تکنیکهای پیشرفته حل مسئله و خلاقیت هلدینگ فرزانگان

تکنیکهای پیشرفته حل مسئله و خلاقیت هلدینگ 

تکنیکهای پیشرفته حل مسئله و خلاقیت 

تکنیکهای پیشرفته حل مسئله

 

 

mazyarmir.com@gmail.com

https://www.aparat.com/mazyarmir

https://www.aparat.com/zabane_badan

https://t.me/Iranian_leadership_school

https://www.instagram.com/mazyare.mir

https://www.linkedin.com/in/mazyarmir

آمار وردپرس بازدید ها: 3,791,825

بهترین و خلاقانه ترین کار برای بزرگترین مجموعه تخصصی و پیشرفته خودرو کشور مدلی جدید است با رویکردی خلاقانه و برای رسیدن به خلاقیت مضاعف

در این راه من چند فیلم از مشهورترین سخنرانی های تد به همراه چند فیلم هالیودی را دست مایه کار خود قرار دادم که دو تا از فیلمهای تد در اینجا پیاده سازی شده

است که امیدوارم از خواندن ان لذت ببرید

اگر یک شهر در دنیا باشد که که یافتن جا در آن برای اجاره یا خرید سخت باشد، سیدنی است. اگه اخیرا سعی کرده باشید خانه‌ای اینجا پیدا کنید، با این مشکل آشنا

هستید. هر بار که به خانه‌ای که آگهی شده بروید، یک سری اطلاعات در مورد آن خانه و بازار به دست می‌آورید. با هر بار خارج شدن هم، این ریسک که بهترین مکان

را از دست داده باشید می‌پذیرید. پس از کجا باید بدانید که‌ چه زمانی باید بین نگاه کردن و پیشنهاد دادن تغییر موضع دهید؟ 

خب این مشکلی ظالمانه و آشناست

اگر بخواهید شانس پیدا کردن بهترین خانه را حداکثر کنید، باید ۳۷٪ از بازار را ببینید. و یک پیشنهاد برای خانه بعدی  که از سایر خانه‌ها بهتر بوده ارائه کنید. مثلا

اگریک ماه است که دنبال خانه هستید، ۳۷ درصد از این زمان، یعنی ۱۱ روز را برای این کار در نظر بگیرید. بعد از آن شما آماده معامله هستید. 

این را می دانیم چون سعی کردن برای یافتن جایی برای زندگی نمونه‌ای از مسئله توقف بهینه است. طبقه‌ای از مسائل که شدید توسط ریاضیدانان و دانشمندان علوم کامپیوتر در حال مطالعه است. من دانشمند شناخت محاسباتی هستم.

زمانم را صرف تلاش برای فهم این می‌کنم که چطور ذهن انسان‌ها از موفقیت‌های بزرگ تا شکست‌های ناامید‌کننده کار می‌کند. برای این کار به ساختار محاسباتیِ مشکلات روزمره زندگی فکر می‌کنم، و راه حل ایده‌آل مشکلات را با رفتار واقعی مقایسه می‌کنم. به عنوان یک تاثیر جانبی، می‌دانم که تزریق مقداری علوم کامپیوتری می‌تواند تصمیم‌گیری انسان‌ها را ساده‌تر کند.

همیشه سعی کردم طوری رفتار کنم که فکر می‌کردم منطقی است، با استدلال در پشت هر تصمیم، سعی می‌کردم ببینم بهترین کار ممکن چیست. اما این روش برای زمانی که با مشکلات زندگی بزرگسالی روبه‌رو می‌شوید قابل تعمیم نیست. حتی یک‌بار سعی کردم با دوست دخترم به هم بزنم، چون وقتی سعی کردم ترجیحات هر دو نفرمان ‌را در نظر بگیریم و بعد بهترین راه حل را پیدا کنم –

تصمیمات ساده مثل اینکه کدام رستوران برویم یا تصمیمات مهمی مثل این‌ که با چه کسی باقی عمرمان را سپری کنیم، زندگی بشر پر از مسائل و مشکلات محاسباتی است که حتی با تلاش محض هم حل کردن‌ آنها بسیار سخت است. برای این مشکلات ارزش دارد از متخصص راهنمایی بگیرید: یک متخصص کامپیوتر.

 

زمانی که دنبال پند زندگی هستید، متخصصین کامپیوتر احتمالاً اولین کسانی نیستند که با آنها حرف بزنید. فکر کردن مثل یک کامپیوتر– به طور کلیشه‌ای قطعی، جامع و دقیق خیلی جالب به نظر نمی‌رسد. اما فکر کردن راجع به مهندسی کامپیوتر برای تصمیمات بشر در واقع نشان می‌دهد که اشتباه کرده‌ایم. زمانی که در انواع مشکلات سخت پیش آمده در زندگی انسان‌ها اعمال می‌شوند، روشی که کامپیوترها برای حل مشکلات این چینی دارند بسیار شبیه به طرز رفتار انسان‌ها است. 

برای مثال وقتی می‌خواهیم تصمیم بگیریم به چه رستورانی برویم. این مساله یک ساختار محاسباتی خاص است. مجموعه‌ای از انتخاب‌ها را دارید، که باید یکی از آن‌ها را انتخاب کنید، و دقیقا فردا هم باید تصمیم گیری مشابهی انجام بدهید. در این شرایط، با چیزی مواجه می‌شوید که مهندسان کامپیوتر به آن «مبادله کاوش- استخراج» می‌گویند. باید تصمیم بگیرید این که چیز جدیدی را امتحان کنید — کاوش کردن، جمع کردن یک سری اطلاعات که در آینده ممکن است برای شما کارآمد باشند — یا به جایی بروید که می‌دانید خیلی خوب است — یعنی از اطلاعاتی که در حال حاضر دارید استفاده کنید. روش مبادله کاوش- استخراج هر زمانی که مجبور به انتخاب بین یک چیز جدید و چیزی که می‌دانید خیلی خوب است نمایان می‌شود چه گوش کردن به موسیقی باشد یا تصمیم‌‌گیری سر انتخاب شریک زندگی‌تان. این مشکل را حتی شرکتهای تکنولوژی هم دارند مثلا زمانی که می‌خواهند تبلیغی را نمایش دهند. آیا تبلیغ جدید نشان دهند و چیزی درباره‌اش یاد بگیرند، و یا تبلیغی را نمایش بدهند که می‌دانند شانس این که شما بر روی آن کلیک کنید بالا است؟ 

در ۶۰ سال گذشته، دانشمندان کامپیوتر پیشرفت زیادی در درک مبادله کاوش-استخراج داشته‌اند و نتایج آنها اطلاعات هیجان‌انگیزی را در بر دارد. زمانی که می‌خواهید تصمیم بگیرید به چه رستورانی بروید، اولین سوالی که باید بپرسید این است که چه مدت زمانی در شهر اقامت دارید. اگر قرار است مدت کوتاهی اقامت داشته باشید، اطلاعات فعلی را استفاده کنید. شما فرصت جمع آوری اطلاعات ندارید. بهتر است به جایی بروید که می دانید خوب است. اما اگر اقامت طولانی‌تری دارید، کاوش کنید. چیز جدیدی را امتحان کنید، چون اطلاعاتی که جمع‌آوری می‌کنید باعث تصمیم‌گیری بهتر در آینده خواهد شد. و ارزش اطلاعات شما بالا می‌رود. فرصتهای بیشتری برای استفاده به دست خواهید آورد. 

این اصل به ساختار زندگی انسان‌ها بینش می‌دهد. بچه‌ها به منطقی بودن شناخته نمی‌شوند. همیشه چیزهای جدید را امتحان می‌کنند، و خب می‌دانید، با گذاشتن اشیا در دهانشان. اما در حقیقت، این دقیقا همان کاری است که باید انجام دهند. آنها در مرحله کاوش در زندگی‌شان هستند، بعضی چیزها می‌تواند برای‌شان تبدیل به چیز خوشمزه شود. و یا که بلعکس باشد. پیرمردی که همیشه به یک رستوران می‌رود و چیز مشخصی را می‌خورد، خسته کننده نیست — بهینه است. 

او از دانشی که در سراسر زندگی جمع کرده است، استفاده می‌کند. به طور کلی، داشتن دانش درباره مبادله کاوش- استخراج باعث می‌شود در حین تصمیم‌گیری آرامش داشته باشید. مجبور نیستید هر شب به‌‌‌‌ ‌ بهترین رستوران بروید، شانس خود را امتحان کنید،‌ چیزهای جدیدی را کاوش کنید. شاید چیز جدیدی یاد بگیرید. و اطلاعاتی که به دست خواهید آورد، ارزشش بیشتر از یک شام خوب است. 

علم کامپیوتر می‌تواند این را برای ما  در خانه یا محل کار ساده‌تر کنند. اگر سعی کرده باشید که‌ کمد خود را مرتب کنید، مشخصا با یک تصمیم مهم رو به رو خواهید شد: تصمیم‌گیری درباره اینکه چه چیزهایی را نگه دارید و چه چیزهایی را دور بریزید. مارتا استوارت خیلی جدی به این مساله فکر می‌کند-

نصیحت‌های خوب در این مورد دارد. او می‌گوید، «از خودتان این چهار سوال را بپرسید: چند وقت است این را دارم؟ هنوز به کار می‌آید؟ آیا مشابه این را دارم؟ و آخرین بار که این را پوشیدم و یا استفاده کردم کی بود؟» اما گروه دیگری از متخصصان، که احتمالا خیلی بیشتر به این مسأله فکر کردند می‌گویند یکی از این سوالات بسیار مهم‌تر از بقیه است. این متخصصان؟ سیستم ذخیره‌سازی کامپیوتر را طراحی کرده‌اند. اکثر کامپیوترها دو نوع سیستم ذخیره سازی دارند: یک سیستم ذخیره سازی سریع، مثل مجموعه‌ای از تراشه‌های حافظه، که ظرفیت محدودی دارند، چرا که این تراشه‌ها گرانقیمت هستند، و یک حافظه ذخیره سازی کُند که حجم بسیار بیشتری دارد. برای این که کامپیوتری تا جای ممکن کارآمد باشد، باید مطمئن شوید اطالاعاتی که شما قصد دسترسی به آنها را دارید در حافظه سریع ذخیره می‌شوند، پس سریع آنها را دریافت می‌کنید. هر بار که به اطلاعاتی دست پیدا می‌کنید، در حافظه سریع بارگذاری می‌شوند و کامپیوتر تصمیم می‌گیرد کدام یک از آنها باید از حافظه سریع حذف شوند، چرا که ظرفیت آن محدود است. 

در طی سالیان، متخصصین کامپیوتر چند راه را برای تصمیم گیری برای این که چه چیز از حافظه سریع پاک شود را امتحان کرده‌اند. آنها روش‌هایی مثل انتخاب اتفاقی یا روش هر چیزی که اول وارد شده باید اول خارج شود، که به این صورت است که چیزهایی حذف شوند که طولانی‌تر در حافظه بوده‌اند. اما کارآمدترین تکنیک تمرکز بر چیزهایی است که اخیرا استفاده شده‌اند. یعنی اگر باید تصمیم بگیرید که چه چیزی را از حافظه پاک کنید، باید چیزی را انتخاب کنید که از مدت‌ها پیش استفاده نشده است. و البته که این روش دلیلی قانع کننده دارد. اگر زمان زیادی است که از دسته مشخصی از اطلاعات استفاده نکردید، احتمالا زمان زیادی طول می‌کشد تا دوباره به آنها احتیاج پیدا کنید. کمد شما دقیقاً مثل حافظه ذخیره‌سازی کامپیوتر است. ظرفیت محدودی دارید، و باید چیزهایی را در آن قرار بدهید که بیشتر به آنها احتیاج دارید در نتیجه خیلی سریع به آنها دسترسی خواهید داشت. برای شناسایی آنها، احتمالا به کارگیری اصل کمترین استفاده ارزشمند باشد. همچنین برای مرتب کردن کمد هم. اگر به چهار سوال مارتا برگردیم، متخصصین کامپیوتر خواهند گفت، آخرین سوال مهمترین سوال است. 

ایده مرتب کردن اشیا بر این اساس که مهمترین چیزها دم دست شما باشند در محیط کار شما نیز کاربرد دارد. اقتصاددان ژاپنی یوکیو ناگوچی روشی برای دسته بندی اسناد اختراع کرده که دقیقا چنین ویژگی‌ دارد. او با یک جعبه شروع می‌کند، و اسناد را از چپ به راست در جعبه می‌چیند. هر باری که یک سند جدید می‌آید، سند قبلی را کمی جلو می‌برد و آن سند را در سمت چپ جعبه قرار می‌دهد. و هر باری که به سندی نیاز پیدا می‌کند، آن را بعد از استفاده در سمت چپ قرار می‌هد. در نتیجه اسناد از چپ به راست بر اساس آخرین زمان استفاده مرتب شدند. و با گشتن اسناد از چپ به راست، به راحتی چیزی را که می‌خواهد پیدا می‌کند

قبل از رفتن به خانه و اجرای روش طبقه‌بندی اسناد — 

محض اطلاع احتمالاً همین الان یکی از این‌ها را دارید. 

انبوهی از کاغذ روی میز شما… که به نظر کاملا شلخته و نامرتب می‌آید، این انبوه کاغذ در واقع کاملا مرتب شده است —

هر زمان که کاغذی را برمی‌دارید، آن را روی این توده برمی‌گردانید، در نتیجه این کاغذها از بالا به پایین بر اساس آخرین استفاده مرتب شدند، و شما احتمالا خیلی سریع چیزی که دنبالش هستید را با گشتن از بالا به پایین پیدا می‌کنید.

مرتب کردن کمد یا میزتان احتمالا بزرگترین مشکل شما در زندگی نیست. گاهی اوقات مسائل خیلی خیلی سخت هستند. اما حتی در این شرایط، علم کامپیوتر می‌تواند راهکارهایی را پیشنهاد دهد و شاید کمی آرامش. بهترین الگوریتم‌ها سعی می‌کنند مسائل را در کمترین زمان حل کنند. وقتی کامپیوتر با مسائل سخت مواجه می‌شود، با کوچک کردن آن به مسائل ساده‌تر شروع می‌کند — با استفاده از تصادفی بودن، با حذف محدودیت‌ها و یا اضافه کردن تقریب‌ها. حل کردن مسائل ساده کوچک شده بینشی برای حل مساله اصلی به شما می‌دهد، و گاهی اوقات یک راه حل خیلی عالی.

دانستن تمام این‌ها باعث می‌شود نوعی آرامش در حین تصمیم‌گیری داشته باشم. می‌توانید قانون x درصد را برای پیدا کردن یک خانه استفاده کنید. نمی‌توانید تمام

گزینه‌ها را بررسی کنید پس باید یک شانس به خودتان بدهید. حتی اگر بهینه‌ترین راه را انتخاب کنید، تضمینی نیست که خروجی شما بهینه باشد. اگر از قانون x درصد پیروی کنید، احتمال اینکه جای خیلی خوبی را پیدا کنید–  x درصد است. اکثر مواقع با شکست مواجه می‌شوید. اما این بهترین کار است. 

عموماً علم کامپیوتر به ما کمک می‌کند در مورد محدودیت‌های خود بخشنده‌تر باشیم. شما بجز فرایند، کنترلی روی خروجی ندارید. و تا زمانی که از بهترین فرآیند استفاده کنید، بهترین کار ممکن را انجام داده‌اید. گاهی اوقات بهترین فرآیند شامل استفاده از شانس است نه توجه به تمام گزینه‌ها، یا اشتیاق برای حل مسئله با بهترین راه حل ممکن. اینها امتیازاتی نیستند که وقتی نمی‌توانیم منطقی باشیم از دست می‌دهیم — آنها معنای منطقی بودن هستند

در یک روز زمستانی در چند سال گذشته به محل کارم در ژوهانسبورگ , جنوب آفریقا, میرفتم و متوجه غباری در اطراف شهر شدم این مسیر رانندگیم در اکثر روزهاست برام عجیب بود که چرا قبلا بهش توجه نکردم ژوهانسبرگ بخاطر نیم چهر شاخصش معروف است که من آن روز صبح به سختی می توانستم ببینم خیلی طول نکشید که متوجه شدم به یه ابر بزرگ از آلودگی هوا نگاه میکنم. فرق بین محیط زیست زیبایی که میشناختم با این نیم چهر غرق در در دود و مه چیزی را در درون من بیدار کرد. من ترسیدم از اینکه این شهر با غروب های روشن و زنده تسلیم مه و دود کدر شود. در آن لحظه , احساس غیرت کردم که کاری انجام بدم، اما نمیدونستم چکاری میتوانم بکنم. تمام چیزی که میدونستم این بود نمیتونستم با خیال راحت بمونم چالش اصلی این بود که خیلی درباره علم محیط زیست نمیدانستم مدیریت کیفیت هوا یا شیمی جوی. من یک مهندس کامپیوتر هستم. 

و کاملا مطمئن بودم که نمیتونم برای حل مشکل آلودگی کد بنویسم خنده حظار من کی بودم که بتونم کاری برای این مسئله بکنم؟ اما من یک شهروند بودم. در سال های بعد من درس بسیار مهمی آموختم، اگر به سمت آینده بهتر تلاش میکنیم این درس باید مورد ملاحظه قرار بگیره. حتی اگر در یک حوزه خاص متخصص نیستید، خبرگی بیرونی شما کنترل و در دست میگیره برای حل مشکلات بزرک در آن حوزه.

گاهی وقتا جنبه فکری منحصر به فردی که دارید میتواند منجر به تفکر غیر متعارف شود که مشکل را حل کند اما شما باید به انداره کافی تلاش کنید. این تنها راهی است که همیشه میدانید چیزی که بعد از این میدانستم این بود که اگر تلاش میکردم تا تغییری ایجاد کنم، اول باید درباره آلودگی هوا مطلع باشم، بنابراین دوباره دانشجو شدم. چند تحقیق پایه انجام دادم 

و بزودی یاد گرفتم که آلودگی هوا بزرگترین خطر سلامت محیط زیست در دنیا است. داده های سازمان بهداشت جهانی نشان میدهد تقریبا ۱۴درصد تمامی مرگ و میرها در سال ۲۰۱۲ به علت آلودگی هوای خانگی و محیط بوده است، با بیشترین میزان در کشورهایی با درآمد کم و متوسط آلودگی هوای به تنهایی هر سال باعث مرگ و میر بیشتر از مالاریا و ایدز میشود. در آفریقا مرگ های نا بهنگام از بهداشت ناسالم یا سوتغذیه دوران کودکی از رقابت با مرگ هایی به علت آلودگی هوا بازمانده است. و در یک هزینه اقصادی بزرگ میاید : بیش از ۴۰۰ میلیارد دلار آمریکا در سال ۲۰۱۳ , طبق مطالعه سازمان همکاری اقتصادی و توسعه حالا در شغل من , مرزهای جدیدی را برای هوش مصنوعی کشف می کنم، جایی که رابطه همزیستی بین انسان و ماشین است میتواند مفید باشد و بما در تصمیم گیری ها کمک کند. همانطور که من درباره آلودگی هوا فکر کردم 

مشخص شد که نیاز به تصمیمات بهتر داریم در مورد اینکه چطور آلودگی هوا را میدیرت کنیم. و با توجه به مقیاس مشکل، لازم بود آن را با همکاری انجام دهیم. بنابربراین تصمیم گرفتم کسانی که در این زمینه کار میکنند را بشناسم. با مقامات شهر ژوهانسبورگ شروع به گفت و گو کردم و همینطور دیگر شهرهای اطراف و من جامعه علمی محلی را درگیر این موضوع کردم، و حتی تماسهایی داشتم که با من همکاری نکردند. روند ملاقات که شروعش کردم به من در فهم عمیق تر این مشکل کمک کرد. همچنین به من کمک کرد تا به تله نیفتم، گاهی اوقات هم حرفه های من هنگامی که بدنبال نوآوری هستند در دام میفتند، ما تلاش میکردیم تا تکنولوژی سریعن ارائه دهیم قبل از اینکه قاطعانه مشکل را در دست بگیریم. من یک ایده را درباره اینکه چطور میتوانم موقعیت را بهبود بخشم شروع کردم. با پرسش ساده ای از خودم که چطور میتوانم به طور معنی دار  مهارتم در مهندسی نرم افزار و هوش مصنوعی 

و از تخصص افرادی که با من کار میکنم را بکار گیرم. میخواستم یک پلت فرم مدیریت آنلاین کیفیت هوا درست کنم که روند آلودگی را معلوم کرده که معین کند چه نتایجی میتوان در آینده انتظار داشت. من مصمم بودم که نظرم به یک راه حل عملی تبدیل می شود، اما با تردید به رو به شدم و هیچ تضمینی برای موفقیت نداشتم. آنچه داشتم یک مجموعه بسیار خاص از مهارت های مهندسی بود، مهارت هایی که من طی شغلم که طی سالها بدست آورده بودم [ خنده حظار ] که برای افرادی که بر روی مشکل آلودگی هوا مشغول به کار بودند، جدید بودند. من دریافتم گاهی وقت ها یک جنبه فکری تازه، مجموعه ای از مهارت های جدید، 

می تواند شرایط را برای تحقق مسئله قابل توجهی اصلاح کند.

اراده و تخیل ما یک نور هدایت کننده است، ما را قادر به طراحی مسیرهای جدید و حرکت از میان موانع میکند. با فهم دقیق تر درباره مسئله آلودگی هوا و دسترسی به منبع بیش از یک دهه با ارزش از داده ها درباره میزان های آلوکننده هوا و شرایط هواشناسی در داخل و اطراف ژوهانسبورگ من و همکارانم از جنوب آفریقا و چین 

سیستم های پشتیبانی تصمیم‌گیری برای کیفیت آب و هوا که در ابر ساکن هستند را ساختیم. این نرم افزار داده های تاریخی و واقعی را تجزیه و تحلیل می کند برای کشف روند فضایی-زمانی در آلودگی و بعد ما از ماشین جدید یادگیری خودکار برای پیش بینی میزان آلودگی در آینده برای برخی روزهای آلوده پیش از موعد استفاده کردیم. این بدین معناست که شهروندان میتوانند تصمیم بهتری بگیرند درباره رفت و آمدهای روزنه شان و همینطور درباره اینکه کجا خانوادشان را ساکن کنند تصمیم بهتری بگیرند. ما میتوانیم پیش از وقت حوادث نامساعد آلودگی را پیش بینی کنیم آلوده کننده های قوی را شناسایی کنیم و آنها می توانند توسط مقامات مربوطه دستور داده شوند تا از کارکردشان جلوگیری شود از طریق برنامه ریزی سناریو کمک برنامه ریزان شهری می توانند تصمیمات بهتری بگیرند درباره اینکه چگونه زیربنا را گسترش دهند مانند شهرک های سکونتی یا مناطق صنعتی. ما یک نمونه از فناوریمان را کامل کردیم که طی یک دوره ۱۲۰ روزه اجرا شد را تمام آفریقا جنوبی را پوشش می داد. دستآوردها پس از این همبستگی نزدیک به سرانجام رسید ….

بین داده های پیش بینی شده و اطلاعاتی که ما در زمین گرفتیم بدست آمد تائید شدند. در طی رهبریمان ما دارایی مطابق با عصر تکنولوژی و پیشرو با جهان را به ارمغان آوردیم که می تواند پیش بینی کیفیت هوا را انجام دهد با نتیجه و و دقت بی سابقه به نفع شهری است که من در یک صبح زمستانی نه چندان دور به آنجا می رفتم، و با خودم فکر کردم، \”یک چیزی اینجا نادرست است. نمی دانم چه کاری باید انجام داد \” بنابراین نکته در این جا است: چی می شد اگر من مشکل آلودگی هوا را بیشتر بررسی نمی کردم اگر من بعضی از نگرانی ها راجع به وضعیت محیط زیست نشان نمی دادم و فقط امیدوار می بودم که کسی یا جایی مراقب این مسئله هست چه می‌شد؟ چیزی که یاد گرفتم این هست، 

زمانی که یک تلاش چالش انگیز را شروع می کنید که پیش برنده انگیزه ای می شود که قاطعانه باورش دارید، مهم است که روی امکان موفقیتتان تمرکز کنید و نتایج کار نکردن بر روی آن را را درنظر بگیرید. سختی و مخالفت ها نباید ما را گیج کند، بلکه این باید انگیزه ما را بیشتر کند. بنابراین , هرجای دنیا که هستید دفعه بعد که فهمیدید که کنجکاوی ذاتی دارید که دارد تحریک می شود، و درباره چیزی هست که بهش اهمیت میدید و شما ایده های عجیب و جسورانه دارید, و شاید این خارج از حوزه تخصص شماست, از خودتان این را بپرسید: چرا که نه؟ چرا جلو نرم و با مشکل گلاویز نشوم به بهترین شکلی که به روش خودتان می توانید انجام بدهید؟…. 

 

 

Visits: 53