TL; DR do livro "A Arte da Ciência e Engenharia", de Richard Hamming

Durante muito tempo , uma tradução conjunta foi publicada em Habré (que ainda possui um site de autoria separado da MagisterLudi ) do notável livro de Richard Hamming, A Arte de Fazer Ciência e Engenharia . Durante muito tempo, quis lê-lo no original. Sim, não apenas leia, mas faça um aperto o mais breve possível das idéias principais de cada capítulo. E, recentemente, eu consegui fazer isso.

O objetivo do livro em si é "prepará-lo para o seu futuro técnico", ensinando o "estilo" de pensar. Portanto, as idéias extraídas são basicamente bastante gerais. Além disso, devido à maneira frequente de transmitir idéias na forma de histórias, alguns pontos do artigo são minha interpretação pessoal deles.

Devido a uma quantidade suficientemente grande de material e sua apresentação "restrita", este artigo ainda se mostrou bastante volumoso. Portanto, proponho-lhe TL; DR.

Prefácio

• Os professores devem preparar os alunos para o futuro, não para o passado. A maneira mais adequada é ensinar o "estilo" de pensar.

I Orientação

• Tente verificar as instruções o mais rápido possível, usando o método “computação de guardanapo”. Isso ajuda na formulação e no controle de qualidade da tarefa.
• Aprenda o básico: conhecimento aceito como verdadeiro por um período de tempo suficientemente longo.
• Crie sua própria visão do seu futuro, não importa o quão errado ele acabe sendo. Os objetivos devem ser alcançar a grandeza e contribuir para o desenvolvimento da humanidade.

II Fundamentos da abordagem digital (discreta)

• O uso de soluções "digitais" em vez de "analógicas" é mais barato, mais confiável e socialmente determinado.
• Os computadores permitirão e farão com que seja possível concluir um extenso conjunto de tarefas. Especialmente, será um meio de microgerenciamento "vicioso".

III História do Computador - Hardware

• Os computadores percorreram um longo caminho, desde o “manual” analógico lento até o digital automatizado rápido.
• O computador não sabe nada sobre o que está fazendo. As pessoas dão sentido ao seu trabalho.

IV História do Computador - Software

• O software percorreu um longo caminho desde a abordagem "construída para máquinas", propensa a erros, até a abordagem "construída para pessoas", mais robusta.
• O criador pode não estar totalmente ciente do "grau de grandeza" de sua criação (devido a todos os tipos de problemas que estavam em seu caminho).
• A redundância do idioma aumenta sua confiabilidade.
• Programar é mais como escrever do que engenharia: as pessoas voam para o espaço de maneiras mais ou menos semelhantes, mas dois programadores escrevem programas muito diferentes para resolver um problema bastante geral.
• Pense antes de escrever um programa. Em particular, sobre como você verificará sua correção e como será suportado.
• A experiência não é uma maneira universal de medir a competência.

V História do uso de computadores

• As principais etapas do uso de computadores:
  
  • Computando mais rápido que os humanos.
  • Automatize esses cálculos.
  • Acompanhe o progresso desses cálculos.
• O uso de computadores deve ser economicamente justificado.
• Soluções gerais modificáveis ​​(programáveis) (microcircuitos em particular) provaram ser economicamente mais rentáveis ​​do que as direcionadas por pouco.

VI Inteligência Artificial - I

• No campo da inteligência artificial (IA), existe um problema-chave na definição de conceitos: “máquina”, “pensamento”, “informação”.
• O pesquisador deve usar (enquanto questiona) suas próprias crenças na tentativa de definir conceitos, bem como estar ciente das capacidades e limitações dos computadores na “esfera intelectual”.

VII Inteligência Artificial - II

• Em estruturas de larga escala, novos efeitos podem surgir: acredita-se que não haja atrito entre as moléculas, mas é observado entre objetos maiores. O mesmo pode ser verdade para a "inteligência".
• Os computadores substituem primeiro as pessoas em tarefas rotineiras, enquanto as áreas mais complexas (algoritmicamente e eticamente) ainda exigem interação homem-computador.
• Na IA moderna, é difícil dizer se o resultado é uma consequência da "força bruta" ou "compreensão".
• Talvez o pensamento não deva ser medido no que está sendo feito, mas como está sendo feito.

VIII Inteligência Artificial - III

• "Os carros podem pensar?" Existem muitas observações complicadas de ambos os lados (há uma lista). O mais interessante: partes do programa mais curto de "pensamento" não podem "pensar" por definição.
• Pode ser uma boa idéia falar sobre usos futuros de computadores, em vez de passado ou presente.
• Você deve refletir e compreender claramente sua posição nessas duas questões. Deve ficar claro para você o que você acredita e por quê .

IX espaço n-dimensional

• O design de sistemas complexos é realizado em um espaço n-dimensional, que possui propriedades muito contra-intuitivas.
• Uma solução ideal de projeto com restrições estará quase certamente próxima à fronteira.
• Métrica $$$L_2$comum em física. $$$L_1$e $$$L _ {\ infty}$- na "esfera intelectual".

Teoria da codificação X - I

• Modelo do "sistema de informação": [fonte (de natureza desconhecida)] -> [codificador da fonte | codificador de canal] -> [canal ruidoso] -> [decodificador de canal | decodificador de origem] -> [receptor (de natureza desconhecida)].
• O "significado" da mensagem não está vinculado a palavras específicas, porque a mesma "informação" pode ser representada de maneiras diferentes.
• A codificação de "informação" pode ser selecionada com base no "tipo de ruído" do sistema. Na vida real, a seleção de outras palavras pode ajudar a outra pessoa a entender melhor a mensagem.

XI Teoria da codificação - II

• O design do sistema deve levar em consideração os erros de interação entre homem e máquina.

XII Códigos de Correção de Erros

• Os avanços na pesquisa são frequentemente associados ao estresse emocional e à frustração. Um pesquisador calmo é bom para melhorar e expandir as soluções existentes.
• Os avanços são frequentemente feitos em partes separadas no tempo (às vezes substancialmente).
• A boa sorte acompanha uma mente treinada (Pasteur). Ao mesmo tempo, o treinamento deve ser realizado com foco no futuro, e não no passado (mas com base nele).

XIII Teoria da Informação

• Na teoria da informação de Shannon, o conceito de "informação" não é realmente definido, apenas o modo como é medido (como uma medida relativa de "surpresa").
• Nos problemas aplicados, a definição a longo prazo define um objeto e não descreve nossa ideia inicial.

Filtros Digitais XIV - I

• “Uma iniciativa é punível” (mesmo com boas intenções), mas se bem implementada, pode levar a grandes conquistas.
• Persistência e motivação costumam dar melhores resultados do que amplo conhecimento inicial.

XV Filtros Digitais - II

• Tente não nomear algo novo como "nada de novo, apenas aprimore o antigo". Pode ser uma excelente oportunidade para grandes realizações.
• A colaboração é essencial em projetos complexos.

XVI Filtros Digitais - III

• Se você sabe que algo não pode ser feito, lembre-se do motivo: para que, no futuro, possa reconsiderar a abordagem na nova situação.

XVII Filtros Digitais - IV

• Ao resolver o problema, alguém deve ser "responsável" pela imagem geral do estudo e garantir que tudo seja feito de boa fé.
• O que vemos depende da abordagem da tarefa. Portanto, você deve questionar constantemente suas crenças (e áreas de conhecimento) (mas não muito).

XVIII Modelagem - I

• Ao modelar, não se esqueça de verificar constantemente a realidade.
• Primeiro, use modelagem simples para conhecer melhor os conceitos básicos do modelo. Só então comece a adicionar detalhes.
• Use o conhecimento de especialistas ao modelar. Também significa aprender o seu jargão.

XIX Modelagem - II

• A confiabilidade da modelagem é sua qualidade importante. Uma pergunta conveniente para verificar: "Por que alguém deveria acreditar que a simulação é verdadeira?" (refere-se à precisão e computação do modelo).
• Infelizmente, não há uma maneira universal de conseguir isso. Algumas dicas:
  
  • Verifique se o campo de modelagem possui leis científicas fortes e uma teoria explicitamente postulada.
  • Realize qualquer tipo de "verificação de adequação" e "teste de unidade" do programa.
• Você é pessoalmente responsável por suas decisões e não pode transferi-las para aqueles que realizam a modelagem.

XX Modelagem - III

• O princípio “Lixo na entrada - lixo na saída” (dados de baixa qualidade fornece resultados de baixa qualidade) é útil, mas às vezes pode não funcionar devido à natureza da tarefa (por exemplo, alta resistência a erros de entrada).
• A escolha do método de modelagem deve corresponder à essência do problema.
• O orgulho em sua capacidade de resolver problemas ajuda muito na obtenção de resultados importantes em condições difíceis.
• O excesso de conhecimento pode prejudicar a modelagem humana e o acaso (daí a criação de um método duplo-cego).

XXI Fibra ótica

• A discussão ativa sobre o potencial desenvolvimento de coisas e idéias ajuda a perceber melhor sua futura evolução real.
• Se algo é tecnologicamente e economicamente melhor, nem sempre isso significa que será e deve ser implementado (por razões de segurança, ética, política, etc.).

XXII Aprendizado de Computador - CAI

• Cuidado com o pensamento positivo e o efeito Hawthorne (tendo um resultado positivo se todas as partes acreditarem na qualidade do método).
• Os computadores podem ser úteis no "treinamento" (aprendizado rotineiro, "de baixo nível", instintivo), mas podem ser prejudiciais à "educação". Principalmente devido à falta de um entendimento claro do que uma educação de qualidade deve ser.

XXIII Math

• "A matemática é uma linguagem de pensamento claro" (embora não seja o ideal).
• Cinco escolas de matemática:
  
  • Platônico . Tudo é a realização de idéias que existem como entidades separadas. Problema: A natureza em evolução da ciência.
  • Formalistas . A matemática é a implementação de transformações formais permitidas (sem nenhum "sentido") de cadeias de símbolos abstratos. Problema: resultados matemáticos têm um "significado".
  • Lógico . Matemática é a implementação de conclusões do tipo "se A é verdadeiro, então verdadeiro B". Problema: uma descoberta matemática real não ocorre na forma de raciocínio, de suposições a conclusões. Pensar na direção oposta também ocorre.
  • Intuicionismo . Os resultados são importantes, não da maneira como são obtidos. Problema: Tendência a não usar métodos estritos.
  • Construtivistas . Para provar a suposição, é necessário fornecer um algoritmo para a construção do resultado. Problema: parece uma abordagem excessivamente rigorosa.
• Parte da eficácia da matemática é a capacidade de identificar analogias. Quanto mais preciso, mais "verdadeiras" podem ser as conclusões.
• No futuro, analogias matemáticas serão menos óbvias, o que pode levar à necessidade de criar abordagens completamente novas.

XXIV Mecânica Quântica

• Um conjunto de dados não garante uma única teoria.
• O homem não é racional, mas um animal racionalizador.
• Mesmo sem uma "compreensão" do fenômeno, estruturas matemáticas formais especialmente criadas podem ser efetivamente usadas.

XXV Criatividade

• "Originalidade" parece ser mais do que "nunca foi feito". Aparentemente, a palavra “criativo” (“original”, “inovador”) deve incluir o conceito de utilidade (mas para quem?).
• "Criatividade" pode ser apenas uma combinação de idéias triviais que são "psicologicamente distantes" uma da outra.
• Parece que um certo "estado de espírito" acompanha "criatividade".
• A criatividade é como o sexo: um jovem pode ler todos os livros sobre o assunto, mas sem experiência real, ele tem poucas chances de entender o que é. Mas, mesmo assim, pode haver pouca compreensão do que realmente está acontecendo .
• Modelo típico de trabalho criativo:
  
  • Consciência primária da tarefa.
  • Processando um problema, formulando-o de uma forma geralmente aceita com uma solução geralmente aceita. Muitas vezes, é necessário um envolvimento emocional profundo.
  • Um longo período de "rolamento" com intensa deliberação da tarefa. O resultado pode ser uma solução ou uma interrupção temporária do trabalho em uma tarefa.
  • O momento do "insight" é o surgimento de uma solução. Muitas vezes, ela está incorreta; portanto, a deliberação continua ou a tarefa precisa ser reformulada para se adequar à solução .
• Pergunta útil: "Se eu tivesse uma solução, como seria?"
• Truque útil: tente não pensar muito em nada além da tarefa.
• O método mais importante no trabalho criativo é a analogia . Portanto, um amplo conhecimento é útil. Para usá-los efetivamente, novos conhecimentos não devem ser apenas lembrados. É útil criar "pistas mentais" que funcionem quando pensar "ao lado delas". Isso pode ser alcançado através da reflexão ativa sobre a aplicação não convencional de conhecimento.
• Para ser mais criativo, você deve mudar a si mesmo (assumir a responsabilidade). Além disso, isso deve ser feito com a natureza mutável da sociedade.
• Aprenda a se recusar a resolver um problema.

XXVI Especialistas

• Dois problemas com especialistas:
  
  • Eles estão confiantes de que estão certos.
  • Eles não prestam atenção ao básico de suas crenças e até que ponto são aplicáveis ​​em novas situações.
• Muitas vezes, grandes descobertas são feitas fora do campo do conhecimento (por especialistas de outro campo). Você deve decidir conscientemente se deve promover seu campo ou criar inovação em outro.
• O que fez você ter sucesso provavelmente não será produtivo no futuro. Mantenha o controle de sua área.

XXVII Dados Inválidos

• Dados inválidos em qualquer lugar.
• Sempre verifique a qualidade dos dados. Pelo menos para consistência e emissões.
• O processo de medição geralmente faz alterações sistemáticas não intencionais nos dados.
• Observe a definição de dimensões para analisar a mesma entidade.
• Um conjunto de dados pequeno e bem coletado é melhor que um grande e de baixa qualidade.
• Tenha cuidado com a qualidade da metodologia de coleta de dados (especialmente os questionários).

XXVIII Engenharia de Sistemas

• É importante ter em mente a imagem geral do problema.
• Ao otimizar uma parte, é provável que você diminua a qualidade do sistema (principalmente porque o parágrafo anterior raramente é executado).
• Projete sistemas considerando a possibilidade de mudanças futuras.
• Quanto mais precisas forem as condições da tarefa, pior será a eficiência com o aumento da carga.
• No projeto de sistemas, não há problema fixo nem solução final. Pelo contrário, parece uma evolução conjunta de um problema e uma solução.
• A criação de sistemas deve basear-se na simplificação de tarefas estabelecidas com soluções estabelecidas.

XXIX Você consegue o que mede

• Você obtém o que mede. Isto significa:
  
  • A definição de uma medida afeta o resultado (como é o caso do QI).
  • O processo medido pode se adaptar ao próprio procedimento de medição, violando o plano original. Isso é muito comum em sistemas de classificação envolvendo pessoas.
• As medições ainda precisam ser feitas, mas após uma reflexão cuidadosa sobre as conseqüências de sua implementação.

XXX você e seus estudos

• Vale a pena tentar alcançar as metas que você definiu para si mesmo e vale a pena estabelecer metas altas.
• A boa sorte acompanha uma mente treinada (Pasteur).
• O trabalho duro compensa, mas se for feito na direção certa.
• A crença na capacidade de fazer grandes coisas é importante. Pode ser chamado de confiança, "coragem". Aumente-o explorando seus sucessos.
• Uma busca focada na excelência é essencial para um ótimo trabalho.
• Conheça a sua idade.
• O que você considera boas condições de trabalho pode não ser assim.
• Reformular uma tarefa difícil pode ajudar.
• Planeje cerca de 10% do seu tempo para pensar em questões globais.
• As grandes pessoas conseguem lidar com a ambiguidade: acreditam na superioridade de sua organização e campo de pesquisa, mas ao mesmo tempo acreditam que há espaço para crescimento.
• Lembre-se das tarefas importantes não resolvidas e comece a trabalhar naquilo sobre o qual você teve uma visão.
• Como, não apenas o que você faz ("estilo") importa.
• Torne seu trabalho acessível a outras pessoas.
• Não culpe as ferramentas.
• Aprenda a "vender" suas idéias.
• Mudança não significa progresso, mas é necessária para o progresso.
• No início de sua carreira, você pode ter que trabalhar no seu tempo pessoal.
• A vida não vale a pena sem pesquisa (Sócrates). Planeje seu futuro, não importa o quão errado ele acabe sendo.
• Boa sorte