English· Español· Deutsch· Nederlands· Français· 日本語· ქართული· 繁體中文· 简体中文· Português· Русский· العربية· हिन्दी· Italiano· 한국어· Polski· Svenska· Türkçe· Українська· Tiếng Việt· Bahasa Indonesia

un

访客
1 / ?
返回课程列表

创造性作为搜索

将想法空间建模为N个概念的集合,每个概念是图中的一个节点。创意行为将两个先前未连接的节点连接在一起。

从N个概念中组合两个概念的可能数量:C(N, 2) = N(N−1)/2。

对于N = 100个概念:C(100, 2) = 4,950种可能的配对。对于N = 1000:C(1000, 2) = 499,500。搜索空间呈二次增长。

大多数配对不会产生有用的结果。创造性需要在巨大的空间中导航以找到罕见有用的组合。这就是为什么准备很重要:准备充分的心智不会随机搜索,而是对空间的哪些区域值得探索有强有力的先验。

Hamming的领域(磁学、统计学)在他的脑海中都被充分映射。问题「我能否将X应用于Y」只有当你在脑海中将X和Y都充分表示为具有许多内部连接的节点时,才有简洁的答案。

准备充分的心智:图密度&类比范围

搜索空间的大小

考虑一位研究人员掌握50种不同技术或概念的工作知识。他们在一个有20个未知方面的新领域中遇到了一个问题。

这位研究人员需要考虑多少个不同的(技术、问题方面)配对?写出计算过程。然后:如果一位准备不足的研究人员只掌握10种技术,他们的搜索空间会小多少?这说明了什么关于为什么准备会放大创意潜力?

类比真正是什么

Hamming将创造性描述为先前无关事物的有用组合。从几何角度看,这种组合最深层的形式是结构同构

当存在一个双射映射f: P → Q来保持元素之间的关系时,两个问题领域P和Q是类似的。如果P中的元素a与P中的元素b的关系方式与Q中的f(a)与Q中的f(b)的关系方式相同,那么f就是一个保持结构的映射——一个同构。

例子:电路和机械系统。电压↔力,电流↔速度,电阻↔阻尼,电容↔柔性,电感↔质量。管理两个领域的微分方程具有相同的形式。懂得这一点的工程师可以使用电路分析来解决机械问题——这正是Hamming的物理学家朋友所做的。

在这个模型中,创意行为就是找到同构。一旦找到,领域P中的每个结果都可以免费映射到领域Q中的结果。

找到同构

考虑热传导和电导。在热传导中:热流量Q从高温T流向低温T。热阻R_th = ΔT / Q。在电导中:电流I从高电压V流向低电压V。电阻R = V / I。

列出完整的同构表,将热传导量映射到电导量。至少包括四对。然后:一旦你有了这个映射,电路中的什么定理或结果会立即应用于热问题?

图距离&机缘巧合

将准备充分的心智建模为一个加权图。节点代表概念。边代表关联或可推导的连接。边权重=连接强度(较低权重=较强,更短的有效路径)。

机缘巧合:遇到一个新想法(节点X)并立即认识到它连接到一个开放问题(节点Y)。这要求在你的图中从X到Y有一条短路径。

一个准备不足的心智可能在X和Y之间完全缺乏中间节点——路径不存在。准备充分的心智有中间概念来连接它们:X → A → B → Y。连接被激发。

Pasteur的「运气眷顾准备充分的心智」重新表述为几何语言:准备充分的心智在其知识图中任意两个概念之间的平均路径长度较短。这不是运气——这是图的密度。

10个重要问题技术:这10个节点被标记为高优先级目标。当新节点(技术)出现时,你立即计算:从这个节点到我的10个目标中任何一个是否有短路径?如果是,激发。如果否,存档以备后用。

路径长度&识别

考虑两位都读了同一篇描述新统计聚类技术的论文的研究人员。

研究人员A在脑海中有10个重要问题列表,并知道该技术与空间数据分析有关。研究人员B读了同一篇论文,但没有活动问题列表。使用图距离模型解释为什么研究人员A可能立即识别该技术解决了他们的开放问题之一,而研究人员B将其归档为「有趣但无关」。他们的知识图在结构上有什么不同?