TL; DR du livre «L'art des sciences et de l'ingénierie», de Richard Hamming

Depuis longtemps , une traduction conjointe a été publiée sur Habré (qui possède toujours un site de rédaction MagisterLudi séparé ) du remarquable livre de Richard Hamming, The Art of Doing Science and Engineering . Pendant longtemps, j'ai voulu le lire dans l'original. Oui, ne vous contentez pas de lire, mais réduisez le plus brièvement possible les idées principales de chaque chapitre. Et récemment, j'ai réussi à le faire.

Le but du livre lui-même est de "vous préparer à votre avenir technique" en enseignant le "style" de la pensée. Par conséquent, les idées extraites sont fondamentalement assez générales. De plus, en raison de la manière fréquente de transmettre des idées sous forme d'histoires, certains points de l'article en sont mon interprétation personnelle.

En raison d'une quantité de matière suffisamment importante et de sa présentation "serrée", cet article s'est révélé assez volumineux. Par conséquent, je lui propose TL; DR.

Préface

• Les enseignants doivent préparer les élèves à leur avenir et non à leur passé. La façon la plus appropriée est d'enseigner le «style» de la pensée.

I Orientation

• Essayez de vérifier les déclarations le plus rapidement possible en utilisant la méthode du «napkin computing». Cela aide à la fois à la formulation et au contrôle de la qualité de la tâche.
• Apprenez les bases: connaissances acceptées comme vraies pendant une période suffisamment longue.
• Créez votre propre vision de votre avenir, peu importe à quel point il s'avère finalement erroné. Les objectifs devraient être d'atteindre la grandeur et de contribuer au développement de l'humanité.

II Fondements de l'approche numérique (discrète)

• L'utilisation de solutions «numériques» au lieu de «analogiques» est moins chère, plus fiable et déterminée socialement.
• Les ordinateurs permettront et permettront d'accomplir un ensemble complet de tâches. Ce sera surtout un moyen de microgestion "vicieuse".

III Histoire de l'ordinateur - Matériel

• Les ordinateurs ont parcouru un long chemin, du «manuel» analogique lent au numérique automatisé rapide.
• L'ordinateur ne sait rien de ce qu'il fait. Les gens donnent un sens à son travail.

IV Histoire de l'ordinateur - Logiciel

• Le logiciel a parcouru un long chemin de l'approche «conçue pour les machines», source d'erreurs, à l'approche «conçue pour les personnes» plus robuste.
• Le créateur peut ne pas être pleinement conscient du «degré de grandeur» de sa création (en raison de toutes sortes de problèmes qui se trouvaient sur son chemin).
• La redondance du langage augmente sa fiabilité.
• La programmation ressemble plus à l'écriture qu'à l'ingénierie: les gens volent dans l'espace de manière plus ou moins similaire, mais deux programmeurs écriront des programmes très différents pour résoudre un problème assez général.
• Réfléchissez avant d'écrire un programme. En particulier, sur la façon dont vous vérifierez son exactitude et comment il sera pris en charge.
• L'expérience n'est pas un moyen universel de mesurer la compétence.

V Histoire de l'utilisation des ordinateurs

• Les principales étapes de l'utilisation des ordinateurs:
  
  • Calculer plus vite que les humains.
  • Automatisez ces calculs.
  • Suivez la progression de ces calculs.
• L'utilisation d'ordinateurs doit être économiquement justifiée.
• Les solutions générales modifiables (programmables) (les microcircuits en particulier) se sont avérées économiquement plus rentables que celles ciblées de manière étroite.

VI Intelligence artificielle - I

• Dans le domaine de l'intelligence artificielle (IA), la définition des concepts pose un problème majeur: «machine», «réflexion», «information».
• Le chercheur doit utiliser (tout en remettant en question) ses propres croyances dans les tentatives de définir des concepts, ainsi que connaître les capacités et les limites des ordinateurs dans la «sphère intellectuelle».

VII Intelligence artificielle - II

• Dans les structures à grande échelle, de nouveaux effets peuvent survenir: on pense qu'il n'y a pas de frottement entre les molécules, mais il est observé entre des objets plus gros. La même chose peut être vraie pour «l'intelligence».
• Les ordinateurs remplacent d'abord les personnes dans les tâches de routine, tandis que les domaines plus complexes (algorithmiquement et éthiquement) nécessitent toujours une interaction homme-ordinateur.
• Dans l'IA moderne, il est difficile de dire si le résultat est une conséquence de la «force brute» ou de la «compréhension».
• Peut-être que la réflexion ne devrait pas être mesurée dans ce qui est fait, mais dans la façon dont elle est faite.

VIII Intelligence artificielle - III

• "Les voitures peuvent-elles penser?" Il y a beaucoup d'observations délicates des deux côtés (il y a une liste). Le plus intéressant: certaines parties du programme de «réflexion» le plus court ne peuvent pas «penser» par définition.
• Ce pourrait être une bonne idée de parler des utilisations futures des ordinateurs, plutôt que du passé ou du présent.
• Vous devez réfléchir et réaliser clairement votre position sur ces deux questions. Il devrait être clair pour vous ce que vous croyez et pourquoi .

IX espace à n dimensions

• La conception de systèmes complexes est réalisée dans un espace à n dimensions, qui possède des propriétés très contre-intuitives.
• Une solution de conception optimale avec des contraintes sera presque certainement proche de la frontière.
• Métrique $$$L_2$commun en physique. $$$L_1$et $$$L _ {\ infty}$- dans la «sphère intellectuelle».

Théorie du codage X - I

• Modèle du "système d'information": [source (de nature inconnue)] -> [encodeur source | encodeur de canal] -> [canal bruyant] -> [décodeur de canal | décodeur source] -> [récepteur (de nature inconnue)].
• Le "sens" du message n'est pas lié à des mots spécifiques, car la même «information» peut être représentée de différentes manières.
• Le codage des «informations» peut être sélectionné en fonction du «type de bruit» du système. Dans la vraie vie, la sélection d'autres mots peut aider l'autre personne à mieux comprendre le message.

XI Théorie du codage - II

• La conception du système doit tenir compte des erreurs d'interaction entre l'homme et la machine.

XII Codes de correction d'erreur

• Les percées dans la recherche sont souvent associées à (après) le stress émotionnel et la frustration. Un chercheur calme est bon pour améliorer et étendre les solutions existantes.
• Les percées sont souvent réalisées en parties séparées dans le temps (parfois de manière substantielle).
• La bonne chance accompagne un esprit entraîné (Pasteur). En même temps, une formation devrait être dispensée en se concentrant sur l'avenir, et non sur le passé (mais sur la base de celui-ci).

XIII Théorie de l'information

• Dans la théorie de l’information de Shannon, le concept d ’« information »n’est pas vraiment défini, seulement la façon dont il est mesuré (en tant que mesure relative de« surprise »).
• Dans les problèmes appliqués, la définition à long terme définit un objet et ne décrit pas notre idée initiale de celui-ci.

XIV Filtres numériques - I

• «Une initiative est punissable» (même avec de bonnes intentions), mais si elle est bien mise en œuvre, elle peut conduire à de grandes réalisations.
• La persévérance et la motivation donnent souvent de meilleurs résultats qu'une connaissance initiale approfondie.

Filtres numériques XV - II

• Essayez de ne pas nommer quelque chose de nouveau comme «rien de nouveau, juste une amélioration ancienne». Cela peut être une excellente opportunité pour de grandes réalisations.
• La collaboration est essentielle dans les projets complexes.

XVI Filtres numériques - III

• Si vous savez que quelque chose ne peut pas être fait, prenez la peine de vous en rappeler la raison: afin qu'à l'avenir vous puissiez reconsidérer l'approche dans la nouvelle situation.

Filtres numériques XVII - IV

• Pour résoudre le problème, quelqu'un doit être «responsable» de l'image globale de l'étude et s'assurer que tout est fait de bonne foi.
• Ce que nous voyons dépend de l'approche de la tâche. Par conséquent, vous devez constamment remettre en question vos croyances (et vos domaines de connaissances) (mais pas beaucoup).

XVIII Modélisation - I

• Lors de la modélisation, n'oubliez pas de vérifier constamment la réalité.
• Tout d'abord, utilisez une modélisation simple pour obtenir un aperçu plus approfondi des bases du modèle. Alors seulement, commencez à ajouter des détails.
• Utilisez les connaissances d'experts lors de la modélisation. Cela signifie également apprendre leur jargon.

Modélisation XIX - II

• La fiabilité de la modélisation est sa qualité importante. Une question pratique pour le vérifier: "Pourquoi quelqu'un devrait-il croire que la simulation est vraie?" (fait référence à la précision et au calcul du modèle).
• Malheureusement, il n'existe aucun moyen universel d'y parvenir. Quelques conseils:
  
  • Assurez-vous que le domaine de la modélisation a des lois scientifiques solides et une théorie explicitement postulée.
  • Effectuer tout type de «vérification d'adéquation» et de «tests unitaires» du programme.
• Vous êtes personnellement responsable de vos décisions et vous ne pouvez pas les transférer à ceux qui effectuent la modélisation.

Modélisation XX - III

• Le principe «ordures à l'entrée - ordures à la sortie» (des données de mauvaise qualité donnent des résultats de mauvaise qualité) est utile, mais parfois il peut ne pas fonctionner en raison de la nature de la tâche (par exemple, une résistance élevée aux erreurs de saisie).
• Le choix de la méthode de modélisation doit correspondre à l'essence du problème.
• La fierté de leur capacité à résoudre des problèmes aide beaucoup à obtenir des résultats importants dans des conditions difficiles.
• Des connaissances excessives peuvent nuire à la modélisation humaine et au hasard (d'où la création d'une méthode en double aveugle).

XXI fibre optique

• Une discussion active sur le développement potentiel des choses et des idées aide à mieux percevoir leur évolution réelle future.
• Si quelque chose est meilleur sur le plan technologique et économique, cela ne signifie pas toujours qu'il sera et devrait être mis en œuvre (pour des raisons de sécurité, d'éthique, de politique, etc.).

XXII Apprentissage informatique - CAI

• Attention aux vœux pieux et à l' effet Hawthorne (avoir un résultat positif si toutes les parties croient en la qualité de la méthode).
• Les ordinateurs peuvent être utiles dans la «formation» (routine, «bas niveau», apprentissage instinctif), mais peuvent être nocifs pour «l'éducation». Principalement en raison du manque de compréhension claire de ce que devrait être une éducation de qualité.

XXIII Math

• «Les mathématiques sont un langage de pensée claire» (bien que pas idéal).
• Cinq écoles de mathématiques:
  
  • Platonique . Tout est la réalisation d'idées qui existent en tant qu'entités distinctes. Problème: la nature évolutive de la science.
  • Formalistes . Les mathématiques sont l'implémentation de transformations formelles autorisées (sans aucun "sens") de chaînes de symboles abstraits. Problème: les résultats mathématiques ont un «sens».
  • Logique . Les mathématiques sont la mise en œuvre de conclusions du type "si A est vrai, alors vrai B". Problème: une véritable découverte mathématique ne se produit pas sous forme de raisonnement des hypothèses aux conclusions. Penser dans la direction opposée a également lieu.
  • Intuitionisme . Les résultats importent, pas la manière dont ils sont obtenus. Problème: tendance à ne pas utiliser de méthodes strictes.
  • Constructivistes . Pour prouver l'hypothèse, il est nécessaire de fournir un algorithme pour construire le résultat. Problème: Cela semble être une approche trop stricte.
• Une partie de l'efficacité des mathématiques est la capacité d'identifier des analogies. Plus elle est précise, plus les conclusions peuvent être «vraies».
• À l'avenir, les analogies mathématiques seront moins évidentes, ce qui pourrait conduire à la nécessité de créer des approches complètement nouvelles.

XXIV Mécanique quantique

• Un ensemble de données ne garantit pas une seule théorie.
• L'homme n'est pas rationnel, mais un animal rationalisant.
• Même sans «compréhension» du phénomène, des structures mathématiques formelles spécialement créées peuvent être utilisées efficacement.

Créativité XXV

• L '«originalité» semble être plus que «jamais fait». Apparemment, le mot «créatif» («original», «innovant») devrait inclure le concept d'utilité (mais pour qui?).
• La «créativité» ne peut être qu'une combinaison d'idées triviales qui sont «psychologiquement distantes» les unes des autres.
• Il semble qu'un certain «état d'esprit» accompagne la «créativité».
• La créativité est comme le sexe: un jeune homme peut lire tous les livres sur le sujet, mais sans réelle expérience, il a peu de chance de comprendre ce que c'est. Mais même alors, il peut y avoir peu de compréhension de ce qui se passe réellement .
• Modèle de travail créatif typique:
  
  • Prise de conscience primaire de la tâche.
  • Traiter un problème, le formuler sous une forme généralement acceptée avec une solution généralement acceptée. Souvent, une implication émotionnelle profonde est nécessaire.
  • Une longue période de "roulement" avec une délibération intensive de la tâche. Le résultat peut être une solution ou un arrêt temporaire du travail sur une tâche.
  • Le moment de la «perspicacité» est l'apparition d'une solution. Souvent, elle est incorrecte, donc la délibération se poursuit ou la tâche doit être reformulée pour s'adapter à la solution .
• Question utile: "Si j'avais une solution, à quoi ressemblerait-elle?"
• Astuce utile: essayez de ne pas penser à autre chose que la tâche.
• La méthode la plus importante dans le travail créatif est l' analogie . Par conséquent, une connaissance approfondie est utile. Afin de les utiliser efficacement, il ne faut pas simplement se souvenir de nouvelles connaissances. Il est utile de créer des "indices mentaux" qui fonctionneront en pensant "à côté d'eux". Cet objectif peut être atteint grâce à une réflexion active sur l'application non conventionnelle des connaissances.
• Pour être plus créatif, vous devez vous changer (prendre des responsabilités). De plus, cela devrait être fait avec la nature changeante de la société.
• Apprenez à refuser de résoudre un problème.

Experts XXVI

• Deux problèmes avec les experts:
  
  • Ils sont convaincus d'avoir raison.
  • Ils ne prêtent pas attention aux fondements de leurs croyances et dans quelle mesure ils sont applicables dans de nouvelles situations.
• Les grandes découvertes sont souvent faites en dehors du domaine de la connaissance (par des experts d'un autre domaine). Vous devez consciemment décider de promouvoir votre domaine ou de créer l'innovation dans un autre.
• Ce qui vous a permis de réussir sera probablement improductif à l'avenir. Gardez une trace de votre région.

XXVII Données invalides

• Des données invalides partout.
• Vérifiez toujours la qualité des données. Au moins pour la cohérence et les émissions.
• Le processus de mesure apporte souvent des modifications systématiques involontaires aux données.
• Regardez la définition des dimensions afin d'analyser la même entité.
• Un petit ensemble de données soigneusement collectées est meilleur qu'un grand ensemble de faible qualité.
• Faites attention à la qualité de la méthodologie de collecte des données (en particulier les questionnaires).

XXVIII Ingénierie des systèmes

• Il est important de garder à l'esprit l'image globale du problème.
• Lors de l'optimisation d'une partie, vous êtes susceptible de diminuer la qualité du système (principalement parce que le paragraphe précédent est rarement effectué).
• Concevoir des systèmes en tenant compte de la possibilité de changements futurs.
• Plus les conditions de tâche sont remplies avec précision, plus l'efficacité à charge accrue est mauvaise.
• Dans la conception des systèmes, il n'y a pas de problème fixe ni de solution finale. Cela ressemble plutôt à une évolution conjointe d'un problème et d'une solution.
• La création de systèmes doit être basée sur une simplification des tâches établies avec des solutions établies.

XXIX Vous obtenez ce que vous mesurez

• Vous obtenez ce que vous mesurez. Cela signifie:
  
  • La définition d'une mesure affecte le résultat (comme c'est le cas avec le QI).
  • Le processus mesuré peut s'adapter à la procédure de mesure elle-même, en violation du plan d'origine. Ceci est très courant dans les systèmes de notation impliquant des personnes.
• Des mesures doivent encore être effectuées, mais après une réflexion approfondie sur les conséquences de sa mise en œuvre.

XXX vous et vos études

• Cela vaut la peine d'essayer d'atteindre les objectifs que vous vous êtes fixés et de fixer des objectifs élevés.
• La bonne chance accompagne un esprit entraîné (Pasteur).
• Le travail acharné porte ses fruits, mais s'il est fait dans la bonne direction.
• Il est important de croire en la capacité de faire de grandes choses. On peut l'appeler confiance, «courage». Boostez-le en explorant vos succès.
• Une recherche ciblée de l'excellence est essentielle à un excellent travail.
• Connaissez votre âge.
• Ce que vous considérez comme de bonnes conditions de travail peut ne pas l'être.
• Reformuler une tâche difficile peut aider.
• Prévoyez environ 10% de votre temps pour réfléchir aux problèmes mondiaux.
• Les gens formidables peuvent faire face à l'ambiguïté: ils croient en la supériorité de leur organisation et de leur domaine de recherche, mais croient en même temps qu'il y a place pour la croissance.
• Gardez à l'esprit les tâches importantes non résolues et commencez à travailler sur celle sur laquelle vous avez eu un aperçu.
• Comment, pas seulement ce que vous faites («style») est important.
• Rendez votre travail accessible aux autres.
• Ne blâmez pas les outils.
• Apprenez à «vendre» vos idées.
• Le changement ne signifie pas le progrès, mais le changement est nécessaire pour le progrès.
• Au début de votre carrière, vous devrez peut-être travailler dans votre temps personnel.
• La vie n'en vaut pas la peine sans recherche (Socrate). Planifiez votre avenir, même s'il s'avère finalement erroné.
• Bonne chance