خانه تکنولوژی
معرفی تکنولوژی روز دنیاخانه تکنولوژی
معرفی تکنولوژی روز دنیاماشین ها و جادو: آموزش کامپیوتر برای نوشتن هری پاتر
ماشین ها و جادو: آموزش کامپیوتر برای نوشتن هری پاتر
منبع : http://nicolesnovelreads.blogspot.com/2015/12/ranking-harry-potter-books-and-films.htmlمن فی نفسه چیزی در برابر نمایش ندارم. من همانقدر برای هری پاتر و کودک نفرین شده بسیار هیجان زده هستم که هزاره بعدی که شبها از پنجره بیرون خیره شده بود و منتظر نامه آنها از هاگوارتز بود ، بسیار هیجان زده شد ، اما با آنچه می توان تصور کرد تحویل جغد ناکارآمد است گمراه شد. سرویس. فقط چیزی در مورد جادوی کتاب ها وجود دارد که دست نیافتنی به نظر می رسد - غیر قابل تکرار.
با توجه به گفته های من ، به افتخار نمایشنامه آینده ، سعی می کنم کمی از این جادو را بازسازی کنم.
مدل های زبانی جنبه ای اساسی در پردازش زبان طبیعی (NLP) هستند که سعی می کنند توزیع احتمالی را در دنباله های کلمات بیاموزند ، به گونه ای که - با توجه به سابقه متن قبلی - بتوانند جملات جدید ، یک کلمه در یک زمان ایجاد کنند. ، کاملا از ابتدا در دنیای واقعی ، آنها در همه چیز از تشخیص گفتار گرفته تا بازیابی اطلاعات استفاده می شوند. در دنیای ما ، آنها به ما در بازنویسی هری پاتر کمک می کنند.
بخش بعدی به بررسی اجمالی جادوی پشت شبکه های عصبی ، LSTM و جاسازی کلمات که ما را تشکیل می دهند ، می پردازد. مدل زبان ، و پس از آن ما مستقیماً وارد The Good Stuff می شویم.
یادگیری عمیق برای مدل سازی زبان
من سعی می کنم این توضیحات را در سطح بالا و تا آنجا که ممکن است غیر فنی باشد ، بنابراین هرکسی که از قبل با این نظریه آشنایی دارد (یا علاقه ای به آن ندارد) می تواند با خیال راحت از این بخش صرف نظر کند.
یادگیری ماشینی 90 درصد از معجزات تکنولوژیکی را که در اطراف می بینید و می شنوید ، تقویت می کند. هر روز ، از جمله اتومبیل های خودران ، Siri ، تشخیص تقلب در کارت اعتباری ، موتورهای توصیه آمازون و Netflix ، و اخیراً حتی خود گوگل را نیز جستجو کنید. البته ، تقریباً 100٪ از این سیستم ها شامل مواردی فراتر از یادگیری ماشین می شود ، اما بعداً به آن می پردازیم. الگوریتمی که در اصل برای تقلید از مغز انسان طراحی شده است: سیگنال های ورودی ، سلول های عصبی که به این سیگنال ها واکنش نشان می دهند و خروجی هایی که اطلاعات را به سایر نورون ها منتقل می کند.
یک شبکه عصبی وانیلی. منبع: http: //cs231n.github.io،/neural-networks-1/ در علوم کامپیوتر ، این به مجموعه ای از مقادیر ورودی ، یک یا چند لایه مخفی برای نگهداری محاسبات متوسط ، ترجمه می شود ، لایه خروجی و یک سری وزنه که هر نورون را از یک لایه به لایه دیگر متصل می کند. این وزنه ها ، که از داده ها توسط رایانه "آموخته می شود" (در فرایند آن وارد نمی شوم ، اما در اصل نسخه ای از حدس و بررسی + حساب است) ، قرار است اهمیت هر نورون را با احترام نشان دهد. تا در نهایت تصمیم درست را اعلام کند یادگیری عمیق ، که اخیراً با عنوان "آینده هوش مصنوعی" مورد توجه قرار گرفته است ، واقعاً شامل انواع مختلف شبکه عصبی اساسی با چندین لایه پنهان است.
بله ، می دانم. عمیق به معنای عمیق است - بسیاری از لایه های پنهان. خودشه. هر دوی ما می توانیم خودروهای خودران خود را بسازیم.تعدادی از محدودیت های مهم به عنوان مثال ، فقط می تواند با ورودی و خروجی با طول ثابت کار کند. با این حال ، تعداد زیادی از وظایف را نمی توان با آن محدودیت ها بیان کرد. برای مثال ترجمه ماشینی را در نظر بگیرید-چگونه باید جملات ورودی و خروجی با طول متغیر را به دو زبان مختلف در نظر بگیریم و آنها را در یک شبکه عصبی معمولی قرار دهیم؟
پاسخ: ما اینطور نیستیم. اینجاست که RNN وارد شده است.
RNN یا شبکه های عصبی مکرر برای رفع این نقص دقیق طراحی شده اند. توالی مدل RNN در اساسی ترین سطح خود: مجموعه ای از تصاویر ، صداها ، کلمات و غیره ، جایی که (1) ترتیب نمایش هر عنصر در سری اهمیت دارد و (2) محاسبه یکسان روی هر عنصر انجام می شود .
در نتیجه ، RNN دقیقاً شبیه یک شبکه عصبی معمولی است ، مگر با یک "حلقه" مستقل در لایه مخفی که محاسبه را برای هر عنصر تکرار می کند.
شبکه عصبی مکرر ، در طول زمان باز می شود (راست). X منبع: http://colah.github.io/posts/2015-08-Understanding-LSTMs/محاسبه نورون در هر مرحله نه تنها ورودی ها و وزنهای فوری را در نظر می گیرد ، بلکه تاریخچه ورودی ها و محاسبات گذشته ، به منظور تعیین مرحله منطقی بعدی. (اگر علاقمند هستید ، این دانشمندان MIT را که با پیشگیری از نظریه بیگ بنگ و دفتر ، مدل پیش بینی رفتار انسان را آموزش داده اند ، بررسی کنید. و فکر می کنید بعد از کار حوصله تان سر رفته است.)
با استفاده از RNN ، که می تواند در طول زمان "محو" شود تا محاسبات را در هر تکرار لایه (های) پنهان انجام دهد ، در نهایت می توانیم ساخت مدل زبانی خود را آغاز کنیم. آنچه من در واقع از آن استفاده کردم یک LSTM (حافظه کوتاه مدت بلند) RNN بود ، نوعی از مدل اصلی RNN که برخی از کاستی های اساسی آن را در برخورد با توالی های طولانی (به عنوان مثال شیب ناپدید شدن و انفجار) برطرف می کند. من قصد ندارم در اینجا به آنها بپردازم ، اما پست وبلاگ colah در مورد آنها کاملاً فوق العاده است. در اصل ، هر واحد توسط مجموعه ای از دروازه های "ورودی" ، "فراموش کردن" و "به روز رسانی" تنظیم می شود که به شبکه اجازه می دهد جریان اطلاعات را کنترل کند.
جاسازی کلمات
قبل از پرداختن به برخی از متن های سرگرم کننده که مدل زبان هری پاتر ایجاد کرده است ، می خواهم به طور مختصر در مورد یکی از بخشهای جالب پروژه صحبت کنم: جاسازی کلمات.
ایده ساده است. جمله ای را که می خواهیم به مدل خود وارد کنیم ، در نظر بگیرید: "هری از تخت بلند شد." برای اینکه دستگاه آن را به عنوان ورودی پردازش کند ، هر کلمه باید به نوعی معادل عددی منحصر به فرد کدگذاری شود. یک رویکرد ساده لوحانه این است که به سادگی تمام کلمات موجود در واژگان منبع را یک به یک شمارش کنید ، یعنی "هری" = 1 ، "got" = 2 و غیره. با این حال ، همانطور که می توانید تصور کنید ، این امر بسیاری از اطلاعات نحوی را حذف می کند. در مورد کلمات و روابط بین آنها با این رویکرد ، "هری" به همان اندازه از "رون" متمایز است که "هری" برای "پرواز" است.
راه حل؟ هر کلمه را در یک فضای بردار آموخته و با ابعاد بالا قرار دهید ، جایی که کلمات از نظر معنی به هم نزدیک هستند ، به همین ترتیب در فضای بردار نزدیک هستند. به عبارت دیگر ، کامپیوتر را آموزش دهید تا به طور محاسباتی معنی کلمات را درک کند.
این جاسازی ها عبارتند ازهمچنین توسط یک شبکه عصبی ، با استفاده از معماری CBOW (کیسه پیوسته کلمات) یا پرش از گرامر ، آموخته شده است و در هر صورت نتایج بسیار شگفت انگیزی به ما می دهند. به عنوان مثال ، حتی یک فرد ابتدایی قادر است معناشناسی روابط و کثرت جنسیت را به تصویر بکشد:
جاسازی کلمه در فضای بردار همانطور که در یک فضای کم بعدی تجسم شده است. منبع: http://datascientistdiary.blogspot.com/در مدل زبانی زیر ، هر کلمه از هفت رمان هری پاتر به یک جاسازی با ابعاد بالا تبدیل شد که به موازات پارامترها آموخته شد- یا وزنه - در حین تمرین.
مطالب خوب
اگر قسمت قبلی را رد کرده اید (یا به احتمال زیاد خواندن آن را شروع کرده اید و حوصله تان سر رفته است) ، در اینجا دوباره خواندن را شروع می کنید.
دو ویژگی خاص این قطعه از متن وجود داشت که یادگیری آن را بسیار مشکل می کرد:
… و…
بنابراین ... بله. همانطور که گفتم ، جی کی رولینگ به این زودی جایگزین نمی شود.
با توجه به مشکلاتی که در بالا ذکر کردم ، چند مورد وجود دارد که مدل بسیار خوب انجام داد:
(+) این سبک کلی نگارش را انتخاب کرد (البته بدون اینکه بتوانم واقعاً بنویسم). توزیع طول جمله ، طول پاراگراف ، ساختارهای گفتگو ، موجودیت ها و حتی نحوه معرفی و بسته شدن دیالوگ ("هرمیون با صراحت گفت" یا "با عصبی از هری پرسید") همه به درستی تکرار شده است.
(+) گرامر (نوعی) آموخته است. به طور خاص ، جملات-در حالی که غالباً از نظر معنایی مضحک هستند-به طور کلی بسیار نزدیک به نحو درست هستند (به عنوان مثال انتخاب کلمه اشتباه اما بخش صحیح گفتار). به به طور خاص ، این قسمت ایجاد شده را بررسی کنید:
به احساس عمومی و لحن پشت گذر توجه کنید ، و به کلماتی که به آن کمک می کنند توجه کنید. "صورت سرد و کم رنگ" ، "صدای خشن" ، "لرز" ، "صدای تکان دهنده" ، "وحشتناک" ، "دوست نداشتن زیاد" ، - همه آنها بسیار شوم ، درست است؟ به عبارت دیگر ، دستگاه یاد گرفته است که لحن خاصی از کلمات را حداقل تا حدی تفسیر کرده و حفظ کند.
البته از سوی دیگر ، مدل دارای چندین اشکال آشکار است: /p>
(-) بیشتر آن معنی ندارد. *Shrug*
(-) مدل حافظه بلند مدت قابل تشخیص ندارد. به این معنا که حتی وقتی جملات معنا پیدا می کنند ، برای تشکیل یک داستان دور هم جمع نمی شوند. در حالی که RNN ها از لحاظ نظری قادر به ساختن توالی هایی با هر طول هستند (اگرچه این مدل خاص در طول ورودی پنجاه کلمه محدود شده بود) ، حتی نوع LSTM نمی تواند حس طولانی مدت کافی برای ساختن "رویدادها" را به شیوه ای منسجم به تصویر بکشد. .
(-) مدل ضمایر و مقدمات را نمی فهمد. بسیاری از مسائل مربوط به "خود ارجاع" وجود دارد ، مانند:
پس این همه به چه معناست؟
تصادف اشتباه است ، من می دانم. منبع: https://memegenerator.net/instance/38831271داستان کوتاه: تولید خودکار متن سخت است.
جدا از دریافتاین پروژه برای تولید برخی از متن های بسیار خنده دار به سبک نویسندگان مشهور (به عنوان مثال وقتی در شکسپیر آموزش دیده بود ، همان مدل لورد ویلوبی را از لوسنتیو به عنوان "آقا ، الاغ مهربان من" یاد می کرد) ، این پروژه به عنوان یک مطالعه موردی خوب عمل می کند. برای برخی از موانع اساسی در هوش مصنوعی مدرن امیدوارم در پست بعدی با آنها آشنا شوم ، اما در عین حال ، کد این پروژه در اختیار شما قرار می گیرد ، که می توانید از آن برای تکرار مقدار بی نهایت متن نامفهوم هری پاتر در اوقات فراغت خود استفاده کنید.
تشکر فراوان از پست اصلی وبلاگ شرجیلوزیر و آندره کارپاتی در مورد این موضوع به عنوان الهام. برنامه نویسی مبارک و درود بر J. K. Rowling.
از خواندن آن لذت بردید؟ روی ❤ زیر کلیک کنید تا آن را به سایر خوانندگان علاقه مند توصیه کنید! > img src = "https://cdn-images-1.medium.com/max/426/1*Mro-phkgJv4rZQ223OYosA.jpeg"> 
طراحی و هنر نگهداری موتورسیکلت
طراحی و هنر نگهداری موتورسیکلت
انیمیشن توسط گوستاوو تورس (kidmograph) کتابی وجود دارد که من یکبار خواندم: ذن و هنر نگهداری موتورسیکلت نوشته رابرت پرسگیگ. و اتفاقاً من هم موتور سوار می شوم. من قبل از اطلاع از کتاب سوار شدن را شروع کردم. پدرم خواندن آن را توصیه می کرد ، اما به عنوان یک تقلب 20 ساله ، من آن را پرهیاهو ، خسته کننده و بی فایده برای کارم بدون اینکه حتی چند صفحه را ورق بزنم ، نامیدم. سالها بعد وقتی سرانجام آن را خواندم ، متوجه شدم که بیشتر چیزهایی که در مورد خودم و جهان از طریق طراحی و راندن موتورسیکلت یاد گرفته ام ، همیشه در کتاب وجود داشته است.
دوستی که به من یاد داد چگونه سواری یکبار گفت: "هنگامی که در یک صندوقچه چهار چرخ رانندگی می کنید ، به آن متکی هستید تا در صورت بروز مشکل ، شما را نجات دهد. وقتی سوار موتورسیکلت هستید فقط به خودتان تکیه می کنید. " او گفت من باید مثل یک فرد پارانویاک فکر کنم - گویی همه در راه به طور فعال در حال تلاش برای کشتن من هستند. موارد زیادی وجود دارد که توهم ایمنی را در جاده ها ایجاد می کند ، اما سواران نمی توانند به این توهمات بیفتند. ما باید هوشیار باشیم و دائماً جریان در حال تغییر در جاده را مشاهده کنیم.
هرج و مرج زیادی در جاده وجود دارد. اتومبیلها مسیر خود را عوض می کنند ، شتاب می گیرند و سرعت خود را کاهش می دهند ، همه چیز در هر ثانیه به طور چشمگیری تغییر می کند. الگوهای رانندگی بسیار غیرقابل پیش بینی هستند - ممکن است هنگام تلاش برای حدس زدن این که کدام خط در ترافیک سریعتر حرکت می کند به این نکته توجه کرده باشید. نظارت بر هرج و مرج محدود است - در صورت وجود - قوانین یا قوانین واقعاً قابل اعتماد در جاده ها. مردم دائماً کارهای تصادفی انجام می دهند. این ترسناکه. به همین دلیل است که بسیاری از مردم از رانندگی متنفر هستند ، درست است؟
بنابراین من می خواهم داستانی را در مورد شباهت هایی بین موتور سواری و طراحی محصولات برای شما تعریف کنم: آنچه در مورد شناخت ، شهود و تکامل در آن آموخته ام. این گرداب ثابت آنتروپی را ما زندگی می نامیم.
احتراق داخلی
من با هرج و مرج رابطه پیچیده ای دارم. من به عنوان یک کمال طلب غیرقابل تحمل و پایبند به قوانین بزرگ شده ام. من فقط دوست داشتم وقتی همه چیز مرتب می شد ، زمانی که دنیای اطراف من مرتباً در دسته ای از جعبه ها و قفسه ها در سرم قرار می گرفت. عشق با ماتریس ترازش خیلی منطقی بود! من فکر می کردم می توانم فوراً افراد بد را از بچه های خوب ، افراد شرور را از صلیبیون مقدس تشخیص دهم. بعد این را به مادربزرگم گفتم. او کتاب را با دقت از طریق عینک ضخیم لبه دار شاخ خواند و گفت: "این مزخرف است! چگونه ممکن است کسی خوب آشفته باشد؟ هرج و مرج بد است ، درست است؟ بد است! » من در آن زمان با او موافقت کردم و 20 سال آینده را صرف سازماندهی ، ساختاربندی ، تعریف ، برچسب گذاری و طراحی دنیای اطرافم کردم. من به عنوان یک طراح ، با به دست آوردن مهارت خود - با همه قوانین ، ابزارها و بهترین شیوه هایی که در طول این سالها تسلط داشتم - با هرج و مرج مبارزه می کردم. اخلاق طراحی - نحوه یادگیریتا با فناوری به خوبی اجتماعی تبدیل شود. جامعه کند است ، بنابراین ایجاد اجتماعی به معنی درک پیامدهای آینده است ، نه فقط نیازهای امروز. این مربوط به پیش بینی آینده است. و من یاد می گیرم که این امکان پذیر است ، اما فقط در حد محدود. در حقیقت ، من برعکس احساس کردم: هرچه بیشتر در حال ساختن چیزها باشم ، بیشتر با ناامیدی با هرج و مرج مبارزه می کنم ، سخت تر می شود. همه قوانین و دستورالعمل هایی که برای آینده ترسیم می کردم مرا مضطرب و بی حوصله می کرد - من می خواستم آن آینده اتفاق بیفتد ، زیرا سلام ، من قبلاً آن را ترسیم کرده ام! همه چیز در اطراف من به سرعت در حال تغییر بود و من می ترسیدم که استراتژی های من به سرعت انجام نشود. من سعی می کردم با ایجاد استراتژی های دقیق تر ، قوانین و دستورالعمل های بیشتر با هرج و مرج مبارزه کنم ، اما این فقط باعث ترس بیشتر شد. از ابهام و پیچیدگی دنیای پیرامون می ترسیدم. من از هرج و مرج می ترسیدم.
هرج و مرج ناشناخته است. به همین دلیل مادربزرگم آن را دوست نداشت. شناخته شده و سازماندهی شده خوب ، ناشناخته و آشفته ترسناک و بد است. یک لحظه به آن فکر کنید ؛ اگر "نظم" یک چیز نیست؟ اگر ما به طور تکاملی طوری برنامه ریزی شده باشیم که بدون هیچ دلیلی به دنبال الگوهایی در هر چیزی باشیم تا احساس امنیت بیشتری داشته باشیم؟ اگر این کل مفهوم "نظم" فقط یک سیستم هشدار منسوخ باشد ، که در خلوت مغزهای رشد کرده ما جوش می زند؟ می ترسد بیهوده که آیا یک شکارچی در کمین این نزدیکی است. نکته جالب این است که اگر شکارچی به نور پا می گذاشت ، به هر حال اجداد ما به هر حال خورده می شدند. اما حداقل آنها می دانستند! به نحوی ما "شناخته شده" را با "خوب" مخلوط کرده ایم ، و بنابراین هر چیزی ناشناخته در معرض تجزیه و تحلیل و دسته بندی فوری است.
ترس ما از هرج و مرج در ایجاد مفهوم "نظم" - دانش سازمان یافته - ظاهر می شود. به ما شروع به جمع آوری خاطرات خود و دسته بندی آنها در قوانین و قوانین کرده ایم. ما برچسب هایی به جهان ترسناک اطراف می زنیم تا آن را ایمن تر و قابل پیش بینی تر کنیم. اما همه چیز در ذهن ماست این برچسب ها واقعی نیستند ، آنها فقط بر اساس دانش محدود ما هستند و هرج و مرج را ایجاد نمی کنند - تغییر مداوم در همه چیز.
س realال واقعی در مورد قوانین و قوانین و به طور کلی سفارش این نیست که آنها وجود داشته باشند یا نه. س questionال اصلی این است که چگونه انتخاب می کنیم که آنها را اعمال کنیم. چگونه زندگی ما را به خاطر آنها انتخاب می کنیم و چگونه زندگی دیگران را تحت تأثیر قرار می دهیم؟
جنیفر جزیورا یکبار موضوعی شگفت انگیز در مورد دو نوع اخلاق شخصی که تصمیم گیری ما را هدایت می کند ، نوشت. اساساً ، یک نوع "مترقی" یا نتیجه ای وجود دارد ، جایی که ما بر اساس پیامدهای اقدامات قبلی تصمیم می گیریم - اساساً ، واکنش نشان دادن بهنیازهای افراد اطراف ما نوع دیگر ، فایده گرایانه یا "محافظه کار" تمایل دارد قبل از رسیدن به عواقب ، راه حل ها ، سیاست ها و قوانین را در نظر بگیرد - و آن ها را برای چشم انداز اصلی بی ربط می داند.
من آن سالها آن شخص بودم. فکر کردم به نتیجه رسیده ام من فکر می کردم می توانم بدون در نظر گرفتن عواقب یک طرح یا استراتژی طراحی کنم ، زیرا برای اکثر مردم مفید است. من اغلب به قانون 80/20 استناد می کردم - یعنی ، راه حل من برای 80 people مردم ایده آل است و بنابراین ، فقط.
از علائم راهنمایی استفاده کنید. چراغ های راهنما "محافظه کار" هستند ، آنها از نظر طراحی یک سیاست تغییر ناپذیر هستند. از نظر تئوری منطقی است ، اما از آنجا که بسیاری از مردم از آنها استفاده نمی کنند ، دیگر نمی توان به آنها اعتماد کرد. این سیاست عواقبی را در نظر نمی گیرد. اگر اتومبیل روبروی شما ناگهان بدون علامت گذاری مسیر را تغییر می دهد ، تقصیر آنها است ، درست است؟ قانون هنوز منطقی است! اگر فقط همه آن را دنبال کنند ، لعنت بر شما!
هر زمان که با چیز ناآشنایی روبرو می شدم ، واکنش روده من طبقه بندی و سازماندهی آن بود. مغز من با تلاش برای تشخیص برخی از الگوهای آشنا در آن ، هرج و مرج را حس می کرد ، سپس بقیه را نادیده گرفت. دلیل اول این است که ما اغلب چهره هایی را در کف قهوه می بینیم - و کلیشه ها و سوگیری هایی را ایجاد می کنیم که اغلب قضاوت ما را تیره می کند. دومی اثر تروکسلر نامیده می شود و هم برای طراحان و هم موتورسواران بسیار خطرناک است.
دسته بندی ها و کلیشه های سیستم 1 معمولاً نادرست و مغرضانه هستند زیرا بر اساس یک مجموعه داده بسیار محدود - دانش و تجربیات خود ما است. و وقتی از این دسته بندی ها استفاده می کنیم ، تقریباً همیشه بیش از حد تعمیم می دهیم و برخی تفاوت های بسیار مهم را از دست می دهیم ، یا بدتر از آن - بدون هیچ دلیل واقعی ، تبعیض قائل می شویم ، برخی از گروه ها (یا افراد) را ترجیح می دهیم.
ما کلیشه ها و سوگیری های خود را در معماری اطلاعات خود ، در استراتژی محتوا و طراحی پایگاه داده خود قرار داده ایم ، که منجر به تبعیض فاحش الگوریتمی و محصولات بسیار غیراخلاقی می شود. اما واقعاً از ما و خودبزرگ بینی و جهالت ما شروع می شود. همانطور که کانمن می گوید ، اعتقاد آرامش بخش ما در مورد جهان استمنطقی بر توانایی تقریباً نامحدود ما در نادیده گرفتن جهالت ما استوار است. ارزشها ، تصمیمات و فرایندهای تصمیم گیری مهمتر از خروجی های طراحی ما هستند و شاید بتوانند ارزش بیشتری را ایجاد کنند-سازگار و انعطاف پذیر ، مناسب برای دنیای هرج و مرج. تصور کنید که به جای اینکه معمار اطلاعات باشیم ، می توانیم یاد بگیریم که چگونه باغبان اطلاعات باشیم؟
سیستم 1 مکانیسم اصلی دفاعی هرج و مرج ما است. با ارائه برچسب ها و میانبرهای مناسب ، ما را از دیدن واقعیت با همه پیچیدگی های فوق العاده آشفته خود باز می دارد. و ما را وادار می کند که باور کنیم پیچیدگی را می توان ساده کرد ، هرج و مرج را می توان مرتب کرد و همه چیز به طور مداوم سازماندهی شده است. به هرگز کافی نبود! و با این وجود ، همه این مطالبی که من برای حمایت از آثار زیبا طراحی کرده ام ، در لحظه انتشار آنها منسوخ شد. دستاوردها و مستندات ناشی از میل ما به فریز زمان و وانمود می کند که دقیقاً همانطور که هست باقی می ماند و همه از طرح اصلی پیروی می کنند. اگر دیگران فقط می توانستند دستورالعمل ها را دنبال کنند ، لعنت بر شما!
اکثر سیستم های طراحی شکست می خورند زیرا ما آنها را به عنوان ابزاری برای طبقه بندی واقعیت بی نهایت پیچیده تجربه بشری در الگوها و اجزای طراحی بسیار ساده طراحی کرده ایم. ما به خاطر ثبات قوام می خواهیم - زیرا سیستم های 2 ما تنبل هستند و ما ، به همراه آنها ، نمی خواهیم واقعیت را ارزیابی کرده و هر ساعت بیداری با هرج و مرج مقابله کنیم. ما سیستم های طراحی را بر اساس درک خود از گذشته ، محصولات و خدمات موجود ، نقشه راه ها و استراتژی های از پیش تعیین شده می سازیم ، اما هیچ وقت به طور کامل این آشوب را حساب نمی کنیم. عدم قطعیت؟ چگونه می توانیم سیستم هایی ایجاد کنیم که به افراد الهام بخش ، توانمند و توانمند در آزاد و خلاق بودن ، به جای جلوگیری از رفتارهای بی نهایت منحصر به فرد آنها و محدود کردن آنها به قوانین و مقرراتی که ما تجویز می کنیم ، باشیم؟
هر سیستمی که طراحی می کنیم بر اساس دانش قبلی ما پیش بینی شده است-یک تصویر فوری با وضوح پایین با یک میدان دید بسیار باریک. اما جهان بسیار سریع تغییر می کند و سیستم های ما حتی قبل از پایان آنها منسوخ می شوند. هر سیستمی که ما ایجاد می کنیم - هر قانون ، هر قاعده و هر ساختار - ناگزیر پیامدهای ناخواسته ای را ایجاد می کند. هر سیستم ساخته شده توسط انسان را می توان "مورد" قرار داد یا مورد بهره برداری قرار داد.
در فیزیک ، ساختارهای بسیار منظم ، مواد را سخت اما شکننده می کند. مواد جامد سخت مانند شیشه در برابر صدمات کوچک و حملات کوچک مقاومت می کنند. اما هر نیروی مهمی سیستم شکننده را فراتر از بازیابی خرد می کند. از سوی دیگر ، یک سیستم سیال مانند آب سازگار است ، حملات کوچکی را در بر می گیرد و شامل می شود و قادر است پس از یک نیروی قابل توجه بازیابی ، بازسازی و شکل دهی مجدد خود را انجام دهد.
الگوهای ترافیکی
دوچرخه سواری بسیار دوگانه است ، درست مثل این. از یک سو ، من باید واقعاً سریع فکر کنم و به کوچکترین تغییرات محیط اطرافم واکنش نشان دهم. از طرف دیگر (بله ، منظور از کلمات کلیدی است) ، من باید یک هدف ، مقصدی که می خواهم داشته باشم و یک استراتژی برای رسیدن به آنجا داشته باشم. دوچرخه سواری نیاز به ارزیابی مجدد دائمی واقعیت دارد ، به طور همزمان فعال و واکنشی ، مستلزم توجه کامل است.
در خودرو ، واقعاً نمی توانید جاده را ببینید. میدان دید شما محدود به یک قاب شیشه ای کوچک در مقابل شماست. میزان داده هایی که دریافت می کنید بسیار محدود و کاملاً قابل کنترل است ، تقریباً خسته کننده است - به همین دلیل ما احساس می کنیم که می توانیم از برخی حواس پرتی ها استفاده کنیم: موسیقی ، پادکست یا حتی تلفن که زیر فرمان پنهان کرده اید به این امید که سرباز دولتی که به تازگی روی شانه خود گذاشته اید متوجه آن نمی شود. تنها چیزی که مهم است درست در جلو ، در مرکز مرده چشم انداز شما است - چراغ های ترمز ماشین روبروی شما.
در یک موتور سیکلت ، من جاده هستم. من می توانم همه چیز را در اطراف ببینم ، بشنوم و احساس کنم. تجزیه و تحلیل آگاهانه میزان داده هایی که وارد مغز من می شود غیرممکن است. سیستم من 2 برای این کار بسیار کند است. اما من نمی توانم به شهود و سیستم 1 خود تکیه کنم - زیرا بر اساس کلیشه ها ، بر اساس دانش قبلی من در مورد آنچه معمولاً در جاده اتفاق می افتد ، استوار است و همه چیز می تواند در هر زمان تغییر کند. بنابراین دوچرخه سواران چه می کنند؟ ما درختان تصمیم گیری را با پیش فرض های هوشمند می سازیم.
با این همه چیز در حال انجام است ، من مجبورم همه چیز را یکجا و بدون تمرکز بر چیز خاصی نگاه کنم. اما توجه من محدود است ، من واقعاً نمی توانم همه چیز را به طور همزمان کنترل کنم - بر اساس اهمیت آنها ، "محرک های توجه" یا نقاط نظارتی را به جریانهای مختلف اطلاعات اختصاص می دهم. به جای تلاش برای تجزیه و تحلیل کل موضوع ، من بر مغز شهودی خود تکیه می کنم تا هنگامی که آن جریان یک نقطه داده خاص را به من نشان می دهد ، به من هشدار دهد.
(دوچرخه واقعی من نیست.) تصور کنید من در خط راست سوار می شوم. من باید به طور همزمان اتومبیل های سمت چپ خود را تماشا کنم - اگر کسی تصمیم بگیرد خط را عوض کند چطور؟ من ماشین روبرو را تماشا می کنم - در صورتی که تصمیم بگیرد ناگهان متوقف شود. من خیابان های کوچک سمت راست خود را تماشا می کنم - در صورتی که یک ماشین ناگهان بیرون بیاید. و من چراغ را خیلی جلوتر تماشا می کنم - زیرا وقتی قرمز می شود ، اتومبیل ها ترمز خود را به صورت زنجیره ای شروع می کنند و حدود سه ثانیه طول می کشد تا ماشین روبروی من نیز ترمز را شروع کند. < /p>
اما فقط تنظیم محرک ها کافی نیست. از آنجا که همه چیز به سرعت در حال حرکت است ، من باید هوشمند باشماز پیش تنظیم شده نیز اگر این ، پس آن. اگر چراغ قرمز شد ، سه ثانیه صبر کنید و سپس ترمز را شروع کنید. اگر خودرویی در سمت چپ وجود ندارد ، به یاد داشته باشید که یک نقطه امن وجود دارد. اگر اتومبیلی ناگهان وارد شد ، و یک نقطه امن وجود داشت که قبلاً در حافظه ذخیره شده بود ، به چپ بپیچید. در غیر این صورت ، ترمز کنید.
وقتی با سرعت 80 مایل بر ساعت در بزرگراهی شلوغ سوار می شوم ، مغز من ده ها مانور احتمالی را به سرعت محاسبه می کند. آیا باید خط را عوض کنم؟ آیا باید سرعت را کم کنم یا سرعت را کم کنم؟ هر یک از این تصمیمات عواقبی دارد که به نوبه خود به گزینه های جدیدی منجر می شود. اگر برای عبور از این خودرو سرعت بگیرم ، باید بلافاصله منحرف شوم تا از آن کامیون بزرگ عبور کنم. اما هی ، آشفتگی زیادی در کنار آن کامیون وجود دارد ، بهتر است میله ها را محکم تر بگیرم. مغز من درختی از تصمیمات می سازد.
آندریا مینیولو در تأملات خود در مورد تجارت ، طراحی و ارزش ، مفهومی مشابه را شرح می دهد. دنیای ما از هرج و مرج تشکیل شده است. یا ، همانطور که معامله گران بازار می گویند ، VUCA است - ناپایدار ، نامشخص ، پیچیده و مبهم. به منظور اتخاذ تصمیمات بهتر در دنیای VUCA ، معامله گران از اتخاذ تصمیمات زیاد در پیشگیری اجتناب می کنند و در عوض شبکه ای دوتایی از تصمیمات تکراری ایجاد می کنند.
همه اینها بسیار شبیه به مخروط آتی است که در طراحی سوداگری استفاده می شود. بی نهایت آینده احتمالی وجود دارد که در حال حاضر امکان پذیر است و هر قدمی که بر می داریم آن را بی نهایت بیشتر می کند. و این مخروط به تجسم و پردازش حداقل بخشی از این دیوانگی کمک می کند. اگر هنوز نخوانده اید در مورد آن بخوانید.
آنجا دو نکته جالب در مورد مخروط آینده است. یکی این است که مخروط است ، به این معنی که همیشه با اولین قدم شروع می شود. مطمئناً بی نهایت مخروط های آینده وجود دارند که از هر تصمیم نامحدودی که در حال حاضر می توانیم بگیریم رشد می کنند ، اما پردازش آن برای ما بسیار زیاد است. ما فقط می توانیم پس از اولین قدم در مورد آینده فکر کنیم.
نکته جالب دیگر در مورد مخروط این است که بی نهایت است. آینده بی نهایت است. اوه ما نمی توانیم با بی نهایت کنار بیاییم. مخروط فقط زمانی مفید می شود که آن نقطه سبز کوچک را مشخص کنیم. نتیجه مطلوب برای پردازش چندین آینده ، ما به راهی نیاز داریم که بتوانیم بگوییم کدام آینده خاص "بد" و کدام "خوب" است. برای انجام این کار باید بفهمیم چرا - نه حتی در کجا - امروز دوچرخه سواری می کنیم ، چه مشکلی را سعی می کنیم حل کنیم. ما باید نتایج دلخواه را تعریف کنیم.
یک موتورسواری می تواند بسته به اینکه قصد دارم از مسیر دیدنی لذت ببرم یا اینکه آیا سعی می کنم وقتی همسرم به بیمارستان می رود ، بسیار متفاوت باشد. در حال زایمان استبه طور مشابه ، در طراحی محصول ، طراحی دقیق و تکراری تجربه بهینه ، یا عجله در توسعه برای ورود به بازار گاهی اوقات می تواند هر دو نتایج معتبری باشد. اولی بدیهی است که بیشتر اوقات اتفاق می افتد - اما سلام ، هر روز شریک من نیز زایمان نمی کند ، درست است؟
متوجه شده ام ارزش این را ندارد که زمانی را صرف فکر کردن در مورد کارهایی که بعد از این دوچرخه سواری می کنم ، انجام دهم ، در حالی که من را با مناظر زیبایی احاطه کرده ام و برای لذت بردن از آن لذت می برم. اما من می توانم و باید حداقل بخشی از مسیر خود را در حالی که در آن هستم ، برنامه ریزی کنم تا مطمئن شوم که نتیجه دلخواه خود را به حداکثر می رسانم-در این مورد ، از سواری لذت می برم.
تلاش برای حل طولانی مدت اهداف قابل اجرا نیستند ، زیرا هرچه مخروط آینده گسترده تر می شود ، به احتمال زیاد من هر چقدر فکر می کنم برنامه را به درستی دریافت نمی کنم. حل کردن فقط برای اهداف کوتاه مدت م isn’tثر نیست ، زیرا ممکن است به من در حرکت به سمت نتیجه من کمک نکند.
من سعی کردم با دو کودک یک ماشین خوش منظره را با ماشین سوار شوم. یک دقیقه یک نفر نیاز به ادرار دارد ، سپس من باید برای تغییر کوچولو متوقف شوم تا از مرگ ناشی از خفگی سمی جلوگیری شود. سپس بزرگتر می خواهد برگهای زیبا قرمز و زرد را به مدت نیم ساعت بچیند. قبل از اینکه بفهمم ، باید برگردیم و حتی نیمی از مسیر دیدنی را طی نکرده ایم. مطمئناً هنوز می توانستم از آن لذت ببرم ، اما تصمیم گرفتم نتیجه اشتباه را تعریف کنم. اگر نتیجه من "تفریح با هم" بود ، آن را میخکوب می کردم. اما اگر صحبت از "تکمیل کل مسیر دیدنی ، شروع تا پایان" بود ، پس من دیوانه شدم.
تغییر دنده
رانندگی در هرج و مرج بین جلوگیری از خطرات و کاهش پیامدها است. به ما این کار را با تفکر سریع و کند فکر می کنیم. تفکر سریع واکنشی است ، به این معنی است که تصمیمات شهودی سریع می گیریم و بر الگوهای شناختی و رفتاری از پیش تعیین شده تکیه می کنیم. کند فکر کردن فعال است ، به این معناست که گزینه ها را با دقت تجزیه و تحلیل کرده و نتایج مختلف را محاسبه کنید. هیچ یک از روشهای تفکر به خودی خود کافی نیست. زندگی آنقدر سریع پیش می رود که در همه حال نمی توان تفکر کندی را تحمل کرد. و زندگی برای ما بسیار متغیر و پیچیده است تا همیشه به شهود و دانش قبلی خود اعتماد کنیم.
ما با تمرکز این دو چیز را متعادل می کنیم. وقتی تصمیمی می گیریم ، ما را ملزم به شاخه کوتاه مدت معینی از درخت آینده خود می کند. پس از ورود به شاخه ، می توانیم بر اساس نتیجه ای که می خواهیم به دست آوریم ، تجزیه و تحلیل گزینه های احتمالی را آغاز کرده و احتمال گره های آینده را محاسبه کنیم. اما این مهم است که توجه خود را فقط بر شاخه فعلی متمرکز کنیم زیرا همه "جاده هایی که طی نشده اند" دیگر مرتبط نیستند - اینها آینده هایی هستند که به سادگی اتفاق نیفتاده و دیگر تکرار نمی شوند.
ارزش پیشگیری از خطر با هر گره اضافه شده به طور تصاعدی کاهش می یابد - هرچه بیشتر به آینده بپردازیم ، معنا کمتر و سخت تر می شودبرای جلوگیری از عواقب منفی من متوجه شده ام که علمی تخیلی به طور فزاینده ای بی معنی است و دیگر نمی توانم از آن لذت ببرم. با هرج و مرج بیشتر و بیشتر در اطراف من ، تعلیق ناباوری در مورد دیستوپی های سایبرپانک و آرمان شهرهای ستارگان دشوارتر می شود ، زیرا دیگر محاسبه همه گره های احتمالی که ممکن است به آینده منجر شوند ، محال است.
هنگامی که من سعی می کنم آینده مشترکی را برنامه ریزی کنم ، سخت تر می شود ، و انتظار می رود که دیگران در این مورد مشارکت داشته باشند. هنگامی که من یک طراحی یا استراتژی محصول را طراحی می کنم ، هر چه بیشتر به آینده می پردازم با مقاومت بیشتری روبرو می شوم. افراد تیم من ، ذینفعان و شرکای من شروع به عقب راندن گره های احتمالی می کنند که هنوز محاسبه نکرده اند. "به X فکر کردی؟ اگر در این مرحله کار نکند چطور؟ " آستانه ای وجود دارد که هیچگونه ارتباط متخصص نمی تواند به من کمک کند این نگرانی ها را کاهش دهم و اگر به آینده استراتژی من بیشتر می شود به مردم کمک کنم تا با استراتژی من "پیش بروند".
وقتی بچه بودیم یک بازی انجام می دادیم: مسابقه موتور سواری روی کاغذ توری. بازیکنان هر نوبت خطوط کوتاهی می کشند که نشان دهنده حرکت دوچرخه های خود است. در هر دور می توانید شتاب بگیرید (خط خود را یک مربع طولانی تر کنید) ، سرعت را کاهش دهید (یک مربع کوتاه تر کنید) یا همان سرعت را حفظ کنید. اگر بیش از حد شتاب دهید ، نمی توانید در پیچ تند پیش رو جا بیفتید و به دیوار برخورد کنید - سپس باید دوباره از صفر شتاب بگیرید. اما اگر خیلی آهسته پیش بروید ، در مسابقه برنده نخواهید شد.
شکل پیست هر دور تغییر می کند ، بنابراین زمانی برای محاسبه الگوریتم "کامل" زودتر از موعد وجود ندارد. در مهارتهای شناختی متوسط ما به سختی ممکن است. اکثر بازیکنان الگوریتم های کوتاه مدت را محاسبه می کنند تا بتوانند از نزدیک ترین دور عبور کنند. بهترین بازیکنان حداقل یک دور جلو فکر می کنند-اگر هنوز بتوانم از همه جلوتر باشم حتی اگر بیش از حد شتاب دهم ، تصادف کنم و دوباره دوباره شتاب بگیرم؟ کتاب ، شکل دهی به طرح یا استراتژی محصول خود به عنوان یک سری شرط بندی مداوم میان مدت فکر کنید. شرط بندی های کوتاه مدت (به عنوان مثال ، دو سرعت دو هفته ای) ممکن است برای انجام یک کار معنی دار کافی نباشد. شرط باید به اندازه کافی طولانی باشد تا یک پروژه کامل را به پایان برسانید ، شروع به پایان - اما به اندازه کافی کوتاه تا پایان را از ابتدا ببینید. این در مورد حداکثر کردن گزینه ها در آینده است. شما نمی دانید در شش هفته آینده چه اتفاقی می افتد. شما نمی دانید چه ایده درخشانی به وجود می آید یا چه درخواست فوری ممکن است ظاهر شود. و در صورت شرط بندی میان مدت بر خلاف نتیجه قبلی خود ، می توانید بدون از دست دادن شتاب به حرکت خود ادامه دهید.
ضد فرمان
من زمان و تلاش زیادی را صرف می کنم کار طراحی من در تلاش برای بازتعریف یا به چالش کشیدن مشکلاتی است که با آن روبرو هستم. این یک مکانیزم دفاعی آشوب دیگر است: به راحتی می توان باور کرد که اگر بتوانم زمان کافی را صرف درک زمینه و محدودیت های مشکل کنم ، همه چیز را آسان تر می کند و در نهایت با یک چیز کاملاً متفاوت بسیار متفاوت خواهم شد.مشکل قابل کنترل تر اما اگر محدودیت ها بسیار سخت باشند و مستقیماً نتوان با آنها مقابله کرد ، چه؟ برخی از هنرهای رزمی ، مانند آیکیدو یا جودو ، بر استفاده از نیروی حریف خود به عنوان یک ضرب در برابر آنها تأکید می کنند و در عین حال انرژی روحی و جسمی خود را نیز حفظ می کنند. بیایید این را یک اصل ضد فرمان بدانیم.
< p> فرمان دوچرخه بسیار متفاوت از هدایت ماشین است. برای چرخاندن ماشین به راست چه می کنید؟ شما چرخ را در جهت عقربه های ساعت می چرخانید - یا بهتر بگویم آن را به آرامی به راست می کشید. اما وقتی در حال چرخاندن سریع موتورسیکلت هستید ، نمی توانید فرمان را بکشید-اگر این کار را انجام دهید ، دوچرخه شما را در هوا پرواز می دهد. در عوض ، دوچرخه سواران (و دوچرخه سواران!) از این تکنیک به نام ضد فرمان استفاده می کنند-در این حالت فرمان راست خود را از خود دور می کنید (در جهت عقربه های ساعت) در حالی که بدن خود را به راست متمایل می کنید ، به طوری که زاویه دوچرخه و نیروی گریز از مرکز نوبت شماست. آنچه واقعاً اتفاق می افتد این است که دوچرخه سواران کنترل خود را برای افزایش کشش واگذار می کنند. همین ایده می تواند در رهبری طراحی یا به طور گسترده تر در هر کار مشارکتی که شامل چندین نفر می شود مفید باشد. به جای مالکیت استراتژی و کنترل اجرا ، دو برابر آن را رها کنید. تسهیل ، توانمندسازی ، تقویت و کاتالیزور ، اجازه دهید گروه به تنهایی ایده هایی را ارائه دهد - حتی اگر قبلاً به آنها فکر کرده باشید. اولویت را بر کنترل بگذارید. گاهی اوقات ما فقط باید منتظر بمانیم.
وقتی همسرم سوار می شود ، همسرم از دنبال کردن من در ماشین متنفر است. ماشین هرگز نمی تواند مانور من را دنبال کرده و دنبال کند زیرا دوچرخه ها خیلی سریعتر می چرخند و مسیر را تغییر می دهند. اما تقصیر من است ؛ به عنوان دوچرخه سوار پیشتاز ، باید حرکت را محاسبه کنم و وسیله نقلیه ای را که حرکت کندتری دارند ، در حالی که هنوز در جهت درست حرکت می کنم ، در نظر بگیرم. ورودی و خروجی ، هنگامی که ورودی خیلی سریع اتفاق می افتد. هیچ میزان ارتباط پیشگیرانه نمی تواند مانع از این کار شود-من نمی توانم تمام مانورهای آینده خود ، همه سرعت گیری ها ، کاهش سرعت ها و تغییر مسیرها را حتی برای 10 دقیقه رانندگی زودتر از موعد ارائه کنم! پاول سامسونوف نمونه مشابهی از مدیریت حرکت را ارائه می دهد. آهسته تر بروید یا منتظر رفیق آهسته خود باشید و پیش بینی تاخیر بعد از چند مانور سریع را داشته باشید.
Stoppie 180
تفکر خلاق و انتقادی اغلب دست به دست هم می دهد. تصمیم گیری در مورد اینکه آیا باید زمان و تلاش خود را صرف تجزیه و تحلیل محدودیت های مشکل موجود کنم یا آنها را دور بزنم ، بسیار سخت است. درست مانند هر چیز دیگری ، به سختی می توان یک قانون طلایی را دنبال کرد. اگر وقت کافی داشته باشم سعی می کنمابتدا خارج از چارچوب فکر کنید اگر اشتباه می کنم ، در نهایت محدودیت های اولیه را تأیید می کنم ، اما اگر درست بگویم ، می توانم به چیزی واقعاً نوآورانه دست یابم.
حرکات بدیع زیادی در موتور سیکلت وجود دارد. مورد دلخواه من Stoppie 180 نام دارد - وقتی از ترمزهای جلو خود به طور ناگهانی استفاده می کنید ، چرخ عقب خود را در هوا بلند کرده ، 180 درجه روی چرخ جلو بچرخانید ، سپس بلافاصله حرکت را در جهت مخالف شروع کنید.
گاهی اوقات با برعکس کردن مشکل ، می توانم راه حلی را برای چیزی که مهمتر از کار اولیه است ، بیابم - زیرا تصمیم گیری در مورد مسئله ای که باید حل شود ، مهمترین چیز است. برای تفکر کاملاً خارج از چارچوب ، سعی می کنم عبارت مسئله را روی سر آن بچرخانم و ابتدا راه حل غیرحسی را امتحان کنم. پس از همه ، ساده ترین راه برای بیرون آوردن وسایل خارج از جعبه این است که آن را به سادگی وارونه کنید. نور و بقیه در گرما این کارایی بسیار وحشتناکی است ، درست است؟ به همین دلیل ما به LED ها و CFL ها تغییر کرده ایم. اما اگر ما به سادگی نامی را تغییر دهیم و آن را لامپ حرارتی بنامیم ، ناگهان 90٪ راندمان انرژی فوق العاده ای خواهد داشت.
وقتی به مشکل مشکل در دست نگاه می کنید ، فوق العاده مهم است که در نظر بگیرید چه چیزی در آن وجود ندارد؟ طراحی در محدوده های سخت بهتر عمل می کند و هرچه الزامات و مقررات سختگیرانه ، مستقیم و سختگیرانه تر باشد ، یافتن فرصتی که در دید مستقیم پنهان باشد ، آسان تر می شود.
هدف اصلی روشهای مختلف مانند اسپرینت های طراحی یا بارش فکری در مدرسه قدیمی این است که تا آنجا که ممکن است ایده های زیادی را تکرار کنم تا بیشترین کار را انجام دهم. یکی بهینه تکرار یک تکنیک شگفت انگیز در هر دو حالت تفکر آهسته و سریع است - بسته به اینکه آیا می توانم در حین تکرار یاد بگیرم.
تفسیر نادرست متداول از هر روش تکراری فرض بر این است که این یک فرایند همه یا هیچ است. اما این بدیهی است که درست نیست - ما می توانیم با هر تلاشی ، در هر مرحله از راه چیزی بیاموزیم ، بنابراین موفقیت را در هر تکرار مداوم افزایش می دهیم. تصور کنید که نتیجه دلخواه شما می تواند بصورت تصویر تجسم شود. لحظه ای که می توانید آنچه روی تصویر است را ببینید ، آنجا هستید. اکنون به تکرارها فکر کنید زیرا به تدریج وضوح تصویر را افزایش می دهید. اگر فقط 20 پیکسل (یا 20 ایده) دارید ، تصویر هیچ معنایی ندارد - فقط یک دسته مربع است. ؛ اگر 80 پیکسل (ایده) دارید ، یک شکل شروع به ظهور می کند. و هنگامی که به 200 ایده رسیدید ، تجسم چیزی واقعی را شروع می کنید.
هرگونه اجبار وحشیانه واقعاً تکراری نیست. شما لزوماً هر بار چیزی یاد نخواهید گرفت اما هنوز هم می تواند یک روش م effectiveثر باشد.
آیا هنوز چشم هایتان را گرد کرده اید؟ باشه تحملم کن در طول زندگی خود بارها روی سیستم مدیریت محتوا یا پایگاه داده کار کرده ام و یکی از زمینه ها باید در کل سیستم به روز شود. 99 درصد از مهندسینی که دیده ام نیم ساعت را صرف بحث در مورد راه حل های خودکار احتمالی می کنند ، سپس دو ساعت دیگر را صرف نوشتن یک اسکریپت سفارشی می کنند تا این فیلدهای داده را پر کنند ، این بار.پر کردن یک فیلد در مجموعه داده های سازگار حداکثر یک دقیقه طول می کشد. این بدان معناست که برای هر مجموعه داده ای با کمتر از 150 عنصر ، پر کردن دستی آن سریعتر است. و من این کار را کردم - و تقریباً هر بار سریعتر از خودکار کردن آن بود.
کشیدن آهسته
همه کسانی که دوچرخه سواری می کنند می دانند که تنها وقتی به آرامی حرکت می کند ، زمین می خورد. حرکت سریع بسیار آسان تر است - حرکت من و اثر ژیروسکوپی برای من موثر است. اما هنگامی که من ناگزیر سرعت خود را کاهش دادم - نیروی جاذبه شروع به پیچیدن می کند و من باید سخت تلاش کنم تا تعادل را حفظ کنم. این دقیقاً در طراحی اینگونه است: تولید سریع کارهای سنگین در محوطه امن طراحی سریع تیم من بسیار آسان تر از همکاری آهسته و گاهی دردناک با ده ها ذینفع غیر طراح است. من یاد گرفته ام که خود را حفظ کنم و تعادل را حفظ کنم.
یک بازی - یا بهتر بگویم یک تمرین - وجود دارد که توسط دوچرخه سواران در سراسر جهان انجام می شود. من دیده ام که مردم این کار را در ایالات متحده ، در اروپا و حتی در آفریقا انجام می دهند. به آن درگ آهسته می گویند. چند دوچرخه سوار در خطوط موازی شروع به حرکت می کنند. پاهای خود را روی زمین می گذارید ، می بازید. شما آخرین نفر را تمام می کنید ، برنده می شوید.
اگر بی حوصله هستید نمی توانید این بازی را ببرید. و اگر نتوانید دوچرخه خود را به طور کامل کنترل کنید ، نمی توانید برنده شوید - هنگامی که نمی دانید چگونه به اندازه کافی تلاش خود را روی گاز و ترمز خود انجام دهید. چگونه بر تعادل نهایی بین سریع و آهسته ، فعال و واکنشی ، تند فکر کردن و کند فکر کردن مسلط شویم. دوچرخه سواران این بازی را در تمام زندگی خود - با یا بدون رقبا - تمرین می کنند. هر بار که به چراغ قرمز نزدیک می شوم ، سعی می کنم آن را به آرامی به سمت خط بکشید تا وقتی با برخورد سبز رنگ می توانم فوراً بدون قرار دادن پاهایم روی زمین حرکت کنم.
سلام به دخترم کیرا ، که مشتاق سوار شدن در 7 سالگی است این مسائل سخت است ، و من سالها در صبر و تعادل بسیار بد بودم. وقتی داشتم اولین موتورسیکلتم را می خریدم ، دوستانم گفتند باید موتور قرمز را بگیرم - تا در جاده بیشتر نمایان شوم. از این طریق ایمن تر بدیهی است ، من مجبور بودم کلاه قرمز مناسب ، سپس کاپشن ، کوله پشتی ، چکمه و تی شرت-همه قرمز را تهیه کنم. قبل از اینکه بفهمم ، شبیه The Flash بودم - و همچنین شبیه آن بودم. من تکانشی و بی حوصله بودم ، فقط می توانستم سریع فکر کنم بدون این که کند فکر کنم. وقتی متوجه مشکل شدم ، تصمیم گرفتم یک آزمایش را امتحان کنم و به جای آن لباس سبز پوشیدم. شاید ساده لوحانه بود ، شاید یک اثر دارونما بود ، اما سلام - کار می کند. اکنون هربار که در آینه نگاه می کنم احساس آرامش و آرامش می کنم - و دیگر هیچ حسی برای حرکت با سرعت 100 مایل در ساعت احساس نمی کنم.
جارد اسپول در مورد دو مرحله نهایی بلوغ ما به عنوان طراح صحبت می کند (یا ، شاید) خرد به عنوان مردم: شایستگی آگاهانهو شایستگی ناخودآگاه اغلب ما با جزم اندیشی بهترین شیوه ها و متدولوژی های موجود ، راه خود را پیدا می کنیم. ما مدام در مورد ابزارها ، روش ها و تعاریف در توییتر بحث می کنیم و روندی را که ممکن است قبلاً به عنوان کتاب مقدس کار می کرد ، دنبال می کنیم - بدون اینکه بدانیم در این جهان بی ثبات و آشفته ممکن است همه چیز هرگز دو بار یکسان عمل نکند ، و ما باید هیچگاه پیشرفت خود و شرکای خود را برای تصمیم گیری بهتر در طراحی متوقف نکنید.
ارزش اصلی موتورسیکلت حداکثر سرعت آن نیست ، بلکه شتاب و چابکی است ، چقدر چابک است و چقدر سریع می تواند به تغییرات ناگهانی محیط واکنش نشان دهد. و من فکر می کنم ما باید خودمان آن را یاد بگیریم ، ما باید به عنوان افراد و طراحان تکامل پیدا کنیم ، ما باید سازگارتر ، خلاق تر و متفکر تر باشیم.
سوار
ما دو سیستم در درون آن سر بزرگ خود داریم - شهود و شناخت ، سیستم 1 و سیستم 2 - و آنها با هم برابر نیستند. یکی مسئولیت دیگری را بر عهده دارد و این به ما بستگی دارد که چگونه می خواهیم آن را تغییر دهیم.
شهود من یک موتورسیکلت سریع است که در دشت های وسیع هرج و مرج بدون هدف و هدف می چرخد. من سوارکار هستم.
هویت شخصی من وجدان من است. "من" در من ذهن من است ، سیستم من 2 و تنها زمانی کار می کند که من به آن اجازه دهم. وقتی حواسم هست در غیر این صورت ، موتور سیکلت به تنهایی کار می کند.
توجه به آن سخت است. یادگیری نحوه تفکر متفاوت - و به ویژه ، یاد نگرفتن آنچه که قبلاً فکر می کردم - بسیار سخت است. تغییر خودم سخت است. این برای همه مناسب نیست ، و این برای هر لحظه بیدار از زندگی من نیست ، که قبلاً پر از مشکلات ، ناراحتی ها و استرس ها بوده است. گاهی اوقات ماندن در مسیر آهسته زندگی من در یک ماشین راحت کاملاً خوب است. بهبود خودم سفری است به سوی هرج و مرج ، به سوی ناشناخته ها.
من معتقدم هیچ محدودیتی برای پیشرفت خودمان وجود ندارد ، اینکه چقدر با دیگران متفکر ، شجاع و مهربان باشیم. و با این وجود ، چون بی نهایت ما را می ترساند ، ما خود را به ترکیبی از دانش بدست آمده و مهارت هایی که تسلط داریم ، کاهش می دهیم. ما مهارت های خودمان نیستیم. ما کار خودمان نیستیم. دانش و مهارتهای ما در دنیایی از هرج و مرج به سرعت منسوخ می شود.
همه ما بی نهایت خلاق هستیم. اگر تا به حال آریزونا رویای امیر کوستوریکا را تماشا کرده اید ، ماهی وجود دارد که فکر نمی کند ، زیرا ماهی همه چیز را می داند. از قضا ، ما فقط زمانی فکر می کنیم که نمی دانیم. تفکر خلاق تنها نوع تفکری است که وجود دارد. به سادگی راه دیگری برای فکر کردن وجود ندارد. تنها زمانی که هنوز نمی دانیم ، به چیز جدیدی می رسیم. مهم نیست که شما 20 سال طراح بوده اید یا تازه از دانشگاه خارج شده اید - همه ما پتانسیل یکسانی داریمفکر کنید ، خلاق باشید و خودمان را تکامل دهیم.
مهمترین چیز در مورد طراحی و زندگی در دنیای هرج و مرج این است که همیشه خلاق باشید و دائماً واقعیت خود را بدون اتکا به قوانین و قوانین تغییرناپذیر به چالش بکشید. آن را هدایت می کند و قرار است برای همیشه ثابت بماند. ما دیگر مجبور نیستیم چیزها را به خاطر بسپاریم ، زیرا می توانیم بی نهایت چیز در اینترنت پیدا کنیم. در عوض ، ما باید توانایی تطبیق و ترکیب ایده های جدید بر اساس مشاهده را در اولویت قرار دهیم.
خلاقیت ، درست مانند دوچرخه سواری ، در مورد مدیریت توجه است. مغز شناختی ما تقریباً دارای ظرفیت نامتناهی برای ایجاد ایده های جدید است ، اما بسیار تنبل است و تمایل دارد هر زمان که از ذهن آگاهانه دست برداریم ، به شهود و سوگیری های ما تنزل دهد. برای اینکه حواسمان جمع باشد ، باید بسیار منظم باشیم و حواس پرتی ها را تا آنجا که ممکن است حذف کنیم.
من؟ دوچرخه سواری می کنم یا دوچرخه سواری می کنم.
هیچ چیز عجیبی در ذهن آگاهی و به حداکثر رساندن قدرت خلاقیت ما وجود ندارد. فیلیپ استارک ، طراح صنعتی معروف فرانسوی ، دوست دارد بگوید که خلاقیت او ناشی از حضور در طیف اوتیسم است. من فکر می کنم هر کسی در آن طیف باشد می تواند خلاق و متفکر باشد-مادامی که شما با حوصله تمرین کنید و تمرکز کنید و افکار خود را بدون حواس پرتی سوق دهید.
مردم ژاپن از وابی سابی استقبال می کنند ، این تصدیق این است که هیچ چیز دوام می آورد ، هیچ چیز به پایان نمی رسد و هیچ چیز هرگز کامل نیست. در دنیای آشوب ، ما هرگز نمی توانیم در زندگی و کارمان به کمال مطلق مطلق برسیم. در عوض ، ما می توانیم به دنبال رضایت و رضایتمندی باشیم و سعی کنیم هر اندیشه و هر قدم خود را به بهترین شکل ممکن انجام دهیم.
کلمه "تکنولوژی" از کلمه یونانی باستان techne گرفته شده است که هم به معنای هنر و هم هنر دستی است. به برای یونانیان باستان تفاوتی بین ساختن مجسمه ، نقاشی یا کاسه سوپ وجود نداشت. از نظر آنها هیچ وقت در مورد کمال آن اشیا نبود ، بلکه همیشه در مورد کامل کردن خود ما بود. آنها آن را آرتی نامیدند - وظیفه ما در قبال خودمان ، در قبال تمام توان خود.
اما ما به عنوان طراحان ، نه تنها در قبال خودمان ، بلکه در برابر کل پیشرفت خود به عنوان یک نژاد انسانی وظیفه داریم.
فیلیپ استارک در سخنرانی خود در TED ، بشریت را به صورت گروهی از افراد تصور کرد که در جاده ای بیکران و حفره دار راه می روند. وقتی حواسمان نیست ، مستقیم نگاه می کنیم و مدام در آن سوراخ ها می افتیم. اما با تمرین ذهن آگاهی و خلاقیت می توانیم زاویه دید خود را بالا ببریم و راه پیش رو را ببینیم.
ما نمی توانیم از جاده خارج شویم ، اما اکنون می توانیم آن را ببینیم. ما ابزارهای قدرتمندی برای سوار شدن در این جاده سریعتر از همیشه ساختیم. و ما می توانیم از سقوط دیگران جلوگیری کنیم - تا آنجا که ما مغز خود را برای حرکت تربیت کرده ایم. وقتی طراحی می کنیم ، همیشه به دو محصول می رسیم: طراحی خود ما و هر آنچه که آموخته ایم ، هر چیزی که در آن تکامل یافته ایم.
از اینکه خواننده ای متفکر و صبور هستید متشکریم ، و به پایان رساندن. /uli>
از جس ، استف و همسرم برای کمک من این را بنویسم و ویرایش کنم و از کوین ، جسی ، پیتر ، پاول ، ماکسیم و بسیاری دیگر برای مکالمات ما ، نظرات شما و توییت های شما که به من کمک کرد تا بهتر فکر کنم ، تشکر می کنم.