作者AmosYang (泛用人型编码器)
看板Soft_Job
标题[心得] 「怎麽样算(好)问题?」
时间Tue Nov 26 03:43:50 2019
之前谈到「好的求职作品能展现你『解决问题,创造价值』的能力与实绩」 [1]
,就有乡民提道:「解决问题还好,发现问题才难」。
> 推 nekosgr93: 推 我觉得写作品本身还好 找问题这件事才是最难的
这篇我想谈「好问题」,但与《提问的智慧》 [2] 的「好问题」不同。
《提问的智慧》主张的是「能激发知性智识成长的,就是好问题」,我想谈的是「
有价值、能交换利益的,叫做好问题」,也就是偏向「功利」的考量,去思考如何
做到「价值大於成本」。
# 知识落差的价值:计算思维(computational thinking) [3] [4]
整理自维基百科对「计算思维」的说明:
* Abstraction 抽象化/定义问题
* decomposition 解构问题、降低复杂度
* pattern recognition / data representation 识别问题模式/资料表示方法
* generalization/abstraction 归纳/抽象思考
* algorithms 演算法
* Automation 自动化/实作解决方案
* Analyses 分析/执行、改善解决方案
上面提到的3A(抽象化、自动化、分析/执行/改善)可说是码猴特有的三合一
优势;一般人多少也能做到抽象化、分析/执行/改善,但「自动化」有个程式语
言门槛,一般人常卡在这里,它们的方法再好,最後还是要手动去做。
从功利角度来说,你不需要是世界最强码猴,你只需要找到从「自动化」知识落差
套利的机会即可。易言之,可以从生活中工作上各种体验着手,把事情纪录下来,
拆解成小步骤,看看可以怎麽用自动化省时省事省麻烦(省成本)、做出来的结果
更一致整齐(增加价值)。
# 计算的成本:莫拉维克悖论(Moravec's paradox) [5] [6]
莫拉维克悖论的大意是:「有些问题很适合用电脑处理,有些很不适合」。进一步
说:「愈是高度抽象思维的问题,就可能愈适合用电脑处理;愈是人体感官、肢体
运动相关的问题,就愈难用电脑处理」。
Moravec 解释这背後的哲理是:「人脑处理感官、肢体运动的能力,是十亿年基因
演化的成果;相较之下,抽象思考只是十万年文化演化的成果」。易言之,两边的
级数差很多,难度不同。
把这个道理应用在「价值与成本」这个题目上,就是要去检视哪些部分是「高度抽
象思维的问题」,哪些部分是「人体感官(情绪、感性)、肢体运动相关的问题」
。与「人体感官、情绪、感性、肢体运动」相关的部分愈多,一般来说,就愈不容
易去利用 *传统* 自动化方法降低成本。(而现今 2019 年的AI工具门槛还是不
低,对一般码猴来说能套利的空间有限。)
另一个要考量的,就是「计算的限制」 [7] ,虽说 RAR 的密码可以找 yo叔 破
,但在计算科学上还是有些目前打不破、难以突破、尚无人能破的科学之壁,有兴
趣可以看 "limits of computation" [7] 的讨论。
# 价值与成本:市场、推销、产品、技术
以下两则漫画讽刺「过分专注於产品、技术」的问题。
*
https://xkcd.com/1319/ 上图是理想状况,自动化会省时间;下图是现实情况
,花在开发自动化方案的预算大幅透支。
*
https://xkcd.com/1445/ 花在「分析方法A与方法B哪个好」的时间成本远超
过实作方法A或B的时间。
这则漫画则是展示「价值与成本」的思维,也就是先思考「市场」的潜在价值,再
想想值得投入多少成本、预算。
*
https://xkcd.com/1205/ 以5年来看,自动化要省多少时间才划算?
* 横轴:你手动做这件事的频率,每天 50 次/每天5次/每天1次/每周1次
/每月1次/每年1次
* 纵轴:自动化可省多少时间,1秒/5秒/30秒/1分/5分/30分/1小时
/6小时/1天
例如,如果自动化可以让一件「1周1次」的事省下「1小时」,那麽,以5年为
期,就会省下
1 次/周 * 5 年 * 52 周/年 * 1 小时/次 * 1 天/24小时 = 10.8 天
在这个模型下,若花小於 10.8 天去实作这自动化,那就有价值;若花超过 10.8
天去做,那就是亏本。
从「价值杠杆」的角度来看:
市场(market) > 推销(marketing) > 产品(product) > 技术(technology)
从市场去套利,会比从产品、技术着手来得简单;但由技术出身的码猴有时很难突
破这个心障,也就是所谓「当手上只有槌子时,每个问题看起来都像钉子」 [8]
。
你不需要去找世界第一大的市场,但你至少要能分辨你手上能处理的问题中,市场
总额 [9] 的相对大小,去判断哪些问题的套利空间大。
## 推销
这个题目很大,我也还不是很懂,还要再多学、多整理我的想法;有兴趣的话可以
看看这些东西:
* value proposition
*
https://lloydmelnick.com/2014/07/23/why-a-new-product-or-game-has-to-be-9x-better/
*
https://heathbrothers.com/books/
* 之前贴过的旧文连结,「如何测量及展示你造成的正面影响」
*
https://www.facebook.com/30abysses/posts/2853523934672727
*
https://www.facebook.com/30abysses/posts/2862654977092956
可以把这门学理想成「如何呼叫人类大脑的 API ,让它做你想要它做的事」,也
就是所谓「说服(persuade)」。
# 价值与成本:工欲善其事,必先利其器
市面上已经有许多 CRUD 框架,已经能应付大部分资讯自动化的问题。在这里我想
提的是比较少人谈论的,解决问题的观念、思维上的工具,例如:
* 限制理论(theory of constraints) [10] [11]
* 系统思考(system thinking) [12] [13] [14]
* 双钻(double diamond) [17]
这类工具可以更细致地解构问题,抓出套利空间,掌握关键价值、成本的瓶颈。
就软体工程方法、思维来说,这里不谈敏捷、TDD一类的,但我会建议读一读「
r/K选择理论」 [15] [16] (英文版谈得比较详细),从自然中的例子反思不
同工法在「演化、叠代」(试误、取得意见回馈、修正)上的差异,不同工法的价
值与成本。
# 结语
就码猴来说,怎麽样算好问题?可以答「适合以3A优势套利的问题、自动化成本
小於手动成本的问题」。
那麽,要如何找到好问题?我会说,放下产品与技术,去接触市场,也就是「愿意
付钱解决它痛点的买家」,看看那痛点是怎麽个痛法,例如,费神、麻烦、慢、贵
、危险。再从这篇文提到的各种解析价值与成本的角度,估计套利空间,做出解决
方案,完成交易。
[1]:
https://webptt.com/cn.aspx?n=bbs/Soft_Job/M.1574024530.A.45E.html
[2]:
https://ryanhanwu.gitbooks.io/how-to-ask-questions-the-smart-way/
[3]:
https://zh.wikipedia.org/zh-tw/%E8%AE%A1%E7%AE%97%E6%80%9D%E7%BB%B4
[4]:
https://en.wikipedia.org/wiki/Computational_thinking
[5]:
https://zh.wikipedia.org/zh-tw/%E8%8E%AB%E6%8B%89%E7%B6%AD%E5%85%8B%E6%82%96%E8%AB%96
[6]:
https://en.wikipedia.org/wiki/Moravec%27s_paradox
[7]:
https://en.wikipedia.org/wiki/Limits_of_computation
[8]:
https://zh.wikipedia.org/zh-tw/%E5%B7%A5%E5%85%B7%E8%A7%84%E5%BE%8B
[9]:
https://en.wikipedia.org/wiki/Total_addressable_market
[10]:
https://en.wikipedia.org/wiki/Theory_of_constraints
[11]:
https://zh.wikipedia.org/zh-tw/%E9%99%90%E5%88%B6%E7%90%86%E8%AB%96
[12]:
https://thesystemsthinker.com/systems-thinking-what-why-when-where-and-how/
[13]:
https://en.wikipedia.org/wiki/Systems_theory
[14]:
https://en.wikipedia.org/wiki/System_dynamics
[15]:
https://zh.wikipedia.org/zh-tw/R/K%E9%80%89%E6%8B%A9%E7%90%86%E8%AE%BA
[16]:
https://en.wikipedia.org/wiki/R/K_selection_theory
[17]:
https://en.wikipedia.org/wiki/Double_Diamond_(design_process_model)
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 136.56.13.184 (美国)
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Soft_Job/M.1574711044.A.1E1.html
※ 编辑: AmosYang (136.56.13.184 美国), 11/26/2019 03:50:45
补充:这里说的「套利」的「利」不见得是钱、金额(当然,若能换算成钱、金额
是很好,那是一个相对容易评量比较的基准),而是说,要去思考每一个选择背後
的利益与成本、它的市场何在、什麽样的人会愿意买帐。
※ 编辑: AmosYang (136.56.13.184 美国), 11/26/2019 04:16:23
1F:推 umum29: 你的文都是好文 感谢 11/26 04:24
2F:推 landlord: 专业好文 11/26 08:05
3F:推 onegoman: 推。 11/26 09:31
4F:推 ian90911: 推 11/26 10:18
5F:推 onlyeric23: 推 11/26 12:17
6F:推 bowin: 推Amos好文! 11/26 12:44
7F:推 tsai1618: 推 11/26 20:45
8F:推 Panpipe: 深夜推个好文,赞! 11/26 23:33
若有问题、意见指教,欢迎提出 :)
※ 编辑: AmosYang (136.56.13.184 美国), 11/27/2019 00:25:55
9F:推 maxqq: 热 这种感受,在某部分上应该是抽象概念 11/27 13:10
10F:→ maxqq: 我反而觉得越是能够量化的,反而越适合电脑处理 11/27 13:12
11F:→ maxqq: 我想应该是文字上感受度的不同 11/27 13:12
12F:→ maxqq: 如果哪天冷热、情绪等问题,可以被量化,那就突破了一个 11/27 13:13
13F:→ maxqq: 级距。 11/27 13:14
14F:→ maxqq: 因为冷、热,有分成体感温度跟实际温度。 11/27 13:14
是的,这里的「量化(quantify)」,还有「质化(qualify)」 ,即是3A中的
abstraction 这一层,而我们就卡在「对目前的科学来说,许多人类
感官(sensory) 的运作机制仍充满问号」,所以很难去量化或质化那些层面。
15F:推 soappp9527: 深度好文 每篇参考文章都值得认真啃 11/27 16:57
若有问题、意见指教,欢迎提出。 :)
这些东西在学校的「本科课程」不太会谈到,适合在这里多聊聊。
※ 编辑: AmosYang (136.56.13.184 美国), 11/28/2019 02:28:28