如何提升创新能力?

2021年 11月 2日17:33:16创业资讯评论40字数 4612阅读模式

为什么新思想新科技大多出自少数几个国家?其他国家的人几乎毫无贡献?甚至聪明勤奋的中国人也缺乏创新能力,导致被美国肆意霸凌。主要原因是基础认知的差异和普及,次要原因是市场激励的差异。我们要想提高国民的创新能力,除了搞好市场激励外,重点要向大众科普必要的基础认知,科学的基础认知可以启发和指导创新,大幅提高国民的创新能力。

如何提升创新能力?

世界的本源:

古希腊人就有原子的思想,认为物质最终由最小的原子构成,自然现象由基础规律演化而来。这种认知大大启发了欧洲人探索自然规律。现代科学已基本证明宇宙是从奇点演化出来的,奇点所含有的信息必然不多,由此演化出来的纷杂世界必然是以几个简单规则为基础,然后逐层推进。人类要想发现这些规则,可以通过分类研究自然现象,总结规律,然后整合规律,用更抽象更统一的概念描述,这个过程逐渐推进就可以最终接近那几个基本宇宙规则。

空间和时间:

自然界的维度可能很多,但人脑能感知到的只有空间和时间4个维度,进而形成几何和因果的直觉,在这些直觉的基础上总结出适合人脑理解和掌握的知识。从高维度的自然界到人脑的直觉,一定不是一一对应的关系,所以人脑总结的知识是凌乱的,很难统一,要想接近世界本源,必须超越空间和时间的维度,从更多维度上统一规律,放弃直觉理解。

这种认知能启发创造和理解多维理论,如弦论,M理论。

认知的过程:

人类的认知能力有局限性,我们首先是通过感官接触外界,把接收到的信息转化为电信号通过神经传入大脑,大脑是由800亿个神经元细胞连接构成的庞大网络。电信号的强度决定神经元上的突触接通和连接强度,并进一步决定下一条神经元上突触的接通情况,从而在庞大的神经元连接网络中形成独特的电流涟漪。只要接收的信息不同,形成的电流涟漪就会不同,这些独特的电流涟漪就是我们对外界的感性认识,我们再通过主动的方式把电流涟漪扩展到其他区域,建立更多链接,就形成了理性认识。从这个认知过程看,我们的感官能接收的信息是有限的,不是一一对应关系,信息转化为神经电信号是有局限的,不是一一对应关系,神经电信号激发的神经网络的电流涟漪也不是一一对应的关系。这些认知特点就会导致大脑对外界的认知失真。但即使大脑有如此的局限性,要想用人造语言完全描述和推理这些过程依然无法做到,所以总会有些不可言传只能意会的思想。用电脑完全模拟人脑也无法做到,人脑神经元间连通状态和强度有无限多样性,因素有:离子种类,离子浓度,电流大小。后两个因素都是连续变化的,大脑从信号输入到输出是模糊逻辑,相同的输入能产生万变的输出,大脑还可以主动连接网络,从而产生自由意志;而电脑程序构造的人造神经网络是以通和断两种状态为基本单元,是不连续的,这种不连续的逻辑网络运行一定是模式化的,输入到输出是严格逻辑,绝不会产生自我意识。

这种认知能启发和指导创建各种链接模型,实现部分大脑功能。如果有一天人类发明了能实现连续变化的接触器,并能把千亿个这种接触器互相链接起来,人工智能才能实现全部大脑功能。

知识的学习

知识是被人类整理过的,适合大脑掌握的,有用的,简化的,概括化的,结构化的,语言化的信息。语言是人类发明的,有一定的结构和语法,这些结构和语法会限制语言的表达力和应用力。例如:自然语言,描述和推理都有很多模糊性,容易造成错误,描述只能分段进行,一次不能含有太多信息;软件语言,每种都是针对某类问题有较好算法,其他问题很吃力或无法编程;数学语言,针对数量,符号,图形和集合,能较好地描述和推理,针对政治艺术道德方面问题就无能无力。所以任何知识都不能完整描述和推理真实世界,都是对真实世界的一种简化。在应用时要时刻注意不能教条化,一定要具体问题具体分析。如果问题较小,可以掌握所有细节,推理也不复杂,就要抛弃所有理论,用常识思考即可。

知识按大脑的处理方式可以分为记忆性知识,理解性知识和技能性知识。

记忆性知识的学习方法:分类,多感官参与,回忆,重复。

理解性知识的学习方法:体验现象和问题,抽象出概念,找出基本命题,亲自推导出所有重要命题,整理出完整命题体系,实践应用。

技能性知识的学习方法:分解技能,刻意练习,综合应用。

知识方面的认知能大幅提升知识的学习效率和应用能力。

逻辑推理:

逻辑是思维的规则,头脑中的逻辑是进化的产物,是外界最基本规律在意识中的反映。逻辑基本规则有同一律,矛盾律,排中律和充分必要律。遵循逻辑就可以推理或证明命题,如三段论推理是遵循同一律和充分必要律,归谬式证明是遵循矛盾律,数学演算是遵循同一律和充分必要律。

通过逻辑推理或证明可以保证命题的正确性和完备性,微积分的历史就体现这点:

通过穷竭法古代人就发现了特定曲线的斜率求法,通过斜率反求曲线的求法,曲线下面积的求法。针对简单曲线,这些求法都能较容易分析出来,但进一步推广使用就会产生各种混乱和悖论。为此必须从逻辑上证明严谨性和推导出通用方法,最终发明了极限和连续的概念才基本解决。我们学习微积分最好也应该是从简单曲线的斜率,反求和面积开始,然后进行扩展,最后才是严谨性证明和推导。如果开始就关注严谨性,仅仅连续统概念和极限定义就会使人犯晕。

公理化理论也是按逻辑推理建构出来的,公理化一方面保证理论的正确性和完备性,另一方面也方便我们记忆,理解和使用。但如果命题数量并不多,而且都能直觉理解,刻意的公理化就会带来理解和使用的障碍。

公理可以是常识性命题,也可以是在人造理论中的假设命题。以逻辑和公理为基础就可以推导出整套命题体系,形成某种理论,所有推导出命题都是公理的子命题,是在更多限制条件下的细化命题,但不要指望通过这种方式能推导出该领域所有命题,总有一些命题从公理中推导不出来,不能证实也不能证伪。

推理有自然语言推理和数学语言推理,前者容易犯错而且推理层次低,后者推理严谨而且推理层次深,能转化为数值符号图形和集合描述的,都要尽量用数学推导。

自然界在微观和宏观方面,人类感官接触不到,也感受不到,所以进化出的大脑逻辑就不一定适用微观和宏观的世界,如量子纠缠,量子隧穿和量子态叠加,这些现象完全不符合逻辑,我们也不应该用逻辑去解释它,只要拼凑出能描述的数学模型就足够了。

逻辑方面的认知能让我们提高推理能力,帮助创建和应用可靠的,公理化的知识体系。

科学研究:

科学是一套系统的,逻辑的知识体系,可以用来解释和预测现象。科学研究就是创建这套体系的过程。

自然学科方面,研究的过程是这样的,首先是明确针对的问题和现象,直觉感受和体验,抽象出概念和定义,构建简化模型,然后通过观察和实验总结规律,用数学关系式描述,必要时再做出一些假设,整理出基本命题,一般10个以内,能覆盖该领域的所有基础物理量和关系,接着用数学演算推导其他结论,最后是验证结论,验证通过就接受理论。科学理论不需要完全反映真实世界,只要能用来解释和预测现象,不产生矛盾,而且足够简单,能够被人脑掌握和应用就行。为此,科学需要人为创造一些容易掌握的概念和定义,要尽量统一,尽量概括,尽量用更简单的命题描述更基本现象,尽量用更简单的公式描述更基本规律。

社会学科研究方面,和自然学科类似,差异点是基本命题会随着伦理,立场和价值观不同而变化,推理上也更多地使用自然语言推理,推理层次低,难度低,错误多。为了公理化庞杂的命题,必须做出各种限制和假设,如经济学的理性人假设,历史学的时间跨度拉长,政治学的价值观追求,这些限制和假设在具体的事例上,往往并成立,所以社会科学最忌讳教条化,历史上的伟大政治决策常常是基于事实和常理判断,不使用任何理论。

有这些认知后,普通人对科研也会有信心。

技术研发:

技术是利用物理化学效应和几何原理实现某种功能,这些技术要尽量模块化,标准化,参数化,应用时只需选择即可,不需了解实现细节。例如各种传感器,放大器,伺服器,软件中的函数库等。

各种效应和转换原理要事先整理好,包括转换函数,应用范围,精度大小,限制条件,成本大小等,例如:力电转换,光电转换,功率放大,变压,变速,变向,计数,力传导,正反馈,负反馈,电信号转换,光信号转换,位置记忆和复位,物质聚合和转化等。

在研发时可以从目标和限制条件出发反向推导,一步一步做出选择,解决或隔离矛盾,复杂的可以借助数学和软件工具降低筛选和判断难度,之后就是不断地实验,优化和集成,多次迭代后就能研发出满意产品

政府要尽量制定更多技术标准,完善标准件手册和知识库,企业要尽量把产品标准化,部件标准化,技术文件手册化,研发人员要做好分工,个人只专注于特定领域,做出的东西要函数式的封装,别人不需要了解细节和原理就可以方便使用,每个层次的研发只需在本层次思考,不需了解其他层次的问题,每个层次的研发都尽量总结出简单易用的方法论。

例如研发复杂设备,首先从应用要求出发,推导出主参数,然后是方案设计,主要部件设计,零件设计,层层推进,要做到每一步的工作都简单,每个人负责的事情都容易。

繁琐,重复的东西尽量让电脑去做,如计算,仿真,筛选,判断等,人只做创造和决策的工作。

随着AI技术的发展,电脑技术要更多地使用起来,过去是用触发器和传感器判断状态,机械装置,继电器和PLC实现简单场景的自动化,今后要增加图像识别和语音识别的AI判断状态,电脑实现复杂场景的智能化。在人机交互上,过去是通过手柄,键盘和屏幕,今后要增加通过语音,手势和脑机接口,实现更高的人机交互效率。

技术研发方面的认知可以提高研发效率,让普通人也能从事研发工作。

工艺设计:

工艺是产品加工的方法,设计的原则是加工难度要小,成本要低,精度足够,误差累积尽量避免。

要想加工出高精度的东西,必需要原料稳定,设备精确和稳定,然后以低误差累积和低成本为目标选择加工方法。

例如要加工出同轴性好的电机外壳,两端的轴承孔必需在一次定位下加工,换刀不换位,一次性把两端的孔车削出来,要做到精度更高,还需要材料稳定,硬度误差小,机床刚度高,刀具磨损慢,后续热处理标准化,工人经验足等。

再比如烧蚀芯片电路,烧蚀部分极其微小精细,烧蚀过程中如果有移动就会产生误差,所以就采用投影的方式烧蚀,烧蚀中不需芯片和光源移动,把需要烧蚀的部分放大n倍后做成光栅,用紫外线照射光栅,然后用凸透镜缩小n倍投射到覆膜芯片上,这样就烧蚀出超微的芯片电路,完全规避移动误差,精度只取决于紫外线波长和凸透镜精度。

当然,大多数时候误差无法规避,如果最终能调校或修正,前期少量误差累积是可以允许的。比如轮子:最终可以通过打孔修正质心偏移,所以加工和装配过程中可以允许少量误差累积。设备的最终调校也是这个道理。

工艺设计的方法是比较和筛选,要熟悉各种定位方法,夹紧方式和刀具类型,要掌握各种加工方法的适用范围,精度大小,限制条件和成本大小。在头脑中在文件中甚至在电脑软件中,把这些加工方法尽量标准化,参数化,设计工艺时只要比较和筛选即可,简单的用人工选择,复杂的用电脑选择。

工艺设计时一定要清楚图纸要求和场景应用要求,很多应用要求在图纸上并没有体现,但常常在设计工艺时更为重要,所以工艺设计人员一定要清楚部件的使用场景。

另外,复杂工艺在最细化的操作知识很难传授,只存在工人的经验中,老工人老师傅非常宝贵。

工艺方面的认知可以帮助我们制造出高精尖产品。

总之,创新并不难,科技巨匠们并不神秘,只要保持对外界的好奇心,有正确基础认知的启发和指导,小国寡民也会有创新能力,也能做出伟大的发明和创造。

  • 版权声明:
  • 本文内容由互联网用户自发贡献,本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 295052769@qq.com 举报,一经查实,本站将立刻删除。