Ce que ce cours est
Richard Hamming a passé 30 ans à Bell Telephone Laboratories, puis a enseigné à l'école supérieure navale américaine à Monterey. Son cours d'études supérieures s'est entièrement appuyé sur sa propre expérience. Il l'a appelé 'Hamming sur Hamming.'
Il a ouvert chaque cours en disant : 'Il n'y a vraiment aucun contenu technique dans ce cours.' La théorie du codage, les filtres numériques, & les exemples de simulation ne servaient que de façade. Ce qu'il voulait enseigner ne pouvait pas passer directement par les mots : un style de pensée.
Dans sa préface, il a comparé l'enseignement du style à l'enseignement de la peinture :
> On ne peut pas enseigner un grand peintre par les mots ; on apprend en essayant de nombreuses approches différentes qui semblent entourer le sujet. Les professeurs d'art laissent l'étudiant avancé peindre, puis font des suggestions sur la façon dont ils l'auraient fait, ou ce qui pourrait aussi être essayé.
Il a décrit son travail comme 'l'éducation méta' : non pas enseigner du contenu, mais enseigner comment regarder et penser à la connaissance.
Éducation vs formation
> L'éducation est le quoi, le quand & le pourquoi faire les choses. La formation est comment le faire.
La plupart des cours dispensent une formation. Celui-ci tente une éducation. Vous avez déjà une formation. Ce qu'il vous faut maintenant : du style.
Éducation vs formation
Hamming a observé que la plupart des cours techniques fournissent une formation, laissant largement sans réponse les questions du 'quoi' & du 'pourquoi'.
Une personne bien formée exécute les procédures connues de manière fiable. Une personne éduquée détermine d'abord les problèmes qui méritent de l'attention. Les deux comptent. Aucun des deux seul ne suffit.
L'explosion de la connaissance
Hamming a fait une observation simple & brutale : la connaissance double grosso modo tous les 17 ans. La demi-vie de la connaissance technique est d'environ 15 ans : la moitié de ce que vous savez maintenant sera obsolète dans 15 ans.
Il a exécuté un calcul rapide pour vérifier que les deux affirmations étaient cohérentes — elles l'étaient — puis a demandé : qu'est-ce que cela signifie pour la façon dont vous étudiez ?
Sa réponse : concentrez-vous sur les fondamentaux, & développez la capacité d'apprendre rapidement de nouveaux domaines. Un enfant né aujourd'hui fera face, au sommet de sa carrière, à environ quatre fois la connaissance technique qui existe maintenant.
Son test pour déterminer si quelque chose se qualifie comme fondamental :
> Un test est qu'ils ont duré longtemps. Un autre test est que à partir des fondamentaux, tout le reste du domaine peut être dérivé en utilisant les méthodes standard du domaine.
Le marin ivre
Hamming a utilisé un argument probabiliste pour plaider en faveur d'avoir une vision :
> Un marin ivre qui titube à gauche ou à droite avec n étapes aléatoires indépendantes finira en moyenne à environ √n étapes de l'origine. Mais s'il y a une jolie fille dans une direction, ses pas auront tendance à aller dans cette direction & il ira une distance proportionnelle à n.
En une vie de nombreux petits choix, une carrière avec une vision produit une distance proportionnelle à n. Sans vision : seulement √n. Pour grand n, la différence est presque tout.
Il a été prudent quant à la précision :
> La précision de la vision importe moins que vous ne pourriez le supposer — aller quelque part est mieux que dériver. Il y a potentiellement de nombreux chemins vers la grandeur pour vous, & juste quel chemin vous prenez, tant qu'il vous mène à la grandeur, n'est pas de mes affaires.
Il a aussi distingué trois questions que chacun en science & en ingénierie doit apprendre à poser séparément :
1. Qu'est-ce qui est possible ? — Science
2. Qu'est-ce qui est susceptible de se produire ? — Ingénierie
3. Qu'est-ce qui est souhaitable ? — Éthique
La plupart des gens posent seulement la première, occasionnellement la deuxième, rarement la troisième.
Dirigé vs dérive
Appliquez l'argument de la marche aléatoire à une vraie carrière.
Comment fonctionne la créativité
Hamming a ouvert son chapitre sur la créativité en séparant trois choses que la plupart des gens confondent :
- Créativité : faire quelque chose de valeur réelle qui n'existait pas avant
- Originalité : faire quelque chose qui n'a jamais été fait avant
- Nouveauté : faire quelque chose de différent de ce qui existe
Vous pouvez réaliser les trois propriétés de la nouveauté avec zéro créativité : multiplier deux nombres aléatoires de 10 chiffres. Le produit n'a probablement jamais été vu dans l'histoire humaine. Mais personne ne s'en soucie.
L'analogie comme outil principal
Hamming a appelé l'analogie 'probablement l'outil le plus important de la créativité.' Quand quelque chose ressemble à quelque chose d'autre que nous avions déjà compris, nous pouvons transférer le cadre de la solution.
Son exemple central : Kekulé a rêvé d'un serpent se mordant la queue. Il s'est réveillé & a vu le benzène. L'analogie n'avait besoin que de suggérer, pas d'être exacte.
Il a décrit le processus créatif en cinq étapes :
1. Reconnaissance du problème — souvent confuse au début
2. Une période de gestation de réflexion intense, suivie d'un abandon temporaire
3. Implication émotionnelle : engagement à trouver une solution
4. Moment d'illumination — généralement de l'inconscient
5. Nettoyage logique & présentation aux autres
Sa méthode : saturer l'inconscient avec le problème, puis lui donner de l'espace. 'La chance sourit aux esprits préparés.' — Pasteur
L'analogie qui a fonctionné
Hamming a aussi décrit une méthode pour construire une mémoire analogique plus riche : quand vous apprenez quelque chose de nouveau, demandez-vous immédiatement à quoi d'autre cela s'applique. Classifiez la connaissance avec de nombreux crochets, pas seulement celui qui vous y a menés.
Quand abandonner un problème
Hamming a donné un avertissement qui allait contre la plupart des conseils de développement personnel :
> Si vous ne pouvez pas abandonner un mauvais problème, la première fois que vous en rencontrez un, vous en serez coincé pour le reste de votre carrière.
Son exemple : Einstein. Terriblement créatif au début de sa carrière. Une fois qu'il a commencé la recherche d'une théorie du champ unifié au milieu de sa carrière, il y a passé le reste de sa vie — & n'a presque rien eu à montrer pour l'effort.
Hamming pensait que gérer une carrière créative exigeait de décider activement quels problèmes abandonner, pas seulement lesquels poursuivre. Les succès antérieurs peuvent vous convaincre que vous pouvez résoudre n'importe quel problème. Mais certains problèmes ne sont pas prêts : continuer dessus vous coûte le temps que vous pourriez passer sur des problèmes solubles.
Le problème de l'expert
Hamming s'est beaucoup appuyé sur La Structure des révolutions scientifiques de Kuhn. Sous la science normale, un domaine fonctionne dans un paradigme partagé : hypothèses acceptées, problèmes acceptés, méthodes acceptées. Les travailleurs étendent le paradigme ; ils le questionnent rarement.
Quand le paradigme change, les experts restent à la traîne.
> Ce que vous avez fait pour réussir est susceptible d'être contreproductif lorsqu'il est appliqué à une date ultérieure.
Il l'a illustré avec l'informatique. Ses patrons à Bell Labs avaient construit des carrières sur des méthodes analytiques. Ils voyaient les ordinateurs comme inférieurs aux mathématiques appropriées. Quand les méthodes numériques sont devenues dominantes, ces patrons ne pouvaient pas suivre. La plupart ont disparu du domaine.
Son résumé :
> Un expert sait tout sur rien ; un généraliste ne sait rien sur tout.
Sur l'asymétrie des réclamations d'experts :
> Si un expert dit que quelque chose peut être fait, il a probablement raison. S'il dit que c'est impossible, obtenez un autre avis.
Pourquoi les innovations viennent de l'extérieur
La dérive continentale : proposée par Wegener (un météorologue, pas un géologue), acceptée par les océanologues, avant que les géologues n'acceptent. La datation au carbone provient de la physique, pas de l'archéologie. Le premier téléphone automatique provenait d'un croque-mort qui pensait que les opérateurs le trompaient.
Les experts ne sont pas mauvais ; ils sont économes. Il est logique d'essayer d'anciennes approches réussies avant de chercher des approches nouvelles. Mais cela signifie que les paradigmes véritablement nouveaux émergent rarement de l'intérieur.
Pourquoi les réclamations d'impossibilité des experts sont suspectes
La déclaration la plus nette de Hamming sur l'autorité des experts :
> Toutes les preuves d'impossibilité doivent reposer sur un nombre d'hypothèses qui peuvent ou non s'appliquer dans la situation particulière.
Quand vous devenez l'expert
Hamming a passé la moitié du chapitre 26 à avertir des défaillances des experts, puis a pivoté :
> Le deuxième point que je veux faire est que beaucoup d'entre vous, à votre tour, deviendrez des experts, & j'espère modifier en vous les pires aspects de l'expert qui sait tout.
Il a promis, quand il s'est approché du sommet à Bell Labs, de ne pas participer aux décisions concernant les choix d'ordinateurs — il ne voulait pas devenir le frein pour la prochaine génération que ses patrons avaient été pour lui.
Les données mentent plus que vous ne le pensez
Hamming a ouvert son chapitre de données non fiables avec une affirmation brutale : les données s'exécutent généralement bien moins précises que annoncé.
Il a offert sa règle :
> 90% du temps, la prochaine mesure indépendante tombera en dehors des limites de confiance précédentes de 90%.
Il a appelé cela une exagération pour la mémorisation. La vérité sous-jacente : la plupart des précisions de mesure publiées ne correspondent nulle part à ce qui est annoncé.
Pourquoi les expériences produisent des réclamations de précision biaisées
Quand vous assemblez l'équipement pour une expérience, il ne fonctionne pas parfaitement. Vous passez du temps à le peaufiner jusqu'à ce que vous obteniez des exécutions cohérentes & reproductibles. Vous le remettez alors à un statisticien qui calcule un intervalle de confiance.
Le problème : vous avez affiné spécifiquement pour réduire la variance. Le statisticien voit des données à faible variance & conclut que la précision est élevée. Mais vous n'avez pas réduit l'erreur ; vous avez ajusté spécifiquement pour la faible variance. Le biais systématique du peaufinage n'apparaît pas dans la variance. Vous fournissez des données à faible variance ; vous récupérez une précision réclamée élevée.
Il a cité la comparaison BIRGE 1929 vs CODATA 1973 des constantes physiques fondamentales. L'erreur réelle moyenne était 5,267 fois plus grande que l'erreur estimée. Les experts du monde entaient mal de cinq fois sur leurs propres estimations d'incertitude.
Deux sources de précision réclamée
Hamming nomme deux causes principales des mesures expérimentales produisant des réclamations de précision bien trop optimistes.
Vous obtenez ce que vous mesurez
Hamming a fermé le chapitre 29 avec une seule phrase :
> Vous obtenez ce que vous mesurez.
Il l'a illustré avec deux cas :
- Lignes de code : mesurer la productivité logicielle par lignes de code crée une incitation à écrire plus de code, pas mieux de code. Le code propre, compact & fiable score plus bas sur la métrique que le code gonflé.
- Préparation de la marine : les navires inspectés selon un calendrier régulier reçoivent une préparation spéciale pour les inspections. La préparation au jour le jour n'est pas ce qui est mesuré, donc elle n'est pas optimisée.
Le modèle : une fois que vous établissez une métrique, les gens optimisent pour la métrique plutôt que pour l'objectif sous-jacent. La métrique devient la cible, éclipsant la chose qu'elle était censée mesurer.
La table de la physique
Le chapitre 30 résume le livre entier. Hamming l'a appelé 'Vous & votre recherche,' bien qu'il ait noté qu'il aurait pu aussi bien l'appeler 'Vous & votre carrière.'
Travailler sur des problèmes importants
> Si vous ne travaillez pas sur des problèmes importants, comment pouvez-vous vous attendre à faire un travail important ?
Il a décrit le repas pendant des années à la table de la physique à Bell Labs. La conversation a tourné autour de la célébrité, de la promotion, & d'être embauché. Il s'est déplacé à la table de la chimie, a commencé à demander : 'Quels sont les problèmes les plus importants dans votre domaine ?' La plupart ne pouvaient pas répondre. Ceux qui pouvaient répondre ne travaillaient pas dessus.
Il a vu plus tard l'un de ces chimistes dans un couloir : 'Ce que vous avez dit m'a fait réfléchir tout l'été à quels sont les problèmes les plus importants dans mon domaine.' Ce chimiste est devenu chef de son groupe. Hamming n'a jamais entendu parler de la table de la physique à nouveau.
L'entraînement comme intérêt composé
> L'investissement intellectuel est comme l'intérêt composé. Plus vous en faites, plus vous apprenez comment le faire, donc plus vous pouvez le faire. Une heure supplémentaire par jour sur une vie doublera plus que le rendement total.
La porte ouverte
Il a observé que les gens avec les portes de bureau fermées en faisaient plus par an. Mais les gens avec les portes ouvertes travaillaient sur les bons problèmes. La porte ouverte menait à l'esprit ouvert. Il ne pouvait pas prouver la relation de cause à effet — il ne voyait que la corrélation.
Tolérance à l'ambiguïté
> Les grandes gens peuvent tolérer l'ambiguïté : elles peuvent croire & ne pas croire en même temps. Vous devez être capable de croire que votre domaine est le meilleur qui soit, mais aussi qu'il y a beaucoup de place pour l'amélioration.
Vendredis après-midi
Pendant des années, il a consacré 10% de son temps : vendredis après-midi : à demander où l'informatique allait. Pas répondre aux questions — les poser. Il a attribué cette habitude à le garder directionnel face à une technologie qui change rapidement.
La question des problèmes importants
La question de Hamming à la table de la chimie : 'Quels sont les problèmes les plus importants dans votre domaine, & pourquoi ne travaillez-vous pas dessus ?'
Vos vendredis après-midi
Hamming a fermé le livre :
> La vie non examinée ne vaut pas la peine d'être vécue. — Socrates
Sa recommandation pratique : mettez de côté du temps sur une base régulière pour poser les grandes questions. Pas pour y répondre — pour les poser. Demandez : Quel est le problème le plus important dans mon domaine ? Où mon domaine va-t-il dans 20 ans ? Sur quoi travailleriez-je si je n'avais pas de contraintes pendant trois mois ?
L'habitude du vendredi après-midi n'était pas la recherche — c'était la navigation. Elle le gardait de dériver.