مقالات

چرا دستور نان شما الگوریتمی توسط آنا مک فایی است


من شروع به دیدن تفکر الگوریتمی در همه جا – در دستور العمل های نان ، برنامه ریزی باغ ، کد خطا. شما احتمالاً قبلاً این کار را کرده اید.

من از فردا رابطه جو هادسون را شروع می کنم. این هفته شروع به خواندن آزمایش های کوچک آن لور لو کونف کردم. من هر شب با برنامه ها کار می کنم تا تفکر الگوریتمی خود را تیز کنم. به نوعی ، این سه چیز به ظاهر فردی احساس عمیقاً در ارتباط دارند – علم آزمایشات کوچک ، هنر روابط انسانی ، روش سیستماتیک نزدیک شدن به جهان با کنجکاوی.

واقعاً همه چیزهایی که باید فکر کنیم. چگونه با معجزه و کنجکاوی به جهان نزدیک شویم.

این باعث شد که من در مورد مکالمه ای که اخیراً با کسی بودم با کسی که تازه از دبیرستان فارغ التحصیل شده بود فکر کنم. آنها می خواستند یک توسعه دهنده شوند ، اما آنها در درجه علوم کامپیوتر با ریاضیات تلاش می کردند. آنها با این استعفای آشنا گفتند: “من فقط یک شخص ریاضی نیستم.”

اما آنچه من می فهمم این است که ریاضیات از تفکر جدا نیست. همه اینها یک روش یکپارچه برای نزدیک شدن به مشکلات با کنجکاوی و آزمایش های سیستماتیک است.

فکر کردم در ریاضیات خوب نیستم. یک هشدار جهانی عظیم وجود دارد که ریاضیات دشوار یا کسل کننده تر است. من همچنین فکر کردم که همه علوم ظروف و دامنه های خاص خود را دارند. مهندسی در اینجا ، علوم کامپیوتر در آنجا ، زیست شناسی در جایی دیگر.

اما الگوریتم ها در همه جا هستند.

هنگامی که دستور تهیه نان را تهیه می کنید ، در سطوح مختلف هیدراتاسیون و تخمیر آزمایش می کنید و ذکر می کنید که کدام ترکیبات آنها را خرد می کنند – این یک روش علمی است. این جمع آوری داده ها است. این تفکر الگوریتمی است. پخت و پز ، به ویژه پخت ، با شیمی همراه است ، اما ما معمولاً برای نانوایی ها شیمیدان نمی نامیم.

هنگام برنامه ریزی کدام گیاهان برای رشد در باغ خود ، تماشا کنید که ماهواره ها شکوفا می شوند و کدام یک از آنها رقابت می کنند ، بر اساس شرایط خاک و مدل های فصلی سازگار هستند – این آزمایش A/B است. این یک طرح آزمایشی است. این یک شناخت مدل است.

در حال حاضر ، من واقعاً از الگوریتم ها برای زندگی لذت می برم و کمی برای شکار آپارتمان ها وجود دارد. این کتاب توضیح می دهد که مستاجران اجاره ای به قانون 37 ٪ نیاز دارند: 37 ٪ از وقت خود را صرف کاوش در امکانات بدون مشارکت کنید ، و سپس بلافاصله در وهله اول که قبلاً دیده اید درگیر شوید. این فقط یک سازش شهودی بین تماشای و پرش نیست – این یک راه حل بهینه اثبات شده برای آنچه دانشمندان رایانه “توقف بهینه” می نامند است.

بعد از اینکه نگاه کردم ، می توانستم او را در همه جا ببینم. مطالعه/بهره برداری از سازش که به من کمک می کند تا با تلاش چیزهای جدید با لذت بردن از عزیزانم ، تعادل برقرار کنم. نظریه مرتب سازی برای سازماندهی میز من. یک تئوری حافظه پنهان برای تنظیم کمد لباس من. نظریه برنامه ریزی برای مدیریت وقت من. برایان گریفیتس چند نکته عالی را بیان می کند ، الگوریتم ها واقعاً در همه جا هستند.

این باعث شد من از مهندسی به عنوان یک علم تعجب کنم. من همیشه آن را یکی می دانستم ، اما چرا یک بخش کاملاً جداگانه در دانشگاه ها است؟ چرا وقتی تفکر اساسی به هم وصل می شود ، آموزش را به این موضوعات فردی تقسیم می کنیم؟

برخی از سیستم های مدارس اروپایی در حال حاضر این کار را دریافت می کنند. سیستم دانمارکی جنبه های مختلف علم را در موضوعات مختلف ادغام می کند ، نه اینکه آنها را به رشته های مختلف تقسیم کند. برنامه هایی مانند کمبریج IGCSE صلاحیت های علمی ترکیبی را ارائه می دهد که در آن دانشجویان زیست شناسی ، شیمی و فیزیک را به عنوان یک دوره به هم پیوسته مطالعه می کنند. در سطح دانشگاه ، برنامه های لیسانس بین رشته ای آموزش گسترده ای را ارائه می دهند ، که بسیاری از رشته های علمی مهم را در بر می گیرد.

تمایل به نوترکیب برای دیدن مدل ها وجود دارد.

پیروی از روش علمی – حتی رایگان ، حتی شخصاً – منجر به درک بهتر از همه چیز می شود. استفاده از داده های تجزیه و تحلیل و راه حل ها محصولات ، ابزارها ، استفاده کارآمدتر از زمان را ایجاد می کند. وقتی کد را اشتباه می کنیم ، فرض می کنیم که چه اشتباهی ممکن است ، آزمایش نظریه های خود ، جمع آوری شواهد را انجام دهیم. وقتی رابط های کاربر را تکرار می کنیم ، آزمایش ها را انجام می دهیم و نتایج را اندازه می گیریم.

همه چیز به اشکال مختلف یکسان است.

همه چیز به هم متصل است و بعد از اینکه ذهن شما به این روش فکر می کند ، همان شناخت اساسی تصاویر نشان داده شده در هر دامنه است. معجزه برای کشف اینکه چگونه همه چیز به هم پیوسته است ، واقعاً شیوه نزدیک شدن به مشکلات فنی و همچنین نحوه مربیگری دیگران را تغییر داده است.

وقتی کسی به من می گوید که این یک “شخص ریاضی” است ، می توانم با اطمینان بگویم: “در واقع ، شما ممکن است این مهارت های تفکر را داشته باشید – بگذارید به شما نشان دهم که کجا.” از آنجا که آنها احتمالاً در حال آزمایش آشپزخانه خود هستند ، سفر خود را بهینه می کنند ، عیب یابی می کنند که چرا گیاهانشان رونق نمی گیرند ، در کار خود مدل هایی پیدا کنید که به آنها کمک کند تا تصمیمات بهتری بگیرند.

این تفکر علمی است. این یک استدلال الگوریتمی است. این همان ابزار شناختی است که همه چیز را از یادگیری ماشین گرفته تا مبتدیان خمیر ترش تغذیه می کند.

بنابراین ، این چیزی است که من تعجب می کنم .. چه مهارتهای “فردی” دیگری در واقع همان تشخیص تصویر اساسی را بیان می کنند؟ همه ما در حال حاضر در حال جمع آوری داده ها و انجام آزمایشات در زندگی روزمره خود بدون تحقق آن هستیم؟

ممکن است زمان آن رسیده باشد که آموزش موضوعات را در انزوا متوقف کنیم و ما شروع به آموزش تفکر کردیم که همه آنها را به هم متصل می کند – کنجکاوی ، آزمایش سیستماتیک ، تمایل به آزمایش فرضیات و سازگاری بر اساس شواهد.

زیرا حقیقت این است که همه ما دانشمندان هستیم. همه ما تمام وقت آزمایش های کوچک را انجام می دهیم. ما همیشه الگوریتم پشت معجزه را نمی شناسیم.


Source link

نوشته های مشابه

دکمه بازگشت به بالا