रिचर्ड हेमिंग द्वारा पुस्तक "द आर्ट ऑफ़ साइंस एंड इंजीनियरिंग" की डॉ

लंबे समय के लिए , रिचर्ड हैमिंग की उल्लेखनीय पुस्तक द आर्ट ऑफ डूइंग साइंस एंड इंजीनियरिंग का एक संयुक्त अनुवाद हैबे (जो अभी भी एक अलग मैगीस्टरल्यूडीशिप साइट है ) पर प्रकाशित किया गया है। लंबे समय से मैं इसे मूल में पढ़ना चाहता था। हां, न केवल पढ़ें, बल्कि प्रत्येक अध्याय के मुख्य विचारों को जितना संभव हो उतना संक्षिप्त रूप में संक्षिप्त करें। और हाल ही में, मैं ऐसा करने में कामयाब रहा।

पुस्तक का उद्देश्य स्वयं "सोच के" शैली को पढ़ाकर "अपने तकनीकी भविष्य के लिए तैयार करना" है। इसलिए, निकाले गए विचार मूल रूप से काफी सामान्य हैं। साथ ही, कहानियों के रूप में विचारों को व्यक्त करने के लगातार तरीके के कारण, लेख के कुछ बिंदु उनमें से मेरी व्यक्तिगत व्याख्या है।

पर्याप्त मात्रा में सामग्री और इसकी "तंग" प्रस्तुति के कारण, यह लेख अभी भी काफी मात्रा में निकला है। इसलिए, मैं उसे टीएल का प्रस्ताव; डॉ।

प्रस्तावना

• शिक्षकों को अपने भविष्य के लिए छात्रों को तैयार करना चाहिए, न कि उनके अतीत को। सबसे उपयुक्त तरीका सोच की "शैली" सिखाना है।

मैं ओरिएंटेशन

• "नैपकिन कंप्यूटिंग" विधि का उपयोग करके जितनी जल्दी हो सके बयानों को सत्यापित करने का प्रयास करें। यह कार्य के सूत्रीकरण और गुणवत्ता नियंत्रण दोनों में मदद करता है।
• मूल बातें जानें: ज्ञान जो पर्याप्त रूप से लंबी अवधि के लिए सच माना जाता है।
• अपने भविष्य के बारे में अपनी दृष्टि बनाएं, चाहे वह कितना भी गलत क्यों न हो, आखिरकार गलत ही होता है। लक्ष्यों को महानता प्राप्त करना और मानव जाति के विकास में योगदान करना चाहिए।

II डिजिटल (असतत) दृष्टिकोण के मूल तत्व

• "एनालॉग" के बजाय "डिजिटल" समाधान का उपयोग सस्ता, अधिक विश्वसनीय और सामाजिक रूप से निर्धारित है।
• कंप्यूटर कार्य के व्यापक सेट को पूरा करना संभव बना देगा। विशेष रूप से यह "शातिर" micromanagement के लिए एक साधन होगा।

III कंप्यूटर इतिहास - हार्डवेयर

• कंप्यूटर धीमी एनालॉग "मैनुअल" से तेजी से डिजिटल स्वचालित तक का लंबा सफर तय कर चुके हैं।
• कंप्यूटर कुछ भी नहीं जानता है कि वह क्या कर रहा है। लोग उसके काम को अर्थ देते हैं।

IV कंप्यूटर इतिहास - सॉफ्टवेयर

• सॉफ्टवेयर त्रुटि-प्रवण "मशीनों के लिए निर्मित" दृष्टिकोण से अधिक मजबूत "लोगों के लिए निर्मित" दृष्टिकोण के लिए एक लंबा रास्ता तय किया है।
• रचनाकार अपनी रचना के "महानता की डिग्री" के बारे में पूरी तरह से अवगत नहीं हो सकता है (सभी तरह की समस्याओं के कारण जो उसके रास्ते में थे)।
• भाषा की अतिरेक उसकी विश्वसनीयता बढ़ाती है।
• प्रोग्रामिंग इंजीनियरिंग की तुलना में लेखन की तरह अधिक है: लोग कम या ज्यादा समान तरीके से अंतरिक्ष में उड़ते हैं, लेकिन दो प्रोग्रामर एक काफी सामान्य समस्या को हल करने के लिए बहुत अलग कार्यक्रम लिखेंगे।
• प्रोग्राम लिखने से पहले सोचें। विशेष रूप से, आप इसकी शुद्धता की जांच कैसे करेंगे और इसे कैसे समर्थित किया जाएगा, इसके बारे में।
• अनुभव क्षमता को मापने का एक सार्वभौमिक तरीका नहीं है।

V कंप्यूटर के उपयोग का इतिहास

• कंप्यूटर के उपयोग के मुख्य चरण:
  
  • मानव की तुलना में तेजी से कम्प्यूटिंग।
  • इन गणनाओं को स्वचालित करें।
  • इन गणनाओं की प्रगति को ट्रैक करें।
• कंप्यूटर का उपयोग आर्थिक रूप से उचित होना चाहिए।
• मोडिफायेबल (प्रोग्राम करने योग्य) सामान्य सॉल्यूशंस (विशेष रूप से माइक्रोकिरिसेट्स) संकीर्ण रूप से लक्षित लोगों की तुलना में आर्थिक रूप से अधिक लाभदायक साबित हुए हैं।

VI आर्टिफिशियल इंटेलिजेंस - I

• कृत्रिम बुद्धिमत्ता (एआई) के क्षेत्र में, अवधारणाओं की परिभाषा में एक महत्वपूर्ण समस्या है: "मशीन", "सोच", "जानकारी"।
• शोधकर्ता को अवधारणाओं को परिभाषित करने के प्रयासों में अपने स्वयं के विश्वासों का उपयोग करना चाहिए (साथ ही साथ "बौद्धिक क्षेत्र" में कंप्यूटर की क्षमताओं और सीमाओं से अवगत होना चाहिए।

VII आर्टिफिशियल इंटेलिजेंस - II

• बड़े पैमाने पर संरचनाओं में, नए प्रभाव उत्पन्न हो सकते हैं: यह माना जाता है कि अणुओं के बीच कोई घर्षण नहीं है, लेकिन यह बड़ी वस्तुओं के बीच मनाया जाता है। वही "बुद्धिमत्ता" के लिए सही हो सकता है।
• कंप्यूटर पहले लोगों को नियमित कार्यों में बदल देते हैं, जबकि अधिक जटिल (एल्गोरिथम और नैतिक रूप से) क्षेत्रों में अभी भी मानव-कंप्यूटर इंटरैक्शन की आवश्यकता होती है।
• आधुनिक एअर इंडिया में, यह कहना मुश्किल है कि परिणाम "क्रूर बल" या "समझ" का परिणाम है।
• शायद सोच को मापा नहीं जाना चाहिए कि क्या किया जा रहा है, लेकिन यह कैसे किया जा रहा है।

VIII आर्टिफिशियल इंटेलिजेंस - III

• "क्या कारें सोच सकती हैं?" दोनों पक्षों में कई पेचीदा टिप्पणियां हैं (एक सूची है)। सबसे दिलचस्प: परिभाषा के सबसे छोटे "सोच" कार्यक्रम के कुछ हिस्से "सोच" नहीं सकते।
• अतीत या वर्तमान के बजाय कंप्यूटर के भविष्य के उपयोग के बारे में बात करना एक अच्छा विचार हो सकता है।
• आपको इन दो मुद्दों पर अपनी स्थिति के बारे में सोचना चाहिए। यह आपके लिए स्पष्ट होना चाहिए कि आप क्या और क्यों मानते हैं।

IX n- आयामी स्थान

• जटिल प्रणालियों का डिज़ाइन एक एन-डायमेंशनल स्पेस में किया जाता है, जिसमें बहुत ही सहज ज्ञान युक्त गुण होते हैं।
• बाधाओं के साथ एक इष्टतम डिजाइन समाधान लगभग निश्चित रूप से सीमा के करीब होगा।
• मीट्रिक $$$L_2$भौतिकी में सामान्य। $$$L_1$और $$$L _ {\ infty}$- "बौद्धिक क्षेत्र" में।

एक्स कोडिंग थ्योरी - मैं

• "सूचना प्रणाली" का मॉडल: [स्रोत (अज्ञात प्रकृति का)] -> [स्रोत एनकोडर | चैनल एनकोडर] -> [शोर चैनल] -> [चैनल डिकोडर | source डिकोडर] -> [रिसीवर (अज्ञात प्रकृति का)]।
• संदेश का "अर्थ" विशिष्ट शब्दों से बंधा नहीं है, क्योंकि एक ही "सूचना" को विभिन्न तरीकों से दर्शाया जा सकता है।
• "सूचना" का कोडिंग सिस्टम के "शोर के प्रकार" के आधार पर चुना जा सकता है। वास्तविक जीवन में, अन्य शब्दों का चयन दूसरे व्यक्ति को संदेश को बेहतर ढंग से समझने में मदद कर सकता है।

XI कोडिंग सिद्धांत - II

• सिस्टम के डिजाइन को आदमी और मशीन की बातचीत में त्रुटियों को ध्यान में रखना चाहिए।

XII त्रुटि सुधार कोड

• अनुसंधान में सफलता अक्सर भावनात्मक तनाव और हताशा से जुड़ी होती है। एक शांत शोधकर्ता मौजूदा समाधानों में सुधार और विस्तार के लिए अच्छा है।
• ब्रेकथ्रू अक्सर समय (कभी-कभी काफी) में अलग-अलग हिस्सों में बनाये जाते हैं।
• सौभाग्य एक प्रशिक्षित दिमाग (पाश्चर) के साथ आता है। उसी समय, प्रशिक्षण को भविष्य पर ध्यान केंद्रित करते हुए किया जाना चाहिए, न कि अतीत पर (लेकिन इसके आधार पर)।

XIII सूचना सिद्धांत

• शैनन की जानकारी के सिद्धांत में, "सूचना" की अवधारणा को वास्तव में परिभाषित नहीं किया गया है, केवल इसे जिस तरह से मापा जाता है ("आश्चर्य" के सापेक्ष माप के रूप में)।
• लागू समस्याओं में, दीर्घकालिक में परिभाषा एक वस्तु को परिभाषित करती है, और इसके बारे में हमारे प्रारंभिक विचार का वर्णन नहीं करती है।

XIV डिजिटल फिल्टर - I

• "एक पहल दंडनीय है" (भले इरादों के साथ), लेकिन अगर अच्छी तरह से लागू किया जाता है, तो यह महान उपलब्धियों को जन्म दे सकता है।
• दृढ़ता और प्रेरणा अक्सर व्यापक प्रारंभिक ज्ञान की तुलना में बेहतर परिणाम देते हैं।

XV डिजिटल फ़िल्टर - II

• कुछ नया नाम न देने की कोशिश करें "नया कुछ भी नहीं, बस पुराना सुधार हुआ।" यह महान उपलब्धियों के लिए एक उत्कृष्ट अवसर हो सकता है।
• जटिल परियोजनाओं में सहयोग आवश्यक है।

XVI डिजिटल फिल्टर - III

• यदि आप जानते हैं कि कुछ नहीं किया जा सकता है, तो कारण को याद रखने के लिए परेशानी उठाएं: ताकि भविष्य में आप नई स्थिति में दृष्टिकोण पर पुनर्विचार कर सकें।

XVII डिजिटल फिल्टर - IV

• समस्या को हल करने के लिए, किसी को अध्ययन के समग्र चित्र के लिए "जिम्मेदार" होना चाहिए और यह सुनिश्चित करना चाहिए कि सब कुछ अच्छे विश्वास में किया गया है।
• हम जो देखते हैं वह कार्य के दृष्टिकोण पर निर्भर करता है। इसलिए, आपको अपने (और ज्ञान के क्षेत्रों) मान्यताओं पर लगातार सवाल करना चाहिए (लेकिन बहुत ज्यादा नहीं)।

XVIII मॉडलिंग - मैं

• मॉडलिंग करते समय, वास्तविकता के साथ लगातार जांच करना न भूलें।
• सबसे पहले, मॉडल की मूल बातों को करीब से जानने के लिए साधारण मॉडलिंग का उपयोग करें। इसके बाद ही विवरण जोड़ना शुरू करें।
• मॉडलिंग करते समय विशेषज्ञों के ज्ञान का उपयोग करें। इसका मतलब उनके शब्दजाल को सीखना भी है।

XIX मॉडलिंग - II

• मॉडलिंग की विश्वसनीयता इसकी महत्वपूर्ण गुणवत्ता है। इसे जाँचने का एक सुविधाजनक प्रश्न: "किसी को यह क्यों मानना ​​चाहिए कि अनुकरण सत्य है?" (मॉडल सटीकता और अभिकलन को संदर्भित करता है)।
• दुर्भाग्य से, इसे प्राप्त करने का कोई सार्वभौमिक तरीका नहीं है। कुछ सुझाव:
  
  • सुनिश्चित करें कि मॉडलिंग क्षेत्र में मजबूत वैज्ञानिक कानून और स्पष्ट रूप से पोस्ट किए गए सिद्धांत हैं।
  • कार्यक्रम की किसी भी तरह की "पर्याप्तता जांच" और "इकाई परीक्षण" को पूरा करें।
• आप अपने निर्णयों के लिए व्यक्तिगत रूप से जिम्मेदार हैं और आप इसे उन लोगों के लिए स्थानांतरित नहीं कर सकते जो मॉडलिंग करते हैं।

XX मॉडलिंग - III

• सिद्धांत "प्रवेश द्वार पर कचरा - निकास पर कचरा" (खराब-गुणवत्ता वाले डेटा खराब-गुणवत्ता वाले परिणाम देता है) उपयोगी है, लेकिन कभी-कभी यह कार्य की प्रकृति के कारण काम नहीं कर सकता है (उदाहरण के लिए, इनपुट त्रुटियों के लिए उच्च प्रतिरोध)।
• मॉडलिंग विधि का विकल्प समस्या के सार के अनुरूप होना चाहिए।
• समस्याओं को हल करने की उनकी क्षमता में गर्व कठिन परिस्थितियों में महत्वपूर्ण परिणाम प्राप्त करने में बहुत मदद करता है।
• अत्यधिक ज्ञान मानव मॉडलिंग और संयोग को नुकसान पहुंचा सकता है (इसलिए दोहरी अंधी पद्धति का निर्माण)।

XXI फाइबर ऑप्टिक्स

• चीजों और विचारों के संभावित विकास के बारे में सक्रिय चर्चा उनके भविष्य के वास्तविक विकास को बेहतर ढंग से समझने में मदद करती है।
• यदि कोई तकनीकी और आर्थिक रूप से बेहतर है, तो इसका मतलब यह नहीं है कि इसे लागू किया जाना चाहिए और इसे लागू किया जाना चाहिए (सुरक्षा, नैतिकता, राजनीति, आदि के कारणों के लिए)।

XXII कम्प्यूटर लर्निंग - सीएआई

• इच्छाधारी सोच और नागफनी प्रभाव से सावधान रहें (यदि सभी पक्ष विधि की गुणवत्ता में विश्वास करते हैं तो सकारात्मक परिणाम होगा)।
• कंप्यूटर "प्रशिक्षण" (दिनचर्या, "निम्न-स्तर", सहज सीखने) में उपयोगी हो सकता है, लेकिन "शिक्षा" के लिए हानिकारक हो सकता है। मुख्य रूप से एक गुणवत्ता की शिक्षा की स्पष्ट समझ की कमी के कारण होना चाहिए।

XXIII मठ

• "गणित स्पष्ट सोच की भाषा है" (हालांकि आदर्श नहीं)।
• गणित के पांच स्कूल:
  
  • प्लेटोनिक । सब कुछ विचारों की प्राप्ति है जो अलग-अलग संस्थाओं के रूप में मौजूद हैं। समस्या: विज्ञान की विकसित प्रकृति।
  • औपचारिकतावादी । गणित अमूर्त प्रतीकों के तारों के अनुमत औपचारिक परिवर्तनों (किसी भी "अर्थ" के बिना) का कार्यान्वयन है। समस्या: गणितीय परिणामों का एक "अर्थ" होता है।
  • तार्किक । गणित "यदि सत्य है, तो सत्य B है" प्रकार के निष्कर्ष का कार्यान्वयन है। समस्या: एक वास्तविक गणितीय खोज अनुमानों से निष्कर्ष तक तर्क के रूप में नहीं होती है। विपरीत दिशा में सोचना भी जगह लेता है।
  • अंतर्ज्ञानवाद । परिणाम मायने रखते हैं, न कि वे जिस तरह से प्राप्त किए जाते हैं। समस्या: सख्त तरीकों का उपयोग न करने की प्रवृत्ति।
  • निर्माण करने वाले । धारणा को साबित करने के लिए, परिणाम के निर्माण के लिए एक एल्गोरिथ्म प्रदान करना आवश्यक है। समस्या: यह अत्यधिक सख्त दृष्टिकोण की तरह लगता है।
• गणित की प्रभावशीलता का एक हिस्सा उपमाओं की पहचान करने की क्षमता है। यह जितना सटीक होगा, निष्कर्ष उतना ही अधिक "सत्य" होगा।
• भविष्य में, गणितीय एनालॉग कम स्पष्ट होंगे, जिससे पूरी तरह से नए दृष्टिकोण बनाने की आवश्यकता हो सकती है।

XXIV क्वांटम यांत्रिकी

• एक डेटासेट एक सिद्धांत की गारंटी नहीं देता है।
• मनुष्य तर्कसंगत नहीं है, लेकिन एक तर्कसंगत जानवर है।
• यहां तक ​​कि घटना की "समझ" के बिना, विशेष रूप से बनाई गई औपचारिक गणितीय संरचनाओं का प्रभावी ढंग से उपयोग किया जा सकता है।

XXV रचनात्मकता

• "मौलिकता" "कभी नहीं किया" से अधिक प्रतीत होती है। जाहिर है, शब्द "रचनात्मक" ("मूल", "अभिनव") उपयोगिता की अवधारणा को शामिल करना चाहिए (लेकिन किसके लिए?)।
• "रचनात्मकता" केवल तुच्छ विचारों का एक संयोजन हो सकता है जो एक दूसरे से "मनोवैज्ञानिक रूप से दूर" हैं।
• ऐसा लगता है कि एक निश्चित "मन की स्थिति" के साथ "रचनात्मकता" है।
• रचनात्मकता सेक्स की तरह है: एक युवा व्यक्ति इस विषय पर सभी किताबें पढ़ सकता है, लेकिन वास्तविक अनुभव के बिना उसे यह समझने का बहुत कम मौका मिलता है कि यह क्या है। लेकिन फिर भी, वास्तव में क्या हो रहा है इसकी थोड़ी समझ हो सकती है ।
• विशिष्ट रचनात्मक कार्य टेम्पलेट:
  
  • कार्य के बारे में प्राथमिक जागरूकता।
  • एक समस्या को संसाधित करना, इसे आम तौर पर स्वीकृत समाधान के साथ आम तौर पर स्वीकृत रूप में तैयार करना। अक्सर, गहरी भावनात्मक भागीदारी की आवश्यकता होती है।
  • कार्य के गहन विचार-विमर्श के साथ "असर" की एक लंबी अवधि। परिणाम किसी कार्य पर समाधान या काम का एक अस्थायी पड़ाव हो सकता है।
  • "अंतर्दृष्टि" का क्षण एक समाधान की उपस्थिति है। अक्सर यह गलत है, इसलिए विचार-विमर्श जारी रहता है या समाधान को फिट करने के लिए कार्य को सुधारने की आवश्यकता होती है ।
• उपयोगी प्रश्न: "अगर मेरे पास कोई हल होता तो वह कैसा दिखता?"
• उपयोगी ट्रिक: कार्य के अलावा किसी अन्य चीज़ के बारे में कठिन न सोचने की कोशिश करें।
• रचनात्मक कार्य में सबसे महत्वपूर्ण तरीका सादृश्य है । इसलिए, व्यापक ज्ञान उपयोगी है। उन्हें प्रभावी ढंग से उपयोग करने के लिए, नए ज्ञान को केवल याद नहीं किया जाना चाहिए। यह "मानसिक सुराग" बनाने के लिए उपयोगी है जो सोचने पर काम करेगा "उनके बगल में।" यह ज्ञान के अपरंपरागत अनुप्रयोग पर सक्रिय प्रतिबिंब के माध्यम से प्राप्त किया जा सकता है।
• अधिक रचनात्मक होने के लिए, आपको खुद को बदलना होगा (जिम्मेदारी लेना)। इसके अलावा, यह समाज के बदलते स्वरूप के साथ किया जाना चाहिए।
• किसी समस्या को हल करने से इंकार करना सीखें।

XXVI विशेषज्ञ

• विशेषज्ञों के साथ दो समस्याएं:
  
  • उन्हें भरोसा है कि वे सही हैं।
  • वे अपने विश्वासों की मूल बातों पर ध्यान नहीं देते हैं और नई स्थितियों में वे किस सीमा तक लागू होते हैं।
• महान खोजों को अक्सर ज्ञान के क्षेत्र से बाहर (दूसरे क्षेत्र के विशेषज्ञों द्वारा) बनाया जाता है। आपको सचेत रूप से यह तय करना होगा कि आपके क्षेत्र को बढ़ावा देना है या दूसरे में नवीनता पैदा करना है
• आपने जो सफल किया वह भविष्य में अनुत्पादक होने की संभावना है। अपने क्षेत्र का ध्यान रखें।

XXVII अमान्य डेटा

• हर जगह अमान्य डेटा।
• हमेशा डेटा की गुणवत्ता की जाँच करें। कम से कम स्थिरता और उत्सर्जन के लिए।
• माप प्रक्रिया अक्सर डेटा के लिए अनजाने में व्यवस्थित परिवर्तन करती है।
• समान इकाई का विश्लेषण करने के लिए आयामों की परिभाषा देखें।
• एक छोटा, बड़े करीने से एकत्र किया गया डेटा सेट एक बड़ी कम गुणवत्ता वाले से बेहतर है।
• डेटा संग्रह पद्धति (विशेष रूप से प्रश्नावली) की गुणवत्ता के बारे में सावधान रहें।

XXVIII सिस्टम इंजीनियरिंग

• समस्या की समग्र तस्वीर को ध्यान में रखना महत्वपूर्ण है।
• एक भाग का अनुकूलन करते समय, आप सिस्टम की गुणवत्ता को कम करने की संभावना रखते हैं (मुख्यतः क्योंकि पिछले पैराग्राफ को शायद ही कभी प्रदर्शन किया जाता है)।
• भविष्य में बदलाव की संभावना को देखते हुए डिजाइन सिस्टम।
• कार्य की स्थिति जितनी सटीक रूप से पूरी की जाती है, लोड में दक्षता उतनी ही खराब होती है।
• प्रणालियों के डिजाइन में कोई निश्चित समस्या नहीं है और कोई अंतिम समाधान नहीं है। बल्कि, यह एक समस्या और समाधान के संयुक्त विकास की तरह दिखता है।
• सिस्टम को स्थापित समाधानों के साथ स्थापित कार्यों के सरलीकरण पर आधारित होना चाहिए।

XXIX आप जो भी मापते हैं वह आपको मिलता है

• आप जो मापते हैं, आपको मिलता है। इसका मतलब है:
  
  • माप की परिभाषा परिणाम को प्रभावित करती है (जैसा कि आईक्यू के मामले में है)।
  • मापा प्रक्रिया मूल योजना का उल्लंघन करते हुए, स्वयं माप प्रक्रिया के लिए अनुकूल हो सकती है। यह लोगों को शामिल करने वाली रेटिंग प्रणालियों में बहुत आम है।
• माप अभी भी किए जाने की आवश्यकता है, लेकिन इसके कार्यान्वयन के परिणामों पर सावधानीपूर्वक प्रतिबिंब के बाद।

XXX आप और आपकी पढ़ाई

• यह उन लक्ष्यों को प्राप्त करने की कोशिश करने के लायक है जो आप अपने लिए निर्धारित करते हैं, और यह उच्च लक्ष्य निर्धारित करने के लायक है।
• सौभाग्य एक प्रशिक्षित दिमाग (पाश्चर) के साथ आता है।
• कड़ी मेहनत से भुगतान होता है, लेकिन अगर सही दिशा में किया जाता है।
• महान काम करने की क्षमता में विश्वास महत्वपूर्ण है। इसे आत्मविश्वास कहा जा सकता है, "साहस।" अपनी सफलताओं की खोज करके इसे बूस्ट करें।
• उत्कृष्टता का एक केंद्रित पीछा एक महान काम के लिए आवश्यक है।
• अपनी उम्र जानो
• आप जो काम करने की अच्छी स्थिति मानते हैं, वह ऐसी नहीं हो सकती है।
• किसी कठिन कार्य को सुधारने से मदद मिल सकती है।
• वैश्विक मुद्दों के बारे में सोचने के लिए अपने समय के लगभग 10% की योजना बनाएं।
• महान लोग अस्पष्टता का सामना कर सकते हैं: वे अपने संगठन और अनुसंधान के क्षेत्र की श्रेष्ठता में विश्वास करते हैं, लेकिन साथ ही यह मानते हैं कि विकास के लिए जगह है।
• महत्वपूर्ण अनसुलझे कार्यों को ध्यान में रखें और उस पर काम शुरू करें जिसके बारे में आपको जानकारी थी।
• कैसे, न कि आप क्या करते हैं ("शैली") मायने रखती है।
• अपने काम को दूसरों तक पहुँचाएं।
• औजारों को दोष मत दो।
• अपने विचारों को "बेचना" सीखें।
• परिवर्तन का अर्थ प्रगति नहीं है, बल्कि प्रगति के लिए परिवर्तन आवश्यक है।
• करियर की शुरुआत में आपको अपने निजी समय में काम करना पड़ सकता है।
• अनुसंधान (सुकरात) के बिना जीवन इसके लायक नहीं है। अपने भविष्य की योजना बनाएं, चाहे वह कितना भी गलत क्यों न हो आखिरकार बदल जाता है।
• सौभाग्य है