadenas de símbolos abstractos. Problema: los resultados matemáticos tienen un "significado".
- Lógico . La matemática es la implementación de conclusiones del tipo "si A es verdadero, entonces verdadero B". Problema: un verdadero descubrimiento matemático no ocurre en forma de razonamiento desde suposiciones hasta conclusiones. Pensar en la dirección opuesta también tiene lugar.
- Intucionismo Los resultados importan, no la forma en que se obtienen. Problema: tendencia a no utilizar métodos estrictos.
- Constructivistas . Para probar el supuesto, es necesario proporcionar un algoritmo para construir el resultado. Problema: Parece un enfoque demasiado estricto.
- Parte de la efectividad de las matemáticas es la capacidad de identificar analogías. Cuanto más precisa sea, más "verdaderas" podrán ser las conclusiones.
- En el futuro, las analogías matemáticas serán menos obvias, lo que puede llevar a la necesidad de crear enfoques completamente nuevos.
XXIV Mecánica Cuántica
- Un conjunto de datos no garantiza una sola teoría.
- El hombre no es racional, sino un animal racionalizador.
- Incluso sin una "comprensión" del fenómeno, se pueden utilizar efectivamente estructuras matemáticas formales especialmente creadas.
XXV Creatividad
- "Originalidad" parece ser más que "nunca hecho". Aparentemente, la palabra "creativo" ("original", "innovador") debe incluir el concepto de utilidad (¿pero para quién?).
- La "creatividad" solo puede ser una combinación de ideas triviales que son "psicológicamente distantes" entre sí.
- Parece que cierto "estado mental" acompaña a la "creatividad".
- La creatividad es como el sexo: un joven puede leer todos los libros sobre el tema, pero sin una experiencia real tiene pocas posibilidades de comprender qué es. Pero incluso entonces, puede haber poca comprensión de lo que realmente está sucediendo .
- Plantilla típica de trabajo creativo:
- Conciencia primaria de la tarea.
- Procesando un problema, formulándolo en una forma generalmente aceptada con una solución generalmente aceptada. A menudo, se necesita una profunda implicación emocional.
- Un largo período de "carga" con una intensa deliberación de la tarea. El resultado puede ser una solución o una parada temporal del trabajo en una tarea.
- El momento de la "percepción" es la aparición de una solución. A menudo es incorrecto, por lo que la deliberación continúa o la tarea debe reformularse para adaptarse a la solución .
- Pregunta útil: "Si tuviera una solución, ¿cómo sería?"
- Truco útil: trata de no pensar mucho en otra cosa que no sea la tarea.
- El método más importante en el trabajo creativo es la analogía . Por lo tanto, un amplio conocimiento es útil. Para usarlos de manera efectiva, los nuevos conocimientos no solo deben recordarse. Es útil crear "pistas mentales" que funcionen al pensar "a su lado". Esto se puede lograr a través de una reflexión activa sobre la aplicación no convencional del conocimiento.
- Para ser más creativo, debes cambiarte a ti mismo (asumir la responsabilidad). Además, esto debería hacerse con la naturaleza cambiante de la sociedad.
- Aprende a rehusar resolver un problema.
XXVI Expertos
- Dos problemas con los expertos:
- Confían en que tienen razón.
- No prestan atención a los conceptos básicos de sus creencias y en qué medida son aplicables en situaciones nuevas.
- Los grandes descubrimientos a menudo se realizan desde fuera del campo del conocimiento (por expertos de otro campo). Debe decidir conscientemente si promover su campo o crear innovación en otro.
- Es probable que lo que lo hizo exitoso no sea productivo en el futuro. Mantenga un registro de su área.
XXVII Datos inválidos
- Datos no válidos en todas partes.
- Siempre verifique la calidad de los datos. Al menos por consistencia y emisiones.
- El proceso de medición a menudo realiza cambios sistemáticos involuntarios en los datos.
- Observe la definición de dimensiones para analizar la misma entidad.
- Un conjunto de datos pequeño y bien recopilado es mejor que uno grande de baja calidad.
- Tenga cuidado con la calidad de la metodología de recopilación de datos (especialmente los cuestionarios).
XXVIII Ingeniería de Sistemas
- Es importante tener en cuenta la imagen general del problema.
- Al optimizar una parte, es probable que disminuya la calidad del sistema (principalmente porque el párrafo anterior rara vez se realiza).
- Diseñar sistemas considerando la posibilidad de futuros cambios.
- Cuanto más exactamente se cumplan las condiciones de la tarea, peor será la eficiencia con una carga aumentada.
- En el diseño de sistemas no hay un problema fijo ni una solución final. Más bien, parece una evolución conjunta de un problema y una solución.
- La creación de sistemas debe basarse en una simplificación de las tareas establecidas con soluciones establecidas.
XXIX Obtienes lo que mides
- Obtienes lo que mides. Esto significa:
- La definición de una medida afecta el resultado (como es el caso con IQ).
- El proceso medido puede adaptarse al procedimiento de medición en sí mismo, violando el plan original. Esto es muy común en los sistemas de calificación que involucran personas.
- Todavía deben realizarse mediciones, pero después de una cuidadosa reflexión sobre las consecuencias de su implementación.
XXX tú y tus estudios
- Vale la pena tratar de alcanzar las metas que te fijaste, y vale la pena establecer metas altas.
- La buena suerte acompaña a una mente entrenada (Pasteur).
- El trabajo duro vale la pena, pero si se hace en la dirección correcta.
- La creencia en la capacidad de hacer grandes cosas es importante. Se le puede llamar confianza, "coraje". Impulsarlo explorando sus éxitos.
- Una búsqueda enfocada de la excelencia es esencial para un gran trabajo.
- Conoce tu edad.
- Lo que usted considera buenas condiciones de trabajo puede no serlo.
- Reformular una tarea difícil puede ayudar.
- Planifique alrededor del 10% de su tiempo para pensar en problemas globales.
- Las grandes personas pueden hacer frente a la ambigüedad: creen en la superioridad de su organización y campo de investigación, pero al mismo tiempo creen que hay espacio para el crecimiento.
- Tenga en cuenta las tareas importantes no resueltas y comience a trabajar en la tarea sobre la que tuvo una idea.
- Cómo, no solo lo que haces ("estilo") importa.
- Haz tu trabajo accesible para otros.
- No culpes a las herramientas.
- Aprenda a "vender" sus ideas.
- El cambio no significa progreso, pero el cambio es necesario para el progreso.
- Al comienzo de su carrera, es posible que tenga que trabajar en su tiempo personal.
- La vida no vale la pena sin investigación (Sócrates). Planifique su futuro, no importa cuán erróneo resulte en última instancia.
- Buena suerte