TL; DR dari buku "The Art of Science and Engineering," oleh Richard Hamming

Untuk waktu yang lama , sebuah terjemahan bersama telah diterbitkan di Habré (yang masih memiliki situs kepenulisan MagisterLudi terpisah ) dari buku luar biasa Richard Hamming "The Art of Doing Science and Engineering" . Untuk waktu yang lama saya ingin membacanya dalam aslinya. Ya, tidak hanya membaca, tetapi sesegera mungkin menekan ide-ide utama dari setiap bab. Dan baru-baru ini, saya berhasil melakukan ini.

Tujuan dari buku itu sendiri adalah untuk "mempersiapkan Anda untuk masa depan teknis Anda" dengan mengajarkan "gaya" berpikir. Karena itu, ide yang diekstraksi pada dasarnya cukup umum. Juga, karena seringnya menyampaikan ide dalam bentuk cerita, beberapa poin dari artikel ini adalah interpretasi pribadi saya terhadap mereka.

Karena jumlah materi yang cukup besar dan presentasinya yang "ketat", artikel ini masih cukup produktif. Karena itu, saya usulkan TL-nya; DR.

Kata Pengantar

• Guru harus mempersiapkan siswa untuk masa depan mereka, bukan masa lalu mereka. Cara yang paling cocok adalah mengajarkan "gaya" berpikir.

Orientasi saya

• Cobalah untuk memverifikasi pernyataan secepat mungkin menggunakan metode "komputasi serbet". Ini membantu baik dengan perumusan dan kontrol kualitas tugas.
• Pelajari dasar-dasarnya: pengetahuan yang diterima benar untuk jangka waktu yang cukup lama.
• Ciptakan visi Anda sendiri tentang masa depan Anda, tidak peduli betapa salahnya akhirnya. Tujuannya adalah untuk mencapai kebesaran dan berkontribusi pada pengembangan umat manusia.

II Dasar-dasar pendekatan digital (diskrit)

• Penggunaan solusi "digital" alih-alih "analog" lebih murah, lebih dapat diandalkan, dan ditentukan secara sosial.
• Komputer akan dan akan memungkinkan untuk menyelesaikan serangkaian tugas yang luas. Terutama itu akan menjadi sarana untuk manajemen mikro "setan".

III Sejarah Komputer - Perangkat Keras

• Komputer telah menempuh perjalanan jauh dari analog "manual" lambat ke digital otomatis cepat.
• Komputer tidak tahu apa-apa tentang apa yang dilakukannya. Orang memberi arti pada karyanya.

IV Riwayat Komputer - Perangkat Lunak

• Perangkat lunak telah jauh dari pendekatan “dibangun untuk mesin” yang rawan kesalahan ke pendekatan “dibangun untuk orang” yang lebih kuat.
• Pencipta mungkin tidak sepenuhnya menyadari "tingkat kebesaran" ciptaannya (karena semua jenis masalah yang menghadangnya).
• Redundansi bahasa meningkatkan keandalannya.
• Pemrograman lebih seperti menulis daripada rekayasa: orang terbang ke ruang angkasa dengan cara yang kurang lebih serupa, tetapi dua pemrogram akan menulis program yang sangat berbeda untuk menyelesaikan satu masalah yang cukup umum.
• Pikirkan sebelum Anda menulis sebuah program. Khususnya, tentang bagaimana Anda akan memeriksa kebenarannya, dan bagaimana itu akan didukung.
• Pengalaman bukanlah cara universal untuk mengukur kompetensi.

V Sejarah penggunaan komputer

• Tahapan utama penggunaan komputer:
  
  • Menghitung lebih cepat dari manusia.
  • Otomatiskan perhitungan ini.
  • Lacak kemajuan perhitungan ini.
• Penggunaan komputer harus dibenarkan secara ekonomi.
• Solusi umum yang dapat dimodifikasi (dapat diprogram) (khususnya sirkuit mikro) terbukti secara ekonomis lebih menguntungkan daripada yang ditargetkan secara sempit.

VI Kecerdasan Buatan - I

• Di bidang kecerdasan buatan (AI), ada masalah utama dalam definisi konsep: "mesin", "berpikir", "informasi".
• Peneliti harus menggunakan (sambil mempertanyakan) keyakinannya sendiri dalam upaya untuk mendefinisikan konsep, serta menyadari kemampuan dan keterbatasan komputer dalam "lingkup intelektual".

VII Kecerdasan Buatan - II

• Dalam struktur skala besar, efek baru dapat muncul: diyakini bahwa tidak ada gesekan antara molekul, tetapi diamati antara benda yang lebih besar. Hal yang sama mungkin berlaku untuk "kecerdasan."
• Komputer pertama-tama menggantikan orang dalam tugas rutin, sementara area yang lebih kompleks (algoritmik dan etis) masih membutuhkan interaksi manusia-komputer.
• Dalam AI modern, sulit untuk mengatakan apakah hasilnya adalah konsekuensi dari "kekuatan kasar" atau "pemahaman".
• Mungkin berpikir seharusnya tidak diukur dalam apa yang sedang dilakukan, tetapi bagaimana itu dilakukan.

VIII Kecerdasan Buatan - III

• "Bisakah mobil berpikir?" Ada banyak pengamatan rumit di kedua sisi (ada daftar). Paling menarik: bagian dari program "berpikir" terpendek tidak dapat "berpikir" menurut definisi.
• Mungkin ide yang baik untuk berbicara tentang penggunaan komputer di masa depan, daripada masa lalu atau masa kini.
• Anda harus memikirkan dan dengan jelas menyadari posisi Anda dalam kedua masalah ini. Seharusnya jelas bagi Anda apa yang Anda yakini dan mengapa .

Ruang IX-dimensi

• Desain sistem yang kompleks dilakukan dalam ruang n-dimensi, yang memiliki sifat kontra-intuitif.
• Solusi desain optimal dengan kendala hampir pasti akan dekat dengan perbatasan.
• Metrik $$$L_2$umum dalam fisika. $$$L_1$dan $$$L _ {\ infty}$- di "ranah intelektual".

X Coding Theory - I

• Model "sistem informasi": [sumber (yang tidak diketahui sifatnya)] -> [source encoder | channel encoder] -> [saluran berisik] -> [saluran decoder | source decoder] -> [penerima (yang tidak diketahui)].
• "Makna" dari pesan tidak terikat dengan kata-kata tertentu, karena "informasi" yang sama dapat direpresentasikan dengan berbagai cara.
• Pengkodean "informasi" dapat dipilih berdasarkan "jenis kebisingan" dari sistem. Dalam kehidupan nyata, pemilihan kata-kata lain dapat membantu orang lain memahami pesan dengan lebih baik.

Teori Coding XI - II

• Desain sistem harus memperhitungkan kesalahan dalam interaksi manusia dan mesin.

Kode Koreksi Kesalahan XII

• Terobosan dalam penelitian sering dikaitkan dengan (datang setelah) stres dan frustrasi emosional. Peneliti yang tenang sangat baik untuk meningkatkan dan memperluas solusi yang ada.
• Terobosan sering dibuat dalam bagian-bagian yang terpisah dalam waktu (kadang-kadang secara substansial).
• Semoga berhasil menyertai pikiran yang terlatih (Pasteur). Pada saat yang sama, pelatihan harus dilakukan dengan fokus pada masa depan, dan bukan pada masa lalu (tetapi berdasarkan itu).

Teori Informasi XIII

• Dalam teori informasi Shannon, konsep "informasi" tidak benar-benar didefinisikan, hanya cara pengukurannya (sebagai ukuran relatif "kejutan").
• Dalam masalah yang diterapkan, definisi dalam jangka panjang mendefinisikan suatu objek, dan tidak menggambarkan ide awal kita tentang objek tersebut.

Filter Digital XIV - I

• “Sebuah inisiatif dapat dihukum” (bahkan dengan niat baik), tetapi jika diterapkan dengan baik, itu dapat mengarah pada pencapaian besar.
• Kegigihan dan motivasi seringkali memberikan hasil yang lebih baik daripada pengetahuan awal yang luas.

Filter Digital XV - II

• Cobalah untuk tidak menyebut sesuatu yang baru sebagai "tidak ada yang baru, hanya diperbaiki lama." Ini bisa menjadi peluang bagus untuk pencapaian besar.
• Kolaborasi sangat penting dalam proyek yang kompleks.

Filter Digital XVI - III

• Jika Anda tahu bahwa sesuatu tidak dapat dilakukan, ambil kesulitan untuk mengingat alasannya: sehingga di masa depan Anda dapat mempertimbangkan kembali pendekatan dalam situasi baru.

Filter Digital XVII - IV

• Dalam memecahkan masalah, seseorang harus "bertanggung jawab" untuk gambaran keseluruhan penelitian dan memastikan bahwa semuanya dilakukan dengan itikad baik.
• Apa yang kita lihat tergantung pada pendekatan terhadap tugas. Karena itu, Anda harus terus-menerus mempertanyakan keyakinan Anda (dan bidang pengetahuan) (tetapi tidak terlalu banyak).

Pemodelan XVIII - I

• Saat menjadi model, jangan lupa untuk selalu mengecek dengan kenyataan.
• Pertama, gunakan pemodelan sederhana untuk melihat lebih dekat pada dasar-dasar model. Baru kemudian mulai menambahkan detail.
• Gunakan pengetahuan para ahli saat membuat model. Ini juga berarti mempelajari jargon mereka.

Pemodelan XIX - II

• Keandalan pemodelan adalah kualitasnya yang penting. Sebuah pertanyaan yang mudah untuk memeriksanya: "Mengapa seseorang harus percaya bahwa simulasi itu benar?" (mengacu pada akurasi model dan perhitungan).
• Sayangnya, tidak ada cara universal untuk mencapai ini. Beberapa tips:
  
  • Pastikan bidang pemodelan memiliki hukum ilmiah yang kuat dan teori yang dipostulatkan secara eksplisit.
  • Melaksanakan segala jenis “pemeriksaan kecukupan” dan “pengujian unit” dari program.
• Anda secara pribadi bertanggung jawab atas keputusan Anda dan Anda tidak dapat mengalihkannya ke mereka yang melakukan pemodelan.

XX Modeling - III

• Prinsip “Sampah di pintu masuk - sampah di pintu keluar” (data berkualitas buruk memberikan hasil berkualitas rendah) berguna, tetapi kadang-kadang mungkin tidak berfungsi karena sifat tugas (misalnya, resistensi tinggi terhadap kesalahan input).
• Pilihan metode pemodelan harus sesuai dengan esensi masalah.
• Kesombongan dalam kemampuan mereka untuk memecahkan masalah banyak membantu dalam mencapai hasil penting dalam kondisi sulit.
• Pengetahuan yang berlebihan dapat merusak model dan kesempatan manusia (karena itu penciptaan metode buta ganda).

XXI Serat Optik

• Diskusi aktif tentang potensi pengembangan berbagai hal dan ide membantu untuk lebih memahami evolusi nyata mereka di masa depan.
• Jika sesuatu lebih baik secara teknologi dan ekonomi, maka ini tidak selalu berarti bahwa itu akan dan harus dilaksanakan (untuk alasan keamanan, etika, politik, dll.).

XXII Pembelajaran Komputer - CAI

• Waspadalah terhadap angan-angan dan efek Hawthorne (memiliki hasil positif jika semua pihak percaya pada kualitas metode).
• Komputer dapat berguna dalam "pelatihan" (pembelajaran rutin, "tingkat rendah", naluriah), tetapi dapat berbahaya bagi "pendidikan". Terutama karena kurangnya pemahaman yang jelas tentang apa itu pendidikan yang berkualitas.

XXIII Matematika

• "Matematika adalah bahasa berpikir jernih" (meskipun tidak ideal).
• Lima Sekolah Matematika:
  
  • Platonis . Semuanya adalah realisasi dari gagasan yang ada sebagai entitas yang terpisah. Masalah: Sifat sains yang berkembang.
  • Formalis . Matematika adalah implementasi dari transformasi formal yang diizinkan (tanpa "rasa") dari rangkaian simbol abstrak. Masalah: hasil matematika memiliki "makna".
  • Logis Matematika adalah implementasi kesimpulan dari tipe "jika A benar, maka benar B". Masalah: penemuan matematika nyata tidak terjadi dalam bentuk penalaran dari asumsi hingga kesimpulan. Berpikir ke arah yang berlawanan juga terjadi.
  • Intuitionism . Hasilnya penting, bukan cara mereka diperoleh. Masalah: Kecenderungan untuk tidak menggunakan metode yang ketat.
  • Konstruktivis . Untuk membuktikan asumsi, perlu menyediakan algoritma untuk membangun hasil. Masalah: Sepertinya pendekatan yang terlalu ketat.
• Bagian dari keefektifan Matematika adalah kemampuan untuk mengidentifikasi analogi. Semakin akurat, semakin "benar" kesimpulannya.
• Di masa depan, analogi matematika akan menjadi kurang jelas, yang dapat mengarah pada kebutuhan untuk membuat pendekatan yang sama sekali baru.

Mekanika Kuantum XXIV

• Dataset tidak menjamin teori tunggal.
• Manusia itu tidak rasional, tetapi binatang yang merasionalisasi.
• Bahkan tanpa "pemahaman" fenomena, struktur matematika formal yang dibuat khusus dapat digunakan secara efektif.

XXV Kreativitas

• "Orisinalitas" tampaknya lebih dari "tidak pernah dilakukan". Rupanya, kata "kreatif" ("asli", "inovatif") harus mencakup konsep utilitas (tetapi untuk siapa?).
• "Kreativitas" hanya bisa merupakan kombinasi dari ide-ide sepele yang "secara psikologis jauh" dari satu sama lain.
• Tampaknya "keadaan pikiran" tertentu menyertai "kreativitas."
• Kreativitas itu seperti seks: seorang pria muda dapat membaca semua buku tentang masalah itu, tetapi tanpa pengalaman nyata ia memiliki sedikit peluang untuk memahami apa itu. Tetapi bahkan kemudian, mungkin ada sedikit pemahaman tentang apa yang sebenarnya terjadi .
• Templat kerja kreatif khas:
  
  • Kesadaran utama akan tugas tersebut.
  • Memproses masalah, memformulasikannya dalam bentuk yang diterima secara umum dengan solusi yang diterima secara umum. Seringkali, keterlibatan emosional yang mendalam diperlukan.
  • Periode "bantalan" yang panjang dengan pertimbangan tugas yang intensif. Hasilnya dapat berupa solusi atau penghentian sementara pekerjaan pada suatu tugas.
  • Momen "wawasan" adalah munculnya solusi. Seringkali itu tidak benar, sehingga musyawarah berlanjut atau tugas perlu dirumuskan ulang agar sesuai dengan solusi .
• Pertanyaan yang berguna: "Jika saya punya solusi, seperti apa bentuknya?"
• Trik yang berguna: cobalah untuk tidak berpikir keras tentang apa pun selain tugas.
• Metode yang paling penting dalam karya kreatif adalah analogi . Karena itu, pengetahuan yang luas bermanfaat. Untuk menggunakannya secara efektif, pengetahuan baru tidak hanya harus diingat. Berguna untuk membuat "petunjuk mental" yang akan berfungsi ketika berpikir "di sebelahnya". Ini dapat dicapai melalui refleksi aktif pada aplikasi pengetahuan yang tidak konvensional.
• Agar lebih kreatif, Anda harus mengubah diri sendiri (bertanggung jawab). Selain itu, ini harus dilakukan dengan perubahan sifat masyarakat.
• Belajarlah menolak untuk memecahkan suatu masalah.

Ahli XXVI

• Dua masalah dengan para ahli:
  
  • Mereka yakin bahwa mereka benar.
  • Mereka tidak memperhatikan dasar-dasar kepercayaan mereka dan sejauh mana mereka berlaku dalam situasi baru.
• Penemuan hebat sering dilakukan dari luar bidang pengetahuan (oleh para ahli dari bidang lain). Anda harus secara sadar memutuskan apakah akan mempromosikan bidang Anda atau membuat inovasi di bidang lain.
• Apa yang membuat Anda sukses cenderung tidak produktif di masa depan. Lacak area Anda.

XXVII Data Tidak Valid

• Data tidak valid di mana-mana.
• Selalu periksa kualitas data. Setidaknya untuk konsistensi dan emisi.
• Proses pengukuran sering membuat perubahan sistematis yang tidak disengaja pada data.
• Perhatikan definisi dimensi untuk menganalisis entitas yang sama.
• Kumpulan data kecil yang dikumpulkan dengan rapi lebih baik daripada yang besar dan berkualitas rendah.
• Hati-hati dengan kualitas metodologi pengumpulan data (terutama kuesioner).

XXVIII Rekayasa Sistem

• Penting untuk mengingat gambaran keseluruhan masalah.
• Ketika mengoptimalkan satu bagian, Anda cenderung menurunkan kualitas sistem (terutama karena paragraf sebelumnya jarang dilakukan).
• Desain sistem mempertimbangkan kemungkinan perubahan di masa depan.
• Semakin akurat kondisi tugas terpenuhi, semakin buruk efisiensi pada peningkatan beban.
• Dalam desain sistem tidak ada masalah tetap dan tidak ada solusi akhir. Sebaliknya, ini tampak seperti evolusi bersama dari suatu masalah dan solusi.
• Menciptakan sistem harus didasarkan pada penyederhanaan tugas yang ditetapkan dengan solusi yang ditetapkan.

XXIX Anda mendapatkan apa yang Anda ukur

• Anda mendapatkan apa yang Anda ukur. Ini berarti:
  
  • Definisi pengukuran mempengaruhi hasil (seperti halnya dengan IQ).
  • Proses yang diukur dapat beradaptasi dengan prosedur pengukuran itu sendiri, melanggar rencana semula. Ini sangat umum dalam sistem peringkat yang melibatkan orang.
• Pengukuran masih perlu dilakukan, tetapi setelah merenungkan konsekuensi dari implementasinya.

XXX Anda dan studi Anda

• Adalah pantas untuk mencoba mencapai tujuan yang Anda tetapkan untuk diri Anda sendiri, dan ada baiknya menetapkan tujuan yang tinggi.
• Semoga berhasil menyertai pikiran yang terlatih (Pasteur).
• Kerja keras terbayar, tetapi jika dilakukan ke arah yang benar.
• Kepercayaan pada kemampuan untuk melakukan hal-hal besar adalah penting. Ini bisa disebut kepercayaan, "keberanian." Tingkatkan itu dengan menjelajahi kesuksesan Anda.
• Pengejaran keunggulan yang terfokus sangat penting untuk pekerjaan yang hebat.
• Ketahui usia Anda.
• Apa yang Anda anggap sebagai kondisi kerja yang baik mungkin tidak seperti itu.
• Merumuskan kembali tugas yang sulit dapat membantu.
• Rencanakan sekitar 10% dari waktu Anda untuk memikirkan masalah global.
• Orang-orang hebat dapat mengatasi ambiguitas: mereka percaya pada keunggulan organisasi dan bidang penelitian mereka, tetapi pada saat yang sama percaya bahwa ada ruang untuk pertumbuhan.
• Ingatlah tugas-tugas penting yang belum terselesaikan dan mulailah mengerjakan yang tentangnya Anda memiliki wawasan.
• Bagaimana, bukan hanya apa yang Anda lakukan ("gaya") yang penting.
• Jadikan pekerjaan Anda dapat diakses oleh orang lain.
• Jangan salahkan alatnya.
• Belajarlah untuk "menjual" ide-ide Anda.
• Perubahan tidak berarti kemajuan, tetapi perubahan diperlukan untuk kemajuan.
• Di awal karir Anda, Anda mungkin harus bekerja di waktu pribadi Anda.
• Hidup tidak layak tanpa penelitian (Socrates). Rencanakan masa depan Anda, betapapun keliru hasilnya.
• Semoga beruntung