un

guest
1 / ?
back to lessons

Yaratıcılık Arama Olarak

Idea space'i N kavramın her birini bir grafte düğüm olarak gösteren bir küme olarak modele geçirin. Bir yaratıcı eylem iki önce birleştirilmemiş düğmeyi birleştirir.

N kavramın her birini içeren iki kavramın olası kombinasyon sayısı: C(N, 2) = N(N−1)/2.

N = 100 kavram için: C(100, 2) = 4,950 olası eşleşme. N = 1000 için: C(1000, 2) = 499,500. Arama alanı eksponansiyel olarak büyür.

Çoğu eşleşme faydalı bir şey üretmez. Yaratıcılık, nadir ama değerli bir kombinasyonu bulmak için bu büyük alanı gezmeyi gerektirir. Bu nedenle, hazırlık önemli hale gelir: bir hazır zihin, rastgele aramayan, keşfetmeye değer alanların hangileri olduğunu güçlü önceliyeleriyle sahiptir.

Hamming'in alanları (manyetikler, istatistikler) zihinde iyi haritalanmıştı. 'X'yi Y'ye uygulayabilir miyim?' sorusu, her ikisi de X ve Y'yi, birçok iç bağlantılı düğmelerle iyi temsil edilmiş olarak, kısa bir yanıt için sadece sahip olmanız gerekir.

Hazır Zihin: Graf Yoğunluğu & Analojik Ulaşım

Arama Alanının Boyutu

50 farklı teknoloji veya kavramı uygulayabilen bir araştırmci, yeni bir alandaki 20 bilinmeyen özelliğe rastlar.

Bu araştırmcinin göz önünde bulundurması gereken farklı (teknik, problem-bölümü) eşleşmelerinin sayısı ne kadardır? Bu hesabı yazın. Ardından: daha az hazır bir araştırmcinin sadece 10 teknoloji bilmesi durumunda arama alanının boyutu ne kadar küçüldü? Bu, hazırlığın yaratıcı potansiyeli artırdığı konusunda ne söyler?

Bir Benzerliğin Gerçek Oluşu

Hamming, yaratıcılığı öncekiyle bağlantılı olmayan şeylerin yararlı bir kombinasyonu olarak tanımlar. Geometrik olarak, bu kombinasyonun en derin formu yapısal izomorfizm dir.

Problemler arası iki alan P ve Q, benzer olduğunda, P'deki öğelerin ilişkilerini koruyan ve Q'deki öğelerin ilişkilerini koruyan bir birebir map f: P → Q vardır. Eğer P'deki öğe a, P'deki öğe b ile aynı şekilde P'deki öğe f(a) Q'deki öğe f(b) ile ilişkiliyorsa, f yapısal ilişkileri koruyan bir harita - bir izomorfizm dir.

Örnek: elektrik devreleri ve mekanik sistemler. Gerilim ↔ Güç, akım ↔ Hız, direnc ↔ Damping, kapasitans ↔ Esneklik, induktans ↔ Ağırlık. Her iki alanın yönetim diferansiyel denklemleri aynı forma sahiptir. Bir mühendis, bu ilişkileri bilirse, elektrik devreleri analizi kullanarak mekanik problemleri çözebilir - tam olarak Hamming'in fizikçi arkadaşı gibi.

Bu modele göre yaratıcı eylem, izomorfizmin bulunmasıdır. Bulunduktan sonra, P alanındaki her sonuç, Q alanındaki bir sonuç için ücretsiz olarak haritalanır.

Izomorfizmi Bul

Isı iletiminde: ısı akımı Q, yüksekten alçak sıcaklığa akar. Termal direnc R_th = ΔT / Q. Elektrik iletiminde: akım I, yüksekten alçak gerime akar. Elektrik direnci R = V / I.

En az dört çifti içeren tam izomorfizm tablosunu yazın: ısı iletim miktarlarını elektrik iletim miktarlarına haritalayın. Ardından: izomorfizm haritasını bulduktan sonra ısı problemini çözebilecek olan elektrik devrelerinden hemen hangisi uygulanabilir?

Graph Distance & Serendipity

Hazır aklını bir ağı olarak modeleçt. Dönükler kavramları temsil eder. Kenarlar, ilişkiler veya elde edilebilir bağlantılar temsil eder. Kenar ağışı, bağlantışnın (daha döı ağı yönlük) temsil eder.

Serendipity: yeni bir fikri (node X) ve hemen bir açık sorunla (node Y) bağlantılı olduğunu tanımlar. Bu, X'den Y'ye sizin grafikte kısa bir yol olması gerektiği demektir.

A hazırsız aklı, X ve Y arasındaki orta dönükleri tamamen eksik olabilir - yol yoktur. Hazır bir akl, onları bağlayan orta kavramlar sahip: X → A → B → Y. Bağlantı patlar.

Pasteur'un 'şans hazır olan aklı' geometrik olarak yeniden ifade etmek: hazır olan aklın, bilgisayarındaki herhangi iki kavram arasındaki ortalama yol uzunluğunun daha kısa olduğu anlamına gelir. Bu, şansa değil, grafik yoğluışına bağlıdır.

10 önemli sorun tekniği: bu 10 düğüm, önemli hedefler olarak işaretlenir. Yeni bir düğüm (teknik) ortaya çıktığında, bu düğümün hedeflerimin herhangi birine kısa bir yol var mı? Eğer evet, patla. Eğer hayır, sonra daha sonra için sakla.

Path Length & Recognition

İki araştıröyu çıkar ve aynı makalede yeni bir istatistiksel gruplama tekniği anlatan bir makale okuduklarını öngör.

Araştırör A, 10 önemli sorun listesini aklında biliyor ve tekninin uzaktan algılama alanına ilgili olduğunu biliyor. Araştırör B, aynı makaleyi okuyor ama aktif bir sorun listesi yok. Grafiık mesafe modelini kullanarak, neden Araştır A, teknik bir açık sorununu çözebilirken Araştır B, 'ilginç ama ilgili olmayan' olarak kaydeder? Bilgi graışınızdaki yapısal farkı ne?