un

guest
1 / ?
back to lessons

创造力作为搜索

将想法空间模型为 N 个概念的集合,每个概念为图中的一个节点。创造性行为将两个之前未连接的节点相连。

从 N 个概念中选取两个概念的可能组合数:C(N, 2) = N(N−1)/2。

对于 N = 100 个概念:C(100, 2) = 4,950 个可能对。对于 N = 1000: C(1000, 2) = 499,500。搜索空间以二次形式增长。

大多数组合是无用的。创造力需要在一个庞大的空间中找到稀有的有用组合。这就是为什么准备工作很重要:一个准备好的头脑不会随机搜索——它对探索空间中的哪些区域值得探索有着强烈的先验知识。

Hamming 的领域(磁学, 统计)在他的头脑中都很好地映射出来。问题'我能否将 X 应用于 Y?'只有当你将 X 和 Y 都非常好地表示为具有许多内部连接的节点时,答案才会很短。

准备好的头脑:图密度与类比范围

搜索空间的大小

考虑一个研究人员,对 50 个不同的技术或概念有实际熟悉。他们遇到了一個新的领域的问题,有 20 个未知的方面。

这个研究人员需要考虑多少个独特的(技术,问题方面)对?请写出计算。然后:如果一个不太准备的研究人员只知道 10 个技术,其搜索空间有多小?这对为什么准备工作可以放大创造潜力有什么启示?

什么是一个类比

Hamming将创造性描述为有用的组合以前无关的东西。几何上,这种组合的最深层形式是 结构同构

问题域 P 和 Q 之间存在 bijection 映射 f:P → Q,该映射保留元素之间的关系。如果 P 中的元素 a 与 P 中的元素 b 相关,则 f(a) 在 Q 中与 f(b) 相关,以相同的方式,则 f 是一个结构保留映射——一个同构。

示例:电路和机械系统。电压 ↔ 力量,电流 ↔ 速度,电阻 ↔ 阻尼,电容 ↔ 弹性,感应电阻 ↔ 质量。两个域的差分方程具有相同的形式。了解这一点的工程师可以使用电路分析解决机械问题——正是 Hamming 的物理学家朋友所做的。

在这个模型中,创造性行为是找到同构。一旦找到,每个结果在域 P 中映射到域 Q 中的结果,免费获得。

找到同构

考虑热传导和电传导。在热传导中:热流 Q 从高温到低温 T 流动。热电阻 R_th = ΔT / Q。在电传导中:电流 I 从高电压 V 流动到低电压 V。电阻 R = V / I。

列出完整的同构表,映射热传导量到电传导量。至少包括四对。然后:一旦你有了这个映射,哪个定理或电路电路结果立即适用于热问题?

图的距离与偶然发现

将准备好的头脑模型为加权图。节点表示概念。边表示关联或可推导出的连接。边权重表示连接的强度(较低的权重表示更强,有效路径更短)。

偶然发现:遇到一个新想法(节点X),并立即认识到它与开放的问题(节点Y)有关联。这需要在你的图中从X到Y的短路径。

一个不准备好的头脑可能缺少X和Y之间的中间节点——路径不存在。一个准备好的头脑有中间概念将它们连接起来:X → A → B → Y。连接激活了。

将Pasteur的'偶然发现青睐于准备好的头脑'用几何术语重新表述:准备好的头脑在其知识图中任何两个概念之间的平均路径长度更短。这不是偶然——这是图的密度。

重要问题的10个关键问题技术:这些10个节点被标记为高优先级目标。当一个新节点(技术)出现时,你会立即计算:这个节点与你的10个目标之间是否存在短路径?如果是,则激活;如果不是,则稍后查看。

路径长度与识别

考虑两个研究者,他们都阅读了同一篇论文,描述了一个新的统计聚类技术。

研究者A将10个重要问题的列表放在心中,知道这个技术与空间数据分析有关。研究者B读了同一篇论文,但没有主动的问题列表。使用图距离模型,解释为什么研究者A可能会立即认识到这个技术解决了他们的一个开放问题,而研究者B将其标记为'有趣但不相关'。知识图中有什么结构上的区别?