द्राक्षी नाविक

हैमिंग ने एक संभावना के तर्क का उपयोग दिशा के लिए मामला बनाने के लिए किया:

> एक द्राक्षी नाविक जो n स्वतंत्र अनियमित चरणों के साथ लेफ्ट या राइट से लिपटा हुआ है, वह औसतन, मूल से √n चरणों की दूरी पर पहुंचेगा। लेकिन अगर किसी दिशा में एक सुंदर लड़की हो, तो उसके चरण उस दिशा में जा सकते हैं और वह n की दूरी का प्रावधान करेगा।

एक जीवनकाल के कई छोटे विकल्पों में, एक दृष्टि वाली करियर का निर्माण √n से प्राप्त करता है। दिशा के बिना: केवल √n। बड़े n के लिए, अंतर लगभग सब कुछ है।

उन्होंने सटीकता के बारे में सावधानी बरती:

> दृष्टि की सटीकता थोड़ी सी महत्वहीन होती है जो आप सोच सकते हैं - कहीं पहुंचना बेहतर है तो विलगन। आपके लिए महानता के कई संभावित मार्ग हैं, और बस इतना है कि आप महानता के लिए कहीं पहुंच गए हैं, तो मेरी चिंता की बात नहीं है।

वह तीन प्रश्नों को भी अलग से सीखने की जरूरत है, जो सभी विज्ञान और इंजीनियरिंग में होनी चाहिए:

1. क्या संभव है? — विज्ञान

2. क्या होने वाला है? — इंजीनियरिंग

3. क्या इच्छित है? — नैतिकता

ज्यादातर लोग केवल पहले प्रश्न पूछते हैं, कभी-कभी दूसरे, कम ही तीसरे को।

निर्देशित vs ड्रिफ्टिंग

एक वास्तविक करियर पर रैंडम वॉक का तर्क लागू करें।

क्रिएटिविटी का काम कैसे करता है

हमिंग ने अपनी क्रिएटिविटी की कैप्टर को खोलते हुए तीन चीजों को अलग किया:

- क्रिएटिविटी: गैर-मौजूद पहले मूल्य का कुछ बनाना

- अरोरिजिनैलिटी: पहले कभी नहीं किए गए कुछ बनाना

- नॉवल्टी: मौजूदा चीजों से अलग कुछ बनाना

आप तीन गुणों की प्राप्ति कर सकते हैं: नॉवल्टी के साथ शून्य क्रिएटिविटी - दो संख्याओं को 10 अंकों के रैंडम म्यूटिप्लाई करें। प्रोडक्ट प्रॉबेब्ली मानव इतिहास में पहली बार कभी नहीं दिखा। लेकिन कोई फर्क नहीं पड़ता।

समानता के प्राथमिक उपकरण के रूप में

हमिंग ने समानता को 'क्रिएटिविटी में सबसे महत्वपूर्ण उपकरण' कहा। जब कुछ ऐसा होता है जिसे हम पहले से ही समझते हैं, हमें समाधान ढूंढने के लिए ट्रांसफर किया जा सकता है।

उनका केंद्रीय उदाहरण: केकुले ने एक साँप को अपने ही टेल को काटते हुए सपना देखा। उन्होंने जाग कर बेंजीन ring देखा। समानता को सुझाव देने के लिए केवल आवश्यकता थी।

उन्होंने क्रिएटिव प्रक्रिया को पाँच चरणों में वर्णित किया:

1. समस्या का मान्यता - अक्सर धुंधला

2. एक गहन सोच की अवधि के बाद, स्थायी त्याग

3. भावात्मक सहभागिता: समाधान पाने के लिए प्रतिबद्धता

4. प्रेरणा का लहेरा - आमतौर पर अवचेतन से

5. व्यावहारिक साफ-सफाई और अन्यों को प्रस्तुतीकरण

उसकी विधि: समस्या को अवचेतन में समाप्त करें, फिर उसे जगह दें। 'शुभकामना तैयार दिमाग को मिलती है।' - पेस्टूर

काम करने वाली तुलना

हैमिंग ने richer तुलनात्मक स्मृति का निर्माण करने के लिए एक विधि भी बताई: जब आप कुछ नया सीखते हैं, तो तत्काल पूछें कि यह किसे लागू होता है। ज्ञान को कई Hooks के साथ फ़ाइल करें, नहीं कि वह जो आपको वहाँ ले गया।

समस्या छोड़ने का समय

हैमिंग ने अधिकांश सेल्फ-हेल्प सलाह के खिलाफ एक चेतावनी दी:

> यदि आप एक गलत समस्या को छोड़ नहीं सकते, तो आपको पहली बार मिली एक समस्या के साथ आपकी पूरी करियर पर फंसा रह सकता है।

उसका उदाहरण: आइन्स्टाइन। मध्य करियर में एकीकृत क्षेत्रीय सिद्धांत की खोज के लिए खोज में लगे रहे। उसके बाद उसका पूरा जीवन उस पर गया, और उस प्रयास के लिए उसके पास लगभग कुछ भी नहीं था।

हैमिंग का मानना था कि सृजनात्मक करियर का प्रबंधन करने के लिए सक्रिय रूप से निर्णय लेना चाहिए कि कौन सी समस्याओं को त्यागना है, नहीं कि कौन सी को आगे बढ़ाना है। पिछले सफलताें आपको यह विश्वास दिला सकती हैं कि आप किसी भी समस्या को हल कर सकते हैं। लेकिन कुछ समस्याएं तैयार नहीं होती: उन पर जारी रखने से आपको हल करने योग्य अन्य के साथ समय बर्बाद होता है।

विशेषज्ञ समस्या

हैमिंग ने कुञ्ञ के साइंटिफिक रिवोल्यूशन की संरचना पर ज्यादा निर्भर किया। सामान्य विज्ञान के तहत, एक क्षेत्र में साझा पारदिग्म पर काम करता है: स्वीकृत धारणाएँ, स्वीकृत समस्याएँ, स्वीकृत प्रक्रियाएँ। कार्यकर्ता पारदिग्म को बढ़ाते हैं; वे इसके प्रश्न करने की संभावना कम होते हैं।

जब पारदिग्म बदल जाता है, विशेषज्ञ पीछे छूट जाते हैं।

> आप सफल होने के लिए क्या किया करते थे, उसे बाद के समय में काम करने के लिए नकारात्मक होगा।

उन्होंने इसका उदाहरण कम्प्यूटिंग से दिया। बेल लैब्स के उनके बॉस ने विश्लेषणात्मक विधियों पर अपनी करियर बनाई। उन्होंने कम्प्यूटर को उचित गणित से कम माना। जब डिजिटल विधियाँ प्रमुख हो गई, उन बॉस ने काम नहीं किया। अधिकांश लोगों को क्षेत्र से दूर हो गया।

उनका सारांश:

> एक विशेषज्ञ को कुछ भी पता होता है, लेकिन कुछ भी नहीं; एक जनरलिस्ट को कुछ भी नहीं पता होता है, लेकिन कुछ भी पता होता है।

विशेषज्ञ के दावों की असिमेट्री पर:

> यदि एक विशेषज्ञ कहते हैं कि कुछ किया जा सकता है, तो वे संभवतः सही हैं। यदि वे कहते हैं कि यह असंभव है, तो दूसरी राय लें।

क्यों बाहर से आती हैं नवाचार

महादेशद्रावण: वेग्नर (एक मौसमविद्, नहीं एक भूवैज्ञानिक) द्वारा प्रस्तावित, समुद्र विज्ञानियों द्वारा स्वीकृत, पहले भूवैज्ञानिकों ने स्वीकार किया। कार्बन तिथि का आविष्कार भौतिकी से आया, नहीं आर्कियोलॉजी। पहला ऑटोमैटिक फोन आया एक अंत्येष्टिकर्ता से जो सोचता था कि ऑपरेटर्स ने उसे ठगा है।

विशेषज्ञ बुरे नहीं होते; वे अर्थव्यवस्था करते हैं। पुराने, सफल तरीकों को आजमाने में समझ में आता है नई चीजों की खोज करने से पहले। लेकिन यह मतलब है कि वास्तव में नई पारदिग्म साधारणतया अंदर से नहीं उभरती।

विशेषज्ञ असंभव दावों की संदेहास्पदता

हैमिंग की सबसे तीखी टिप्पणी विशेषज्ञ अधिकार पर:

> संभवनीयता के सबूत सभी स्थितियों पर लागू होने वाले कई दावों पर आधारित होने चाहिए, जो कि विशेषज्ञ के विशेषज्ञता के क्षेत्र में लागू होते हैं।

जब आप विशेषज्ञ बन जाते हैं

हैमिंग ने चैप्टर 26 की आधी समय विशेषज्ञ विफलता की चेतावनी दी, फिर पलट गया:

> दूसरा बिंदु जिसे मैं कहना चाहता हूं, आप सभी में से, अपनी बारी, विशेषज्ञ बन जाएंगे, और मैं आपको ज्ञानी विशेषज्ञ के सबसे खराब पहलुओं को बदलने की उम्मीद करता हूं।

उन्होंने बेल लैब्स में अपनी ऊंचाई पर पहुंचने के बाद, कंप्यूटर चयन के बारे में निर्णय लेने में भाग नहीं लिया - उन्होंने अगली पीढ़ी पर दबाव डालने वाले उनके बॉस के होने का डर था।

डेटा अधिक संदिग्ध है जितना आप सोचते हैं

हैमिंग ने अपने अनिश्चित डेटा चैप्टर को एक सीधा दावा के साथ खोला: डेटा आमतौर पर अधिक निर्दोष होता है जितना विज्ञापित किया जाता है।

उन्होंने अपना नियम दिया:

> 90% of the समय अगले स्वतंत्र माप का परिणाम पिछले 90% विश्वास सीमा से बाहर गिरेगा.

उन्होंने इसे यादगार के लिए अतिरंजित कहा। निहित सत्य: अधिकांश प्रकाशित माप की सटीकता के दावों की तुलना में वास्तविकता कहीं अधिक अच्छी नहीं होती।

प्रयोगों से विषमता वाली सटीकता के दावों के कारण

जब आप एक प्रयोग के लिए उपकरणों का सेटअप करते हैं, तब यह पूरी तरह से काम नहीं करता है। आप समय तक ले जाते हैं जब तक कि आप स्थिर और दोबारा प्राप्त करने योग्य रन प्राप्त करते हैं। फिर आप इसे एक सांखिकीयकार को एक विश्वास सीमा की गणना करने के लिए निम्न-वेरिएंस डेटा प्रदान करते हैं।

समस्या: आपने वेरिएंस को कम करने के लिए विशेष रूप से समायोजित किया। सांखिकीयकार को निम्न-वेरिएंस डेटा मिलता है; वह उच्च-दावा सटीकता प्राप्त करती है। लेकिन आपने त्रुटि को कम नहीं किया; आपने विशेष रूप से निम्न वेरिएंस के लिए समायोजन किया। प्रयोगशाला के प्रकृति से उत्पन्न सांकेतिक विषमता वेरिएंस में नहीं दिखाई देती। आप निम्न-वेरिएंस डेटा प्रदान करते हैं; आप उच्च-दावा सटीकता प्राप्त करते हैं।

उन्होंने BIRGE 1929 और CODATA 1973 के बीच मौलिक भौतिक स्थिरांकों की तुलना की उदाहरण के रूप में दी। वास्तविक त्रुटि का औसत 5.267 गुणा अधिक था जो अनुमानित त्रुटि का अनुमान था। दुनिया के प्रमुख विशेषज्ञों ने अपनी स्वयं की अनिश्चितता के अनुमानों के बारे में पांच गुणा गलत थे।

दो स्रोतों के दावों की सटीकता

हैमिंग ने प्रयोगात्मक मापों से उत्पन्न सटीकता के दावों में बहुत अधिक आशावादी होने के दो प्रमुख कारणों का नाम दिया।

आपको वह माप मिलती है जिसे आप मापते हैं

Hamming ने 29वें अध्याय को एक ही वाक्य में बंद किया:

> आप जो मापते हैं उसे प्राप्त करते हैं।

उन्होंने दो मामलों के साथ प्रदर्शन किया:

- कोड की लाइनें: सॉफ्टवेयर उत्पादकता को कोड की लाइनों द्वारा मापने से प्रोत्साहन मिलता है कि बेहतर कोड लिखें, और अधिक कोड लिखें। साफ-सुथरा, संगठित, विश्वसनीय कोड मेट्रिक के अनुसार नीचे आता है बजाय फूले हुए कोड के।

- नेवी की तैयारी: नियमित रूप से निरीक्षण किए जाने वाले जहाजों को निरीक्षण के लिए विशेष तैयारी मिल जाती है। दिन-प्रतिदिन की तैयारी को मापा नहीं जाता, इसलिए इसे अनुकूलित नहीं किया जाता।

पैटर्न: एक बार जब आप एक मापदंड स्थापित करते हैं, तो लोग मापदंड के लिए अनुकूलित होने की बजाय मापदंड के बजाय निर्देशित लक्ष्य को अनुकूलित करते हैं। मापदंड स्वयं को मापने के लिए निर्देशित करता है, लक्ष्य को हटा देता है।

भौतिकी की मेज

30वें अध्याय में पूरी किताब का सारांश दिया गया है। Hamming ने इसे 'आप और आपकी अनुसंधान' कहा, लेकिन उन्होंने इसके साथ-साथ 'आप और आपकी करियर' भी कह सकते थ।

महत्वपूर्ण समस्याओं पर काम करें

> यदि आप महत्वपूर्ण समस्याओं पर काम नहीं करते हैं, तो आप महत्वपूर्ण काम कैसे उम्मीद कर सकते हैं?

उन्होंने बेल लैब्स में भौतिकी की मेज पर सालों तक खाना खाया। संवाद ख्याति, प्रमोशन और नियुक्ति के इर्द-गिर्द घूमता था। उन्होंने रासायनिक मेज पर चले गए, और पूछा:'आपके क्षेत्र में सबसे महत्वपूर्ण समस्याएं कौन सी हैं?' अधिकांश लोगों ने उत्तर नहीं दिया। जो लोग उत्तर दे सके, वे उत्तर दे रहे थे।

उन्होंने बाद में एक रासायनिक वैज्ञानिक को हॉलवे में देखा: 'आपने कहा कि मुझे अपने क्षेत्र में सबसे महत्वपूर्ण समस्याओं पर विचार करने के लिए प्रेरित किया गया था।' उस रासायनिक वैज्ञानिक ने अपने समूह के प्रमुख बने। Hamming ने फिर से भौतिकी की मेज से सुना नहीं।

ड्राइव को समावेशी रुचि के रूप में

> बौद्धिक निवेश जैसा कि समावेशी रुचि होती है। आप ज्यादा कर सकते हैं, इसलिए आप ज्यादा सीख सकते हैं। एक अतिरिक्त घंटा प्रतिदिन जीवनकाल में अधिक से अधिक डबल करेगा।

खुला दरवाजा

वह देखा कि लोग जो कार्यालय की खिड़कियां बंद करते थे, सालाना अधिक काम करते थे। लेकिन खुली खिड़कियों वाले लोग सही समस्याओं पर काम करते थे। खुली खिड़की खुले दिमाग की ओर ले गई। वह कारण और प्रभाव की स्थिति साबित नहीं कर सका - वह सिर्फ सहसंबंध देख सकता था।

विवादास्पदता सहिष्णुता

> महान लोग विवादास्पदता सहन कर सकते हैं: वे एक साथ विश्वास और अविश्वास कर सकते हैं। आपको अपने क्षेत्र को सबसे अच्छा मानने के लिए विश्वास करना चाहिए, लेकिन साथ ही सुधार के लिए बहुत कुछ जगह होने का भी विश्वास करना चाहिए।

शुक्रवार के बादखाने

वह सालों से अपने समय का 10%: शुक्रवार के बादखाने: पूछने में लगा दिया कि कंप्यूटिंग किस दिशा में जा रही है। सवालों का जवाब नहीं देने के लिए - पूछने। उन्होंने इस आदत को तेजी से बदल रही तकनोलॉजी के सामने उन्हें दिशा में रखने का श्रेय दिया।

महत्वपूर्ण समस्याओं का प्रश्न

हमिंग की रासायनिक मेज पर पूछताछ: 'आपके क्षेत्र में सबसे महत्वपूर्ण समस्याएं कौन सी हैं, और आप उन पर क्यों नहीं काम कर रहे हैं?'

आपके शुक्रवार के बादखाने

हमिंग ने किताब बंद की:

> अपव्ययित जीवन अधिकार नहीं है। - सोक्रेट्स

उसकी व्यवहारिक सिफारिश: नियमित रूप से महत्वपूर्ण प्रश्नों पर समय निकालें। उन्हें उत्तर देने के लिए - उन्हें पूछें। पूछें: मेरे क्षेत्र में सबसे महत्वपूर्ण समस्या क्या है? मेरे क्षेत्र को 20 साल में कहाँ जाता है? अगर मेरे पास तीन महीने के लिए कोई सीमा नहीं होती तो मैं किस पर काम करूंगा?

शुक्रवार के दोपहर की आदत अनुसंधान नहीं थी - यह नेविगेशन था। यह उसे ड्रिफ्ट होने से रोकता था।