«Цель этого курса — подготовить вас к вашему техническому будущему.»
Привет, Хабр. Помните офигенную статью «Вы и ваша работа» (+219, 2265 в закладки, 353k прочтений)?
Так вот у Хэмминга (да, да, самоконтролирующиеся и самокорректирующиеся коды Хэмминга) есть целая книга, написанная по мотивам его лекций. Давайте ее переведем, ведь мужик дело говорит.
Это книга не просто про ИТ, это книга про стиль мышления невероятно крутых людей. «Это не просто заряд положительного мышления; в ней описаны условия, которые увеличивают шансы сделать великую работу.»
Мы уже перевели 10 (из 30) глав.
Глава 1. Ориентация
(За перевод спасибо Savva Sumin, который откликнулся на мой призыв в «предыдущей главе».) Кто хочет помочь с переводом — пишите в личку или на почту magisterludi2016@yandex.ru
Цель этого курса — подготовить вас к вашему техническому будущему. В нём практически отсутствует техническое содержание, хотя я и буду часто ссылаться на него, в надежде, что такая структура курса станет для вас полезным повторением фундаментальных основ ваших дисциплин. Только не думайте, что техническое содержание и есть сам курс — это лишь иллюстрационный материал. Предметом курса является стиль мышления. Моя цель — обучать, а не тренировать вас.
Я буду рассматривать, критиковать и демонстрировать различные стили мышления. Для иллюстрации стилевых особенностей я буду использовать технические знания, знакомые большинству из вас, что, опять же, надеюсь, станет для вас полезным повторением основ. Вам следует рассматривать этот курс в качестве дополнения к уже изученным вами техническим курсам. Многим вещам, о которых я буду говорить, не нашлось места в стандартных курсах, однако я глубоко убеждён, что вам необходимо о них знать. Этот курс существует потому, что Отдел Электрической и Компьютерной Разработки Аспирантуры Университета Морской Пехоты осознаёт необходимость общего, широкого образования, наряду со специализированным, технологическим обучением, которого потребует ваше будущее.
Предмет этого курса — стиль, а его по определению невозможно преподавать в обычной форме, с помощью слов. Я могу лишь приблизиться к предмету путём описания частных случаев, примеров, которые вы наверняка будете способны понять, хотя они и взяты по большей части из моего личного 30-летнего опыта работы в математическом отделе Исследовательского Подразделения Лаборатории Белла (до расформирования отдела), а некоторые — из работ других людей.
Ранние греческие философы (Сократ, Платон, Аристотель) безусловно придерживались мнения, что о чем угодно можно «говорить» словами. Этот взгляд безусловно игнорировал мнение «культов тайны» того времени, веривших, что человеку необходимо «ощутить» то, чего нельзя передать словами. В качестве примеров можно привести богов, понятия истины и правосудия, искусства, красоту и любовь. Ваше научное обучение имеет в качестве подосновы веру в описательную способность слов, наряду со стойкой верой в редукционизм; так что для демонстрации возможных ограничений языка я буду периодически возвращаться к этой теме на протяжении книги. Как я уже говорил, стиль является подобной темой.
Мой подход в этом курсе (использование личного опыта, личных знаний и наблюдений) предполагает, что мне придётся нарушить стандартное табу и говорить о себе в первом лице, вместо традиционного обезличенного подхода науки. Тут вам придётся меня извинить, так как столь же эффективного обезличенного подхода, по всей видимости, не существует. Если я не буду использовать личный опыт, материал может показаться вам просто набором «праведных» слов и не произвести нужного эффект на ваш разум, а изменение вашего разума как раз и есть основной критерий эффективности моей работы.
Из-за обсуждения личного опыта материл будет отдавать хвастовством, хотя я и привожу некоторое количество собственных серьёзных ошибок чтобы сбалансировать этот эффект. Обучение через наблюдение ошибок других людей может спасти от совершения собственных ошибок, но я, всё же, считаю изучение успехов более важным, чем изучение провалов. Я часто говорю (и вернусь к этой теме впоследствии), что существует огромное количество путей ошибочных, но очень малое — правильных, таким образом изучение успехов более эффективно и, когда придёт ваше время, вы будете знать как принимать правильные решения, а не как ошибаться!
Я всего лишь «тренер». Я не могу пробежать вашу милю за вас; в лучшем случае я могу обсуждать разные стили и критиковать ваши. Вы ведь знаете, что это именно вам придётся пробежать милю, если хотите, чтобы курс атлетики принёс пользу — а значит вам придётся хорошенько подумать о вещах, прочитанных в этой книге, чтобы они могли эффективно вас изменить — что, очевидно, и должно быть целью любого курса. Скажу снова — вы получите от этого курса ровно столько пользы, сколько усилий вы ему посвятите и если ваши старания ограничатся посещением занятий и чтением книги, он будет для вас лишь тратой времени. Вы должны будете в полной мере переваривать и усваивать содержание, сравнивать его со своим личным опытом, обсуждать между собой и интегрировать некоторые моменты в собственные методы взаимодействия с реальным миром.
Так как предметом курса является «стиль», я приведу сравнение с обучением изобразительному искусству. Усвоив основы изобразительного искусства, вы учитесь под руководством мастера, которого сами признаёте прекрасным художником; но вы осознаёте, что вам предстоит создать собственный стиль из элементов творчества художников прошлого и ваших естественных способностей. Также вам предстоит адаптировать свой стиль к будущему, так как простое копирование прошлого не будет достаточным если вы стремитесь к великим достижениям — к этой теме мы вернёмся ещё много раз. Я постараюсь объяснить особенности своего стиля настолько ясно, насколько смогу, но, опять же, вам предстоит заимствовать из него те элементы, которые вам подойдут и, в конце концов, создать собственный стиль. Вы станете или лидерами, или последователями, но моя цель — сделать вас лидерами. У вас так или иначе не получится перенять все качества, которые я заметил в себе и других и описал для вас; вам придётся выбирать, адаптировать, и делать подходящие качества частью себя.
Но здесь есть проблема и посложнее выбора: успешный стиль одного времени вполне может не подойти для другого! Мои предшественники в Лаборатории Белла использовали свой стиль; а я и трое моих коллег устроились туда примерно в одно и то же время, были практически одного возраста, нашли собственные стили и, в результате, полностью изменили совокупный стиль Отдела Математики, как и некоторых других частей Лаборатории. Между собой мы называли себя «Четыре Младотурка», а уже спустя много лет я узнал, что высшее руководство называло нас также!
Вернёмся к теме образования. Все вы понимаете, что существует большая разница между образованием и тренировкой.
Образование учит что, когда и почему делать, а тренировка — как это делать.
Одно без другого не имеет большого смысла. Вам нужно знать и что делать, и как это делать. Я уже сравнивал умственную и физическую тренировку говоря, что в обеих сферах объём полученной пользы прямо пропорционален объёму вложенных усилий — всё, что может сделать тренер, это предлагать стили и критиковать время от времени. Из-за большого размера этих классов (или потому что вы читаете книгу) я не могу прямо критиковать ваше мышление, потому вам придётся делать это самостоятельно или друг для друга, в разговоре и применять вещи, о которых я рассказываю к собственному опыту. Вам может показаться, что образование должно предшествовать тренировке, но тот вид образования, которым я занимаюсь, должен быть основан на вашем опыте и технических знаниях. Отсюда и эта своеобразная «инверсия» того, что может показаться разумным. На самом деле я занимаюсь «мета-образованием», предметом курса является образование как таковое, а потому наша дискуссия должна быть выше него — «мета-образование», также как метафизика должна была быть выше физики во времена Аристотеля (собственно говоря, «следовать за» и «превосходить» — значения приставки «мета»).
Эта книга нацелена на ваше будущее, почему нам и следует понять, что будет из себя представлять технологическая сфера (Наука и Инженерное дело) в то время, когда развивать её придётся вам. Хорошо известно, что после Исаака Ньютона (1642-1727) объём знаний интересующего нас типа увеличивался примерно в 2 раза каждые 17 лет. В первую очередь, это возможно измерить по количеству публикуемых книг (классическое наблюдение заключается в том, что библиотекам приходится удваивать объём книг на учёте каждые 17 лет чтобы сохранить свою относительную позицию). Во-вторых, когда я пришёл в Лабораторию Белла в 1946, они пытались сократить штат с объёма, имевшегося во Вторую Мировую, до приблизительно 5500 сотрудников. Однако, в течение 30 лет, которые я провёл там, я наблюдал достаточно стабильное удваивание штата каждые 17 лет, несмотря на то, что администрация время от времени вводила мораторий на приём сотрудников. В-третьих, рост количества учёных также шёл по экспоненте и бытует мнение, что почти 90% когда-либо живших учёных живы сейчас! Сложно вериться, что в будущем этим ожидаемым темпам роста предстоит замедлиться, а потому перед вами, даже больше чем передо мной, предстаёт необходимость учиться всё новым вещам.
Здесь я позволю себе небольшое отступление для демонстрации того, что часто называют «[back of the envelope calculations — посчитать на салфетке]». Я замечал, что инженеры и учёные делают это чаще «простых людей», отсюда и необходимость иллюстрации. Я возьму два высказывания, приведённых выше («объём знаний удваивается каждые 17 лет» и «90% когда-либо живших учёных живы сейчас») и проверю, насколько они совместимы. Действующая модель роста является экспоненциальной, как для количества учёных, так и для объёма знаний, пропорционального количеству живущих учёных. Для начала мы предположим, что количество живущих учёных в момент времени t равно:
в то время, как объём знаний, производимых ежегодно, имеет постоянный коэффициент пропорциональности k по отношению к количеству живущих учёных. Если мы начнём с минус бесконечности во времени (погрешность мала и, при желании, вы можете сделать поправку на Ньютоновское время), мы получим следующую формулу:
отсюда мы знаем b. Перейдём ко второму утверждению. Приняв стандартный срок жизни учёного за 55 лет (кажется, утверждение включает период жизни когда учёный не практикует, но исключает детство), получим:
что очень близко к 90%.
Обычно, «считая на салфетке» первый раз, мы используем определённые числа (с ними проще работать), а потом повторяем вычисления с параметрами, чтобы ближе подогнать их под данные и понять общую ситуацию. Примем период удваивания за D, а срок жизни учёного за L.
Теперь, первое уравнение будет выглядеть так:
А второе так:
Приняв D за 17 лет, мы получим 17*3,3219=56,47… лет срока жизни учёного, что близко к 55 (нашему изначальному предположению). Мы можем регулировать отношение L/D пока не найдём лучшее совпадение с данными (которые были приблизительными, хотя мне больше верится в 17 лет на удвоение, чем в 90%). «Вычисления на салфетке» показали, что гипотезы в должной мере совместимы. Заметьте, что это отношение применимо ко всему времени, при условии сохранения целостности простых отношений.
Теперь становится понятно, почему великие учёные активно используют «вычисления на салфетке» — они дают хорошее представление о состоятельности предположения и понимание того, о каких факторах вы не были готовы рассуждать — например, что конкретно имеется в виду под сроком жизни учёного. Проведя вычисления, вы увеличите вероятность того, что результат отложится у вас в голове. Также, подобные вычисления сохраняют вашу способность моделировать ситуации в полной готовности до того момента, когда она понадобится для решения серьёзных проблем. Потому я рекомендую, когда слышите подобные количественные наблюдения — проведите быстрое моделирование, чтобы понять, насколько вы им верите, особенно когда их источник — пресса или телевидение. Очень часто эти заявления оказываются бессмыслицей: или аргумент неопределённый и возможность моделирования отсутствует; или моделирование возможно, но его результат не совпадает с изначальным заявлением. Этот метод оказался весьма ценным за столом физиков, с которыми я обедал; иногда мне удавалось развеивать заблуждения прямо в процессе их формирования, что помогало нам всем двигаться вперёд.
К проблеме роста объёма новых знаний прибавляется также проблема их устаревания. Многие считают, что «период полураспада» технических знаний полученных вами в школе составит приблизительно 15 лет — через 15 лет половина из них будет не актуальна (мы или выберем другие направления развития, или заменим их новым материалом). Например, узнав больше о вакуумных трубках (ведь в то время они явно были важным предметом в Лаборатории Белла), я начал помогать в разработке транзисторов — которые сделали только что усвоенные знания ненужными!
Чтобы понять отношение этого удвоения к собственной жизни, представьте что у вас рождается ребёнок когда вам x лет. Поступив в колледж, ваш ребёнок столкнётся с объёмом знаний в y раз большим, чем тот, с которым в своё время столкнулись вы.
Это удвоение встречается не только в математических теоремах и технических результатах, но и в музыкальных произведениях (таких как Девятая симфония Бетховена), в выборе курорта или телевизионных программ, достойных или не достойных внимания. Если вас когда-нибудь повергала в замешательство та масса знаний, с которой вы столкнулись будучи в колледже, или даже сейчас — представьте, с чем предстоит столкнуться вашим детям! Общий объём технических знаний, с которым вы сталкиваетесь сейчас, учетверится через 34 года, а к этому времени многие из вас достигнут высшей точки своей карьеры. Оцените количество лет, оставшееся до вашего ухода от дел, а затем взгляните в левую колонку, на вероятный фактор увеличения объёма знаний за этот срок!
Каков мой ответ на эту дилемму? Первый выход — сконцентрироваться на базовых знаниях, на «основах», или хотя-бы на том, что кажется вам основами в определённое время, а также развивать способность осваивать новые области знания, чтобы после их появления не остаться позади (что в долгосрочной перспективе случается со многими талантливыми инженерами). Моя позиция в Лаборатории (где я, кажется, был единственным, кто в нужной мере разбирался в вычислениях) обязала меня изучать количественный анализ, вычислительные машины, а также практически все области физики в мере, достаточной хотя-бы для того, чтобы успешно разбираться с новыми вычислительными проблемами, решение которых могло бы принести пользу как Лаборатории, так и некоторым социальным и биологическим научным областям. Таким образом я стал успешным примером того, как человек может не только получать достаточно новых знаний чтобы не «утонуть» в потоке прогресса, но и не посвящать этому излишние время и силы, продолжая вносить свой вклад в работу организации. Начать активно учиться пришлось ещё во время разработки и управления вычислительным центром. В вашей карьере вам встретятся похожие проблемы, а будут и проблемы, кажущиеся непреодолимыми.
Как же распознать эти «основы»? Успешно пройденное испытание временем — хороший признак. Также хорошо, если из этих «основ» возможно получить все остальные знания дисциплины, пользуясь её стандартными методами.
Мне нужно показать разницу между наукой и инженерным делом.
Вот так это будет выглядеть в несколько «бойкой» форме:
В науке, если знаете, что делаете — значит делаете не то.
В инженерном деле, если не знаете, что делаете — не стоит этого делать.
Конечно, вам вряд ли придётся наблюдать эти явления в чистой форме. В инженерном деле требуется, если хотите, изобретательность для компенсации неизвестных моментов; в науке необходимо практическое применение инженерного дела для претворения в реальность абстрактных моделей. Большая часть современной науки опирается на использование «инструментария» инженерного дела, а инженерам требуется всё больше научных знаний. Многие большие научные проекты требуют решения серьёзных инженерных проблем — эти области развиваются параллельно! Среди других причин этой ситуации можно назвать рост темпов технического прогресса, теперь у нас просто нет возможности позволить себе спокойствие, проистекающее из разделения этих дисциплин. К тому же, всё больше научных и инженерных знаний, которые потребуются вам в будущем, будут появляться уже после того, как вы закончите обучение. Простите, но вам просто придётся самостоятельно изучать новые области по мере их появления, без возможности пассивно ждать, пока кто-то вас научит.
Заметьте, что не стоит отождествлять инженерное дело и прикладную науку — она составляет отдельную, третью область (которую, впрочем, не все признают таковой), лежащую между наукой и инженерным делом.
Я где-то прочитал, что существует 76 методов предсказания будущего — даже само это число предполагает отсутствие метода, достаточно надёжного чтобы получить универсальное признание. Наиболее тривиальный метод — предположить, что завтрашний день будет таким же, как сегодняшний, что нередко оказывается правдой. Следующий уровень «просвещённости» — использовать нынешние темпы изменений, предполагая, что сами они не изменятся; линейное предсказание по выбранной переменной. Разумеется, выбор переменной может сильно повлиять на результат предсказания! Однако, ни один из этих методов не подходит для прогнозирования в долгосрочной перспективе.
История часто используется в качестве основы для долгосрочных предсказаний, но некоторые верят, что история повторяется, другие имеют диаметрально противоположные убеждения!
И вот что становится очевидным:
Прошлое когда-то было будущим, а будущему суждено стать прошлым.
Как бы то ни было, я часто буду использовать исторические данные для экстраполяции. Я верю, что лучшие предсказания основаны на понимании вовлечённых в процесс фундаментальных сил, на них я и буду опираться. Часто случается, что эволюцией науки и движением человечества вперёд управляют не природные ограничения, а человеческие законы, привычки, организационные процессы и правила, личные эго и инертность. Мне кажется, что вас обучали особенностям этой специфики меньше чем следует, потому я буду углубляться в них по необходимости.
Существует высказывание: «Краткосрочные прогнозы всегда оптимистичны, долгосрочные — всегда пессимистичны.». Причина того, что второе верно для большинства людей, кроется в сложности понимания результатов экспоненциального увеличения объёма знаний. Например, в случае с деньгами, ежегодный рост в 6% удваивает их количество всего за 12 лет! А за 46 лет рост будет 16-кратным. Хорошим примером правильности заявления о пессимизме долгосрочных предсказаний будет рост компьютерной сферы в смысле скорости, плотности расположения компонентов, снижения цены и т.д., а также распространение компьютеров во все уголки современной жизни. Однако, область Искусственного Интеллекта даёт нам замечательный контраргумент. Практически все лидеры в этой области делали долгосрочные прогнозы, которые почти никогда не сбывались, не сбудутся в течение вашей жизни, но вероятно сбудутся в будущем.
Я часто буду использовать историю как пример, несмотря на сказанное Генри Фордом «История — ерунда.» [прим. переводчика: оригинал: «История — по большему счёту ерунда. Это традиции. А нам не нужны традиции. Мы хотим жить сегодня, и единственная история, которая хоть чего-то стоит — та, которую мы делаем сегодня.»]. Возможно, его аргументы были подобны этим:
- История редко пишется хоть сколько-нибудь точно; мне не удалось найти даже 2 отчёта, между которыми имелся бы консенсус относительно того, что происходило в Лос Аламосе во время Второй Мировой.
- Из-за темпов прогресса будущее всегда несколько «оторвано» от прошлого, современные компьютеры — замечательный пример этой разницы.
Читая некоторых историков возникает ощущение, что прошлое было в значительной мере предопределено большими трендами, но в то же время вы чувствуете, что будущее содержит огромное количество возможностей. С этим противоречием можно разобраться как минимум четырьмя способами:
- Его можно просто игнорировать.
- Его можно признать.
- Можно решить, что прошлое было значительно менее предопределённым, чем предполагают некоторые историки, что действия отдельных людей могут временами иметь огромный эффект. Александр Великий, Наполеон и Гитлер имели огромное влияние на материальную сторону жизни, а Пифагор, Платон, Аристотель, Ньютон, Максвелл и Эйнштейн — на нематериальную.
- Можно решить, что вариантов не так много как хотелось бы, а выбора — меньше чем кажется.
Вполне вероятно, что будущее будет сильнее ограничено медленной эволюцией человека и соответствующих законов, социальных институтов и организаций, чем быстрой эволюцией технологической сферы.
Несмотря на сложность прогнозирования и того, что:
Непредвиденные технологические инновации могут разрушить даже самые точные предсказания.
Вам следует пытаться предвидеть будущее, с которым вы столкнётесь. Для иллюстрации важности попыток прогнозирования будущего я часто использую эту историю.
Хорошо известно, что пьяный моряк, покачивающийся влево-вправо и делающий n шагов в случайном направлении рано или поздно окажется на расстоянии от исходной точки, примерно равном квадратному корню из n. Однако, если на одном из этих направлений он увидит привлекательную даму, его шаги будут стремиться в этом направлении и, в конце концов, он пройдёт расстояние, пропорциональное n. В жизни, которая постоянно заставляет делать выбор, большой или малый, карьера с видением будущего поможет вам пройти дистанцию, пропорциональную n, а вот без видения вы пройдёте, разве что, дистанцию примерно равную квадратному корню из n. В каком-то смысле, разница между теми, кто идёт далеко и теми, у кого это не выходит, состоит в том, что у первых есть видение, а у вторых — нет. В итоге, всё, что могут делать вторые — реагировать на события по мере того, как они происходят.
Одна из главных задач этого курса — помочь вам начать формирование более-менее точного видения вашего будущего. Если у меня это не выйдет — считайте я провалил весь курс. Возможно вы оспорите эту позицию тем, что видение, сформированное сейчас, имеет большой шанс оказаться неверным. Мой ответ будет следующим: из практического опыта я усвоил, что точность видения в действительности значит меньше, чем может показаться; придти куда-то лучше, чем вечно дрейфовать; для вас существует множество потенциальных путей к величию и не так уж важно, какой из них вы выберете, если он приведёт вас туда. Как и в случае с собственным стилем, вы должны найти видение свой будущей карьеры и следовать ему настолько хорошо, насколько сможете.
Нет видения — нет будущего.
В какой мере история повторяется или же не повторяется — остро дебатируемый вопрос. Но она может стать основой направляющих принципов, почему история и будет играть большую роль в наших дискуссиях — я пытаюсь дать вам некоторую перспективу, способную помочь в выработке вашего видения вашего будущего. Ещё один значительный инструмент, который я использовал пытаясь понять что произойдёт в будущем — активное воображение. Годами я посвящал около 10% своего времени (пятничные вечера) попыткам понять, что ждёт в будущем сферу вычислений, как в качестве инструмента науки, так и фактора, формирующего социальный мир. Создавая план своего будущего, вам следует различать три вопроса:
- Что может произойти?
- Что скорее всего произойдёт?
- Что мы хотели бы видеть произошедшим?
В каком-то смысле, первое — наука, что в принципе может произойти. Второй — инженерное дело — какими были человеческие решения, результатом которых стало конкретное, случившееся будущее (а не другое из набора всех возможных будущих). Третье — этика, мораль, или любое другое слово, которым обозначают оценочные суждения. Важно рассмотреть все три вопроса и, если второе отличается от третьего — вам будет понятнее что следует сделать чтобы претворить в жизнь желаемое будущее, вместо того, чтобы позволить случиться неизбежному и разбираться с последствиями. Здесь становится понятно, что чаще всего лидеров от ведомых [/последователей] отличает именно наличие видения.
Стандартный процесс распределения знаний по факультетам, кафедрам, а также дальнейшая фрагментация на разные курсы, обращается сокрытием гомогенности знаний и пропуском того, что не соответствует содержанию конкретных курсов. А оптимизация этих курсов, в свою очередь, значит, что многие важные элементы практики инженерного дела пропускаются по причине несоответствия. Одна из целей этой книги — вспомнить и продемонстрировать многие из этих пропущенных тем, важных для Науки и Инженерного дела. Ещё одна цель — показать целостность всех знаний в совокупности, а не фрагменты, «всплывающие» по мере изучения индивидуальных предметов. В вашем будущем все имеющиеся у вас знания могут оказаться полезными; однако, если вы убеждены, что проблема находится в определённой области, вы будете склонны не использовать актуальную [полезную/относящуюся к делу/релевантную] информацию, узнанную из другого курса.
Центром содержания курса будут вычислительные машины. Причиной этого направления является не то, что я провёл большинство своей карьеры в областях Вычислительной техники и Конструирования ЭВМ. Просто мне кажется, что в скором будущем компьютеры займут доминирующее положение в ваших технических жизнях. На протяжении книги я несколько раз повторю следующие факты о превосходстве компьютеров над людьми в некоторых областях:
- Экономия — намного дешевле и продолжают дешеветь.
- Скорость — намного, намного быстрее.
- Точность — намного точнее.
- Надёжность — значительное превосходство (многие компьютеры имеют встроенные алгоритмы поиска и коррекции ошибок).
- Быстрота контроля — многие современные самолёты нестабильны и требуют ускоренного контроля бортовым компьютером для большей практичности.
- Свобода от скуки — чрезвычайное превосходство.
- Скорость передачи информации (в обе стороны) — опять же, чрезвычайное превосходство.
- Простота переобучения — требуется только сменить программу, а не выучивать новую информацию ценой человеческих времени и усилий.
- Неблагоприятные условия — в космосе, под водой, в научных областях с высоким радиационным фоном [возможная альтернатива (маловероятно): в полях сильного излучения], на поле боя, в заводских условиях с агрессивной средой и т.д.
- Кадровые проблемы — они доминируют в управлении людьми, но почти отсутствуют в управлении машинами; у машин нет пенсий, межличностных конфликтов, профсоюзов, отпусков по личным обстоятельствам, эго, умирающих родственников, потребности в отдыхе и т.д.
Полагаю, что перечислять преимущества людей над компьютерами нет смысла — почти каждый из вас уже внутренне не согласился с приведённым списком и начал подбирать их самостоятельно.
И наконец, в некотором роде, этот курс является религиозным — я проповедую о том, что вам в вашей жизни (а ведь она у вас одна) следует сделать серьёзный вклад в развитие человечества вместо того, чтобы с комфортом «плыть по течению»; что стремление к мастерству в какой-либо области само по себе является достойной целью в жизни. Мы часто слышим, что смысл заключается не в победе, а в борьбе — жизнь без борьбы за совершенство вряд ли стоит того, чтобы быть прожитой. Стоит отметить что это, конечно, мнение, а не факт, но оно основано на наблюдении жизней многих людей и рассуждении об их «совокупном» счастье, а не на импульсивных удовольствиях. Опять же, это мнение об их счастье безусловно является лишь моей интерпретацией, так как никто не способен в полной мере осознать жизнь другого человека. Многие люди, писавшие о «достойной жизни» соглашаются с этим мнением. Заметьте, что я оставляю выбор конкретных целей на пути к совершенству за вами, но заявляю, что жизнь без этих целей бессмысленна — она, суть, только существование (по моему мнению). В древней Греции Сократ (469 — 399) сказал:
Непонятая жизнь не стоит того, чтобы быть прожитой.
Продолжение следует...
Кто хочет помочь с переводом — пишите в личку или на почту magisterludi2016@yandex.ru
- Intro to The Art of Doing Science and Engineering: Learning to Learn (March 28, 1995) (в работе)
- «Foundations of the Digital (Discrete) Revolution» (March 30, 1995) Глава 2. Основы цифровой (дискретной) революции
- «History of Computers — Hardware» (March 31, 1995) (в работе)
- «History of Computers — Software» (April 4, 1995) готово
- «History of Computers — Applications» (April 6, 1995) (в работе)
- «Artificial Intelligence — Part I» (April 7, 1995) (в работе)
- «Artificial Intelligence — Part II» (April 11, 1995) (в работе)
- «Artificial Intelligence III» (April 13, 1995) (в работе)
- «n-Dimensional Space» (April 14, 1995) Глава 9. N-мерное пространство
- «Coding Theory — The Representation of Information, Part I» (April 18, 1995) (в работе)
- «Coding Theory — The Representation of Information, Part II» (April 20, 1995)
- «Error-Correcting Codes» (April 21, 1995) (в работе)
- «Information Theory» (April 25, 1995) (в работе, Горгуров Алексей)
- «Digital Filters, Part I» (April 27, 1995) готово
- «Digital Filters, Part II» (April 28, 1995)
- «Digital Filters, Part III» (May 2, 1995)
- «Digital Filters, Part IV» (May 4, 1995)
- «Simulation, Part I» (May 5, 1995) (в работе)
- «Simulation, Part II» (May 9, 1995) готово
- «Simulation, Part III» (May 11, 1995)
- «Fiber Optics» (May 12, 1995) в работе
- «Computer Aided Instruction» (May 16, 1995) (в работе)
- «Mathematics» (May 18, 1995) Глава 23. Математика
- «Quantum Mechanics» (May 19, 1995) Глава 24. Квантовая механика
- «Creativity» (May 23, 1995). Перевод: Глава 25. Креативность
- «Experts» (May 25, 1995) Глава 26. Эксперты
- «Unreliable Data» (May 26, 1995) (в работе)
- «Systems Engineering» (May 30, 1995) Глава 28. Системная Инженерия
- «You Get What You Measure» (June 1, 1995) (в работе)
- «How Do We Know What We Know» (June 2, 1995) в работе
- Hamming, «You and Your Research» (June 6, 1995). Перевод: Вы и ваша работа
Кто хочет помочь с переводом — пишите в личку или на почту magisterludi2016@yandex.ru
Комментариев нет:
Отправить комментарий