blog中文翻译

• 1. 做计划!  我告诉我的学生, 写研究论文的第一步就是要明确你真的有一份研究论文要写. 写一份计划书, 其中应当包括在某一天需要完成的一系列的重要进展. (例如: 9月20日前找到10份资料, 10月15前完成初步的研究). 按照计划来执行. 你也需要时间来看看自己还缺什么材料, 什么材料在图书馆中可以查到, 选择相关的材料, 阅读并做笔记, 并整合之. 之后, 你需要弄清自己要在论文中提出的观点.

• 2. 开始使用Wikipedia, 不要停下. Wikipedia是一个很适合开始进行你的研究的地方, 你可以搜寻与你的主题相关的关键词, 浏览每页上的链接, 并且接
  着看它所建议的资源. 做笔记, 尤其是对任何它推荐的好的资源. 我们在这里的目标是: 获取对你要写的主题的一个相对较好的综览. 并且由于它的超链接的特性, Wikipedia比大多数纸质的资料更有用. 到你准备好动笔写之前, 你应该已经由此得到了许多比Wikipedia上所呈现的更好的资料. 所以, 不要直接在你的论文中引用Wikipedia.

• 3. 整理自己的参考书目.一旦你找到了关于你的主题的一本好的学术书籍或是一份文献,  那很棒. 在它的最后将会出现几十甚至上百份资料供你去查阅. 通常, 你可以略读这份参考书目并且将标题看起来与你的研究相关的东西记下来. 学术文献的作者们并不会竭尽心机来给标题起一个很有创造力的名字,  所以通常你可以很容易的从标题与子标题中了解他们的研究方向. 接下来, 返回开头并且寻找你是否认识哪位作者的名字, 这将很有用.对第一本书完成这样一份工作之后, 你可以接着对后面的书继续做这样的工作.这样, 你将迅速获得远比你所需要的多得多的资源. (但是你确实需要这样做, 因为你的图书馆不一定拥有所有这些提及的书籍以及期刊, 馆际间的图书传递速度很慢以致于对于需要在学期末完成论文的学生来说并没有多大价值.)

• 4. 脑海里要有研究的问题. 学术的说, 当数据展现在你面前的时候, 你的主题应当从你的研究中浮现出来. 当你做研究的时候, 你需要一个”研究主题”, 也就是你想回答的问题. 当你遇到新的材料的时候, 问问自己这对回答你的问题有没有帮助. 你应当放弃那些看起来相关但实际上对回答你的问题没有帮助的资料. 找到一大堆资料看起来很有吸引力, 的确, 找到一些资料是必要的, 但是太多就会浪费你的做研究的时间. 找一两个好的资料做背景(你最初在Wikipedia上找到的在大多数情况下足够了), 然后坚持把精力放在向着回答自己的研究问题的方向上.

• 5. 一次只处理一个论点. 不要试图一次把你的主题搞定. 对整个主题有一个大概的感觉, 为你需要了解的东西建立一份大纲. 之后每次处理一个论点. 在完成初稿之后,  你将发现论点间的联系.

• 6. 使用信息组织系统. 开始你的研究时, 应当对计划如何收集和组织你的笔记与数据有个概念. 尽管我曾经利用过索引卡片来写过论文, 但我最喜欢的系统还是一个关于单一主题的笔记本. 在新一页的最上面, 我写上参考书目的名字, 然后抄写需要引用的, 并且做笔记.  在旁边, 我会加上它们的页码做标签,  并且记下我阅读时突然萌生的一些想法.  我喜欢有效率的使用电脑, 我尝试过做数据库, 使用Wiki软件, 做Outline以及其它软件, 但是我从没有发现哪个系统特别卓有成效.  我的时间都花在与软件本身打交道了,而不是做我的研究. 无论使用何种系统, 确保每一个引用, 事实以及思想都能找到它的来源. 这样你就可以在写作的时候方便的添加上参考文献了.

（阅读全文……）

一间教室中坐满了十岁的学生,他们被要求去试着解决孩子上学途中穿越街道所遇到的问题. 孩子们回答到了各种在其他方面成功应用的方法, 诸如交通缓解设施, 天桥, 荧光色的夹克, 以及对汽车限速等. 这些观点是很寻常的, 也是老师希望听见的.

只有一个人例外. 一个学生建议学校董事会卖掉学校, 并且在线移动学校. (译者注: 你可能第一感觉得很奇怪吧, 呵呵, 接着看下去.) 这显然不是老师所期待的.

这个观点可能不实际,不常见,甚至不可行. 但在它被整个班级所嘲笑的同时, 它也是这名学生所敢于表达的一个独立思考的观点.
独立思考不常见–它绝对的, 无价的, 珍稀. 你从电视上所看见的以及从报纸上读到的都不是独立的. 我们从大众媒体上读到的任何事物都是习惯性知识的反刍. 关于世界上的大多数事情, 这些观点都不是独立的.

这是一个悲剧–独立思考为进步所必需. 因循守旧的思考最好也只是使我们渐渐向前(最差的话则是推我们向后), 要取得实质上的跃进, 独立思考是必须的.

逻辑上, 当我们思考他人思考的, 我们所能期待的最好成就也只是取得他人所已经取得的而已. 如果我们的目标是超越, 我们需要避免同样的陈腐的思考. 我们需要与传统的智慧相独立.

幸运的是, 要做到独立思考你并不需要多聪明或是受到多高的教育. 想想小孩子吧. 传统告诉我们鞋子是穿的而香蕉是穿的. 而独立思考则允许孩子们吃鞋子而穿香蕉. 他们缺乏传统的智慧, 完全不在意对他人对自己的观点, 这样使得孩子们可以毫不焦虑的去实验.
当然, 这个事情上他们是错的, 但是在其他事情上, 他们可能会令人惊奇的正确.
以下5个方法, 可以提高你的独立思考能力.

1. 与习惯性思想的来源相隔离
不 要先插上电源然后用电视,电脑或者是去图书馆找答案, 先自己想想. 你尽管不能与世界相隔绝, 但是你可以通过限制习惯性观点的摄入量来增加你独立思考的量. 这意味着减少接触媒体的时间和精力. 独立思考者不一定是异类, 但是他们不因循而守旧. 他们尝试以一种新的标准来看世界而不是仅仅从电脑屏幕前获取一切.

2. 将自己浸于与自己现有观点矛盾的经历中
不要总是以一个新一点的习惯性思维去替换掉旧的, 你可以主动寻找与自己的观点不一致的经历. 它们可能存在与外国文化, 不寻常的亚文化中, 或是在你不赞同的书中. 这一点可以这样看, 它不是让你接受一个装思考的新火车,而是荒废掉习惯性思考的铁路.

3. 以旁观者的眼光看进程
把你的平常生活抛在脑后可以赋予你这样一种自由: 从另一个角度看问题. 观察这个世界将带给你一种思考自我的平和. 静静的站一会, 任时光流逝. 这可以给你嘲笑自己所持的信念以及寻找一片新大陆的机会.

4. 随机化你的生活圈
不要总去相同的场所, 吃相同的食物, 与相同的人谈天, 你可以积极地追寻新的经历. 许多人习惯了这种简单的决定, 这样可以带来安全感. 但如果你像独立地思考, 你需要跳出你所习惯的圈子.

5. 练习质疑
你可以尝试养成本能的质疑习惯性的观点的习惯. 但不要成为犬儒主义者. 不要认为那些”真理”是不证自明的, 只有当自己确信在逻辑的后面还有事实来支持它们之后, 再做出判断.

上面说的听起来可能太难了, 那么请想想独立思考能带来什么吧. 就算是微小的向着独立思考的进步也会增加你对这个世界的贡献. 你将看到别人所忽视的机会与方法. 相比于那些不会创新地思考的人, 你将获得相当有竞争力的优势. 更重要的是, 你的思考是你自己的, 而不是只是反刍媒体.
独立地思考, 你将为世界带来无尽的机会.
5 Ways to Develop Independent Thought by Tom O’Leary.
翻译 by 河流 @ LifePro

欢迎访问 LifePro:提高你的生活质量

欢迎 订阅 RSS
我们主要关注 时间管理 个人管理 阅读 批判性思考

原文地址：A Scientific Method for Exploring Consciousness

译文地址：探索意识的一种科学方法

翻译：Nicole Lee

(声明：任何人都可以任意转载这篇文章，但请在转载时附带上以上信息，谢谢）

我们在探索意识本身时，能在什么程度上寻求和发现所谓的“真实”呢？我们内在的真实有多少是可知的？

当然，我们已有科学方法。观察。假定。测试。得出结论。好好利用成果。而且，重复地利用科学方法显然已经产出了一些对外部世界的显著发现。

但不幸的是，我们无法仅靠科学方法来帮助理解意识本身。为什么不能？因为科学方法预先假定了一个独立的观察者，而我们在研究自己的意识时却没有这样的优 势。你无法独立地观察你的意识，同时又不会影响到它。在我们的意识实验中，无法区分主体和客体。我们同时扮演着观察者和被观察者的角色。

我提到的“意识”这个词指的是你的自我觉知感（自觉）。你的意识是你的想法的思考者。我们可以用外部设备来测量脑电波，或者用药物来改变我们的意识状态。 可我们没有由内而外的方法来从意识本身的角度来测量意识。我可以体验自己的意识，但只有我自己能这么做，别人却不能。我无法观察或测试你正在体验的意识。

不过除了这些问题，我们并非完全无可奈何。我们确实有某种观察自己意识的能力。我们可以得知自己的思想和信仰。

但我们要如何明智地来研究这些主观经验？科学方法只能让我们研究意识的外围，而非它最有趣的内部。因此如果我们无法使用科学方法，还有什么明智的法子能用呢？

对于这个问题我没有理想的答案。即使我们无法全部用上科学方法，当我们对自己进行实验，同时扮演观察者和被观察者的角色时，还是可以尽可能地应用一种个性 化的、主观视角的科学方法。这固然是种凌乱而不精确的办法，但我觉得至少比什么也不做要好。这确实提供了一些有用的数据，尽管解释这些数据就像拆开一张蛛 网似的。

或许我找到的最奏效的一种方法是，把自己的信仰变成其它种类，然后从这个新信仰体系里体验现实，然后大量记录自己的感觉和想法，尤其是那些似乎有了改变 的。之后当我再次转变信仰，我就可以象回顾自己的记忆一样回顾那些笔记……此刻是从一个不同的视角来看待了。而且在继续改变自己的信仰时，可以同样做上许 多次。此外，这的确是凌乱而不精确的，因为我的笔记和记忆无法完全精确地记录我的意识，但眼下它们是我能得到的最好的工具了。这种方法让我能够作为一个半 独立的观察者来检查自己意识的变化，因为我可以定期利用不同的视角来做。我可以在事后再次检查那些体验留下的印象，就如古生物学家检查化石一样。

笔记和记忆共同作用，让我可以部分地加载先前在我意识中的那些背景，就像从你电脑硬盘里把一个软件读入随机存储器后，CPU就能运行它一样。经过这样的实践，现在我可以把意识分成好几部分来进行多任务处理。因此我既是在使用早先的经验，也是在从其它的视角来观察它。

你也有这么做的能力，即使你可能没有试着去开发它。你对后见之明这个概念熟悉吗？后见之明就是从一个新视角来回顾过去的经验。所以你在扮演观察者角色（你 现在的视角）的同时加载了被观察的客体（你的记忆）。你记起在十几岁时干过的事，然后想：“这真是傻得可以。”青少年读者，请把这个记下来。但你并不只是 想起这些，并令其在脑中再度鲜活起来，而也从时间的距离上来观察和解析它。

尽管如此，后见之明只能给你提供一种视角，而那对我们的目标来说实在是太有限了。当你运用后见之明时，你只是利用现在的优势来回顾过去。你曾经试过用相反 的方法来使用后见之明吗？如果你能搞定这种头脑体操，我鼓励你试试。在这种情况下，你回到过去的记忆并完全沉浸其中。用你的双眼去看——就像身处其中一 样。利用你的想象力让它尽可能真实。倾听声音、嗅到气味、用你从前的思考方式来思考。暂时让你自己变成那个人。让过去的自己进入你的意识中来。

现在，就在你保持这种过去视角的同时，把现在的现实当作一种记忆加进来。保持分离的状态，从第三者的视角来看你的现在。它能帮你像过电影一样想象你现在的 自己，就像真实的你（在这种情况下是那个过去的你）坐在剧场里看电影一样。所以，过去的你坐在剧场里，从银幕上看着现在的你自己。然后让你此刻的现实发挥 一点小小的作用，让你从过去的视角来解释一下自己。我想，你会发觉这种反向使用后见之明的方法非常吸引人，并且真的是种启发的体验。例如，你可以利用它来 想象一下十几岁的自己是怎么看待现在的你的。试一试！

你也可以用两个过去的回忆，或两个想象的未来记忆，或每种当中的一个来尝试这种方法。在你同时扮演观察者和被观察者之时，让头脑在不同的视角间转换，然后记录下你的发现（这样你就能在后来用更多的视角来回顾它们了），最终你会创造出一个仿科学的日志，用于探索自身的意识。

用这种方法，我已经从作为一名天主教徒、佛教徒、不可知论者、无神论者的同伴等等的视角来探索我对无神论的感受。这帮我分离出了某种程度上似乎独立于我视 角的“真实”。例如，不管我使用哪种信仰体系，感觉良好很重要。一种令我处在担忧状态中的信仰体系，从内部看来可能很正常，但从外部看来却总显得可怕。我 觉得一旦我可以同时由内而外和由外而内地测试不同的信仰和它们的结果时，我就可以做出更好的选择。

你也可以利用这方法来为自己的未来做决策。例如，假想你正试着为自己选一份职业，而不确定哪种选择是对的。这在20多岁的人当中很常见。让我们假设你无法决定要读医学院（成为一名医生）还是读法学院（变成个恶魔）。我开玩笑呢！^_^

因此你可能会想象，当医生是什么感觉，当律师又是什么感觉。但最有可能的是，你会从现在的视角来想象这两者。而这可能并不能提供能帮你做决定的信息。我建 议你先这么做，然后再做以下的事：想象你是一个医生，然后完全进入那个角色；同时，想象这个当医生的你正在想：“做律师是个什么感觉？”用我上面提到的过 电影的法子。然后再反过来想。想象那个已是律师的你正在想，当医生是什么感觉。这不是后见之明或远见，我猜它该称作旁观视角。但我想，你会发现这法子在你 必须在有同等诱惑（或没有吸引力）的选择当中二选一时很有用。你会发现，这种特别的信息才正是你想变得头脑清醒时所需的。如果你成了医生，你会后悔自己没 成为律师吗？反之又如何呢？

这种方法在去年帮助我改变了主要的事业。在个人发展领域进行写作和演讲是从每个视角ç?
?‹æ¥å”¯ä¸€å¯¹æˆ‘有意义的事业。而且由内而外地看待这个问题时尤其不错。它是那种不会让我产生“也许我应该做点别的”这种想法的事业。而且现在从现实看来，确实如此。

希望这些已经足够让你理解我探索意识的仿科学方法了——或至少理解了意识的一个部分：信仰体系。在这一点上还是有点疯狂，但那时我也是这样的。这种方法应该至少能让你开始在某种程度上用观察、假定和试验的办法来探索你的自身信仰，且不会在自己的各种想法中迷失。要是你不敢去试验，嗯，勇气的缺乏就是可以开始试验的好起点，不是吗？

所以，现在就去看看你自己的意识吧，要是发现了什么好玩的，可别忘了告诉我。只是别喝水哦！^_^（最后一句原文是just don’t drink the water though.我查不出有什么别的含义，知道的朋友麻烦说一声，让我也长进一下，呵呵）

(欢迎到我的博客来批评：活色生香 Nicole居家日)

原文地址：beyond speed-how to read smart

原作者：Scott Young

译者：河流

在我写完关于快速阅读的一些文章之后，我收到了许多想读得更快的人们的评论。但是，仅仅读得更快并不是全部，如果想在更少的时间内获取更多的信息，仅仅加快速度是不够的。你应该学着更聪明地阅读。

重要的不是你能读得多快而是你读的东西是否重要。

下面是关于买书时如何筛除掉烂书，从而让你能更聪明阅读的技巧。

• 流行程度 - 尽管我并不认为流行程度是一个选择图书的万能标准，但是在一定程度上它确实能够帮我们过滤到很多垃圾。一本好书或许并不流行，但是能够出现在Amazon畅销书榜上的书一般都不会是彻头彻尾的垃圾。
• 感兴趣的主题 – 我只对20-30%的书使用上面的方法。其余的，我经常简单地通过寻找我感兴趣的主题来过滤。这意味着我开始对内容变得更挑剔。通过你感兴趣的主题来渐渐地缩窄你的浏览范围，最终你就会找到适合你的书。换句话说，在最初开始找书的时候，不要刻意寻找“最合适的书” 。
• 使用图书馆 – 书并不算贵，我常常能用不到一百块从Amazon上买回值得我看几个星期的书。但是你可能经常会买回来一本你发现并不喜欢的书。经济学家们将这种现象叫做 ” 沉淀成本”。从图书馆借书，这样就算你没读完，也不会有负罪感。

但怎样挑书，只是关于怎样更聪明的阅读的最不重要的一个方面。事实上。没几本书能算得上是彻底的废话，大多数的书里面至少会有一些能吸引你的观点。尽管好书往往全书充满了好的思想，而烂书可能几百页的篇幅只有一两点精华。

想要更聪明地去阅读，第一步就是不去读无价值的东西。时光短暂，信息无限，读你所需。下面是一些技巧，它教你在能获取那些最优秀的信息的前提下，尽可能地减少你的阅读量。

• 留意开头 – 在读一本书前十五页的时候 相信你的直觉。有人会说，不要凭封面判断一本书，但是如果一本书真的很好，那么往往在头十五页你就会发觉。
• 适时结束 – 半路就把一本书放下没有什么不妥。
• 速读 – 速读不是一味的读快，而是要适当的控制你的阅读节奏。 你要知道什么时候该读快，什么时候该读慢。 我一般会跳过那些不感兴趣的话题而详读那些好的观点。
• 跳过一些章节 - 有时候一本书会有吸引你的观点，但在这本书中其他的章节你并不感兴趣。那么你可以跳过去. 比如说你为了想建立网络公司看一本关于创业的书, 那么你就跳过关于特许经营权的部分. 如果哪部分看起来很难懂, 也可以跳过去, 看看后面是不是还会说到这一话题.

第二步就是利用你想获得的信息。在这以前，你已经花费了很大的精力来过滤掉那些垃圾, 所以你应该好好利用剩下的精华。下面是一些小技巧。

• 用一只高亮笔 – 用高亮笔把你想记住的观点划下来。在用它的æ?
  ??¶å€™æˆ‘很”吝啬”，因为它减慢了阅读速度。所以，只在重要的部分停下就足够了。
• 读的时候停下来思考 – 在读好书的时候，你失败的原因之一可能是它们信息量很大而不能很快的接受。我在遇到很多新观点的时候，我会把书合上开始思考。
• 应用- 遇到新观点时， 试着去问问自己能否立即应用它。这将令这个观点更容易记住而且更实用。
• 联系- 有的时候好的思想往往被掩盖住了。当你读到你感兴趣的然而与你不相关的书，再想想。 问问自己这个方面的话题能不能增进你在其他方面的理解。

这些阅读技巧主要是针对非小说类图书的。如果你读书的目的仅仅是为了消遣，就不需要高亮笔和跳过部分章节了。但是如果你是为了获取信息而读书，那么不要仅仅读得快， 而且要读得更聪明些。

欢迎访问译者的 blog – Lifepro

原文出处：Here’s an Idea: Let Everyone Have Ideas
原文作者：William C. Taylor – Fast Company杂志的创立者和主编，居住于马萨诸塞州的韦尔斯利。

就像许多优秀的执行官，James R. Lavoie和Joseph M.Marino密切关注着股市。但是身为Rite-Solutions，一家为海军部开发先进的高度分类的命令-控制系统的软件公司，共同创始人的这两个人，并不怎么关心纳斯达克或者纽约证券交易所。

相反，他们很重视任何员工都可以建议公司应该获得一项技术、进入一个新买卖或者进行一项效率改革的内部市场。这些建议连同订单符号、讨论表和邮件一起变成股票。员工们买卖这些股票，价格变化就反映了公司的工程师、电脑专家和项目经理——还有市场上的买家卖家、会计，甚至接待员的喜怒哀乐。

“我们是创始人，但是我们离这儿最聪明的人们实在太远了”，首席执行官Lavoie先生一次在位于罗得岛纽波特市外部的Rite-Solutions总部的采访中说道。“在大多数公司，特别是技术公司，最卓绝的洞察力一般都来自于高级管理层外的那些人们。所以我们创造了这么个市场来收集集体智慧。”

对于一个在自己领域中有着几十年经验的成功CEO来说，这是不可多得的谦虚（59岁的Lavoie先生是越战老兵，一个职业方向为军用技术的资深工程师）。

大多数公司都在这样一个设想下运作，即伟大的点子来自少数伟大的头脑：富于灵感的创始人、稀奇古怪的发明家、喜爱幻想的老板。但是在个人天才与自称无所不知的傲慢之间有一条明确的分界线。当竞争对手变得多如牛毛、技术发展一日千里，而没有哪个公司老板能想到所有的事时会怎么样？所以是时候想出一个不那么死板的方法来创新，并让提出好点子成为每个人的事了。

这是开源技术，特别是Linux兴起时的关键一课。一群普通的程序员聚成小组写计算机编码，然后这些编码å
¯ä»¥è¢«ä»»ä½•äººä¿®æ”¹ã€‚通过全球性的竞争与合作，他们重新塑造了软件市场。Linux作为一个创新典型的卓越之处，就在于它是由创造它的成千上万的程序员的草根智慧推动的。

按照电子书发行商O’Reilly Media的创始人和首席执行官Tim O’Reilly，一个开源技术的传道者的说法，创造力不再是哪个公司有最富于想象力和预见性的执行官，而是谁有最引人注目的“参与体系”。也就是说，看哪个公司使提供点子、解决问题和改进产品对于广大贡献者来说更容易、有趣并能获得回报。

在Rite-Solutions，参与体系既公事般的富于条理和效率，又充满乐趣。名叫“共同娱乐”（Mutual Fun）的公司内部市场里有55支股票，每支股票有一个叫expect-us（与内容说明的单词prospectus相对）的详细说明，并在10美元的价格开始交易。每个员工都有1万美元的“观念中的货币”以分配给这些股票。员工通过对某支股票进行投资表达他的积极性，更好的方式是为那个项目作义工。如果那支股票变成产品或者实现节约，志愿工作者就可以获得真正的钱作为分红。

57岁的Marino先生是Rite-Solutions的总裁，他说这个市场始于2005年，迄今已经付了一大笔股利。采用类似于电视游戏的三维可视技术帮助船员和国内安全部门练习在紧急情况下的决策，是最早的股票之一（股票代码：视觉/VIEW）。起初，Marino先生并不看好这个点子——“我可不是一个操作杆的操作员”——但是来自员工的支持是压倒性的。现在，名叫Rite-View的产品线占整个销售额的30%。

“如果只听高层那些家伙的话，这可能发生吗？”Marino先生问道。“绝对不会。但是我们不能忽视有这么多人支持这个点子的事实。这个系统大大减轻了我们必须始终保持正确的负担。”

这个股票市场的另一个优点，Marino先生补充道，是从看似不可能的资源中发掘出了许多好点子。应用于军用软件和娱乐场中的电子赌博系统的模式识别运算法则是Rite-Solutions的核心技术之一，是公司的一个大市场。一个没有技术背景的行政管理人员，认为这个技术也许可以应用于教育装置，让学生轻松愉快的学习历史或数学。

她创建了一支名叫胜利/游戏/学习（代码：WPL）的股票，并获得了急于将她的想法变成产品的工程师们的一大笔投资。他们的热情使他们在波塔基特见到了Hasbro。Rite-Solutions获得了一个资助他们建立VuGo多媒体系统的合同，该系统于去年圣诞节时完工推广。

Lavoie先生称这个创新为在大多数组织中没有得到开发利用的“沉默的智慧”的一个例子。“我们可能永远也想不到将那些点连起来，”他说。“但是一个员工想出了一个点子，许许多多员工将激情注入其中，然后就有了新的商机。”

下一步是激活那些存在于组织外的沉默的智慧——从准备好与某个公司工作的人们那里获取改革和创新，即使他们并不为那个公司工作。一个相关的诱人案例是InnoCentive，一个虚拟的研发实验室。主要的大公司通过它邀请全世界的科学家和工程师为它们出谋划策并解决自己解决不了的问题。

位于马萨诸塞州安杜佛的InnoCentive名副其实的是个点子市场。它签了30多个有价值的独特公司，包括Procter & Gamble，Boeing and DuPont，它们的研发实验室堆满了有待解决的问题和未完成的项目。它还签了超过175个国家的9万多个生物学家、化学家和其他的专家。这个“解决者”竞相解决“寻找者”公司提出的棘手技术挑战。每个挑战都有一个详细的科学描述，最后期限和最高曾达10万美元的奖励。

“我们在谈论的是科学界的民主化，” 在Eli Lilly & Company当了28年的科学家和高级研发执行官，现任InnoCentive的总裁和首席执行官的Alpheus Bingham说。“当你将你的公司向成千上万的头脑开放，而他们中的每一个都有着完全不同的生活经历，这时会发生什么？”

InnoCentive是Lilly在2001年创立的独立创业企业，现在有着骄人的战绩。它有一长串已经以惊人的速度从遥远的地方变为现实的科学点子的名单。除了美国，解决问题者最多的是中国、印度和俄罗斯。

上个月，InnoCentive获得了9百万美元的风险投资注资以加快成长。“在那边有一个‘集成的智慧”，Bingham博士说。“对于公司开说，问题在于你能得到其中的哪一片？”

对于大多数公司来说这还是一个没有解决的问题，它们的领导人仍旧依靠他们自己的智慧作为获得点子的主要资源。但是有证据显示越来越多的优秀执行官开始认识到他们自己智慧的局限。

回到Rite-Solutions，比如，“共同娱乐”（Mutual Fun）中最有价值的股票之一就是这个市场本身（代码：STK）。如此多的其它公司的执行官要求学习这个一个团体以将其变成产品的形式支持一个点子的系统——又一个没有料到的机会。

“经验本身并没有错，”公司的总裁Marino先生说。“问题在于什么时候起经验阻碍了创新。作为创立者，我们知道的一件事，就是我们并不知道所有的答案。”

注：这个也是给《环球企业家》翻译的

Exstasis 翻译  http://exstasis.yculblog.com/)

By Jeannette M. Wing
摘自 COMMUNICATIONS，ACM member magazine， 2006年3月刊
相关pdf，http://www.cs.colorado.edu/retreat/images/ComputationalThinking.pdf

代表的是哪里都适用的一种态度和技能，是每个人，而不仅是计算机科学家，都热衷于学习和运用的。

计算机思维建立的基础是计算机处理的能力及其局限性，不管是由人还是机器来执行。计算机方法和模型使我们有勇气去解决问题，设计出无论哪个个人都无法独立担纲的系统。计算机思维面对着有关机器智能的不解之谜：人做什么比计算机强？计算机什么比人好？最根本的问题是：什么是可以计算机做的？今天，我们对这样的问题仍然一知半解。

计算机思维是每个人的基本技能，不只属于计算机科学家。在阅读，书写和算术之外，应该把计算机科学加入每个儿童的分析能力培养。和出版社促进了3个R（阅读，书写和算术Reading, Writing & Arithmetic）的传播相类似，计算机和使用电脑促进了计算机思维的传播。

计算机思维采纳计算机科学的基本理念，可运用于问题的解决，系统设计和理解人类行为。计算机思维包含了一定范围内的思维工具，反映出计算机科学领域的广泛性。

在解决一个问题时，我们会问：这有多难？怎样做是最佳的方法？计算机思维站在坚实的理论地基上给予这样的问题精确的答案。问题的难度要说取决于机器的能力－用来解决问题的计算工具。要考虑机器的指令，资源的约束和运行环境。

为了有效率地解决问题，我们也许要进而问道，貌似的解决方案是不是最好的呢，我们可以随机化优势吗，是否允许主动错误或者被动错误。计算机思维通过简化，嵌入，转换或者模拟，将看来困难的问题转化为可以解决的问题。

计算机思维是递归思维，并行处理。它将代码译为数据，又将数据译成代码。它用维度分析的泛化进行类型检查。承认异化的优缺点。给某个人或物多个名字。它同时意识到间接寻址和程序呼叫的代价和用处。它不只用正确程度和效率来评判一个程序，还判断美感，系统设计的简洁和优雅。

计算机思维利用抽象和分解来对付复杂的大型任务或者来设计复杂的大型系统。它使你远离担忧。它挑出合适的代表性的问题或者给问题的相关方面建模使问题易于处理。它使用不变量来概要地或者陈述性地描述系统行为。它确信我们无需理解系统的每个细节就可以安全地使用，修改或者影响一个大型复杂的系统。它设想多个不同的用户建立不同的模块，为了设想的未来的使用进行预加载或缓存。

计算机思维都以最糟糕的情形来考虑预防，保护和复原，方法可以是冗余，容错和纠错。 它采取呼叫高压封锁，死锁或者约定界面的方法。它还学习在发生同步相遇时避免竞争的情形。

计算机思维使用启发式推理找到解决之道。它在不确定的情况下进行计划，学习和安排。它是搜寻，搜寻，再搜寻，找到一长列的网页，赢得游戏的攻略或是一个反例。它是使用大量的数据来提高计算的速度。它是在时间和空间中，在处理能力和存储容量中找到平衡。

来看这些生活中的事例：您女儿早上去上学，她把这一天要用的东西放到背包里；这就是预加载和缓存。当您的儿子弄丢了他的手套，你建议他到经过的地方找；这是回溯。到什么时候下您会自己买一套而不再租用滑雪用具呢？这是联机算法。在超市排哪条队伍？这是服务器系统的性能建模。为什么停电时电话还可以用？这是失败的独立性和设计的冗余。那么如何进行用来分辨计算机和人的完全自动化的图灵测试，即CAPTCHAS，人类仿真?；这是利用解决人工智能的难题来给计算机代理商做宣传的。

计算机思维将植根于每个人的生活当中，那时算法，前置条件等词汇将成为每个人的词汇， 非决定论和垃圾收集不再是计算机科学家使用的含义；人们将会从上往下来画一棵树。

我们目睹了计算机思维对其他学科的影响。例如，机器学习改变了统计学。统计的学习正用于考察问题的规模, 以数据的大小和角度的方式，这在几年前还是不能想像的。各种组织的统计部门都在招聘计算机科学家。计算机学校包围了现有的和新成立的统计部门。

计算机科学家近来对生物学产生了兴趣，因为它们相信，生物学家将可以从计算机思维中获益。计算机科学对于生物学的贡献远不止于可以通过大量搜索序列数据来寻找图谱。希望的是利用数据结构和算法－计算机的抽象思维和方法， 通过阐述功能来表现出蛋白质的结构。计算机科学家正在改变生物学家的思维方式。 相似的，计算机游戏理论正改变着经济学家的思维方式。量子计算对物理学家也是。

这样的思维不会仅是其他科学家们的技能，它将是每个人的。普适计算的今天就是计算机思维的明天。昨天普适计算还是梦想，今天它已成为了现实。计算机思维在明天也会成为现实。

是什么，不是什么
计算机思维是研究计算的－ 什么是可以计算的，怎样进行计算。因此，计算机思维有下面的特点：

是概念化，不是编程
计算机科学不是计算机编程。计算机科学家式的思维不是说给计算机编程。它要求在多个抽象层面进行思考。

是基本技能，不是机械技能
基本的技能是每个人在现代社会都必须学会运用的。机械则意味着机械的重复。具有讽刺意味的是，要是计算机科学家真解决了人工智能的使计算机象人一样思考的大挑战，那时思维可就真要变机械了。

是人的思维方式，不是计算机的
计算机思维是人解决问题的方式，不是要人象计算机一样思考。计算机是愚笨无趣的，人聪明富有想像力。是人类使得计算机令人振奋。使用计算机设备，我们运用才智处理问题，那些在计算机时代之前我们不敢挑战的问题，构建具有只要想像得到的功能的系统。

数学和工程思维的补充和结合
计算机科学源于数学思维。因为向所有科学一样，它是正式建立在数学的基础之上。计算机科学源于工程思维，是因为我们构建的系统与真实世界是交互的。计算机设备的约束迫使计算机科学家使用计算机的思维，而不是数学思维。构建虚拟世界的自由使得我们可以设计超越现实世界的系统。

是想法，不是人工产品
不单单是生产的软硬件产品可以真实存在于各处，时刻影响我们的生活，计算机概念可以用来考虑和解决问题，管理我们的日常生活，进行沟通以及和其他人的交往，并且

对任何人，在任何地方
计算机思维都是现实的。它如此融入人们的生活，如明了的哲学。

很多人将计算机科学等同于计算机编程。有些父母以为他们学计算机科学专业的孩子就业的范围是很窄的。很多人认为计算机科学的基础研究已完成，只剩工程部分了。计算机思维是一个大的愿景，它指导计算机教育者，研究人员和实践者们改变社会对这个领域的印象。 我们尤其需要告诉将要上大学的听众，包括教师，父母和学生，2点：

还有很多亟待理解和解决的智能挑战和有关的科学问题
问题和解决的领域只在于我们有多少好奇心和创造力。

学计算机专业的可以做任何事情
你如果学的是英语或数学，可以从事很多不同的职业。计算机科学也一样。计算机专业的职业可以是医学，法学，商务，政治，任何一种科学或工程学，甚至美学。

计算机专业的教授应该给大学新生上一门课，“怎样象计算机科学家一样思考？”，给非计算机专业的人讲，而不仅是给本专业的人听。还应该让要上大学的学生了解计算机方法和模型，而不是叹息对计算机感兴趣的人少了，或者计算机科学的研究经费减少了。我们要想办法激发公众的兴趣和对这个领域的智力的探索。这样我们才可能传播计算机科学的乐趣，地位和力量，普及计算机思维。

（neverdoright 翻译）

这是大科学家Richard Hamming的著名讲演，于1986年在贝尔通讯研究中心给200多名Bellcore的科学家们所做。在google上一搜，还未见中文翻译。在享受到Hamming闪耀的智慧的同时，禁不住要把它译成中文，让更多的只学了法语、德语、和柬埔寨语还未来得及学英语的同胞可以分享。思维是独特的，任何人的翻译都加上了译者的“思想”。所以，要知道Hamming到底讲的什么，请看原文。要看我是如何听Hamming讲的，你可以看我的这篇“中文翻译稿”了。尽管我本人从不是自然科学学者，其中的科学名人大多不熟悉，很多术语也不懂，但我仍作出努力。我的时间有限，抽空为大家效劳，恕我不字斟句酌了。不当之处，请您补上。而且Hamming是大家，我也没亲耳聆听过其教诲，我就不“直译”了。遇到一时没译好的，希望后来者补我的缺，以免误人子弟。有明显的错误或需要的补缺，请大家贴到Comment里面。如若承蒙厚爱引用本译稿，敬请高抬贵手标明出处：中文翻译：老马等 引自染缸。

演讲者介绍：Richard Hamming，前贝尔实验室著名计算机科学家，美国the Naval Postgraduate School in Monterey教授。1968年因其在“数值方法，自动编码系统，错误检测和纠错码”方面的贡献获得图灵奖。Richard Hamming，习惯性中文译作理查德·海明，1950年发明了“海明码”，可以检验出两位错误并修正一位错误，是每个计算机专业学生的必修内容。

致 谢：Richard Hamming是顶尖的成功大科学家，其心、智程度必超普通人，对此我在翻译过程中深有体会。Hamming的这篇文章不太好翻，不，是太不好翻。 Hamming也不是故意难为咱，首先他当时讲话的对象都是绝顶聪明的科学家，我相信他们之间说话一定有他们的特殊“语言”方式；另外，牛人就是这样，他认为他已经把话说明白了，就一个字也不多说了，但要写成较通俗的句子，得“钻”到他的思维里去，又不能太离原来的句式结构远了，所以感觉挺费劲的。特别是这篇中文译文的网友读者们，给了我很大的帮助，他们是May，猪头简，高贵的兔子，ingot。特别是ingot，提出了41处修改、润色建议，其中包括13/14处对原翻译错误的及时更正。我十分感激所有朋友的慷慨相助，绝大部分的修改建议我均已融合到译文中。在此特向以上网友，以及给我的帮忙的个人朋友们，表达我衷心的感谢。所有的读者，包括我本人，因你们而受益。同时，谢谢大家的阅读和给与的留言、评价。

做大事，成大业 YOU AND YOUR RESEARCH – RICHARD HAMMING

我演讲的题目是“你和你的研究”。这不是有关研究管理方面的，而是关于你如何独自做研究的。我也可以作别的方面的专题演讲–但是不，今天是专门谈你。我不是谈什么平常的“车轱辘转”（run-of-mill）的研究，我是谈重大的研究。并且，为了描述重大的研究，我将时常要谈及相当诺贝尔奖那一类的“大事”。这和获奖不获奖无关，我指的是我们认为有重大价值的事情。如相对论，香农(Shannon) （信息理论之父，译者注）信息论，以及其他杰出的理论 —- 这就是我要讲的。

那么，我是怎样搞起这样的研究的呢？还在Los Alamos(美国洛斯阿拉莫斯国家实验室Los Alamos National Laboratory的所在地，1943年由能源部为研制原子弹而建立。译者注）的时候，我负责运行有关计算机方面的事，以便那些科学家们、物理学家们可以去干他们的（大）事了。我无非是个“跑龙套”的。尽管我在身体上与他们无异，但我还是与他们不同。说实话，我挺嫉妒的。我见过Feynman (1965年获诺贝尔物理学奖。译者注)，我见过Fermi和Teller，我见过奥本海默，尤（里乌斯）·罗伯特(Oppenheimer)(1902-1967美国原子物理学家, 原子弹计划主持人。译者注)，我见过贝蒂(Hans Albrecht, 1906-, 美国物理学家, 曾获1967诺贝尔物理学奖。译者注)—他就是我的“老板”。我见过不少非常有才能的人，我于是有兴趣去了解自己与那些正在做事和已经成事的人之间的差别。（瞧瞧那龙套跑的，啧啧。译者注）

当年我刚到贝尔实验室的时候，我进入到了一个硕果累累的部门。Bode是那时的部门头，香农(Shannon)也在那里。我一直问自己这样的问题：“为什么”和“差别是什么”。我于是去读有关的传记、自传，去问他们这样的问题：“你是怎么干起来这样的事的？” 我试着搞清差别是什么。这就是今天要谈的内容。

那么，为什么这样的话题重要呢？那是因为，就我所知，你一生只有一次生命。即使你相信来世，那也无助于你对待来世的“来世”！为什么你不在这次生命中就做一些意义重大的事呢，不管你是如何定义你的“意义重大”？我不会去定义它 —- 你懂我的意思。我将主要谈论科学，因为这是我研究的领域。尽管就我所知，别人也多次告诉我，我所讲的（道理）也适用于其他很多领域。尽管杰出的工作在很多不同的领域里都具有相同的特点，我还是将我自己限定在科学的领域。(他老人家的意思是说，他要去当总统或“政协委员”的话，实在是大材小用，驴头不对马嘴。译者注)

为了让你感觉到专门针对你个人的，我必须使用第一人称。我必须让你抛开谦逊并对自己说：“对，我想做一流的事。” 我们的社会会对那些着手去做像样的事的人皱起眉头，他们会怀疑：“你是那块料吗？运气会光顾你吗？或许你侥幸做成某件大事。” 好吧，随这些闲言碎语去吧。我要说的是：你为什么不现在就动手去做一点大事呢？！你不用告诉别人，但是你可以告诉你自己啊：“对，我就是喜欢做一些重要的事。”

为了达到第二个层次，我自己也得放下谦逊并以第一人称来谈我见识了什么，我做了什么，以及我听到什么。我会谈及一些人，其中一些你们认识，但我相信当我们离开的时候，你们不会把我的话当成“话柄”到处说事儿。

请让我从心理学的角度开始，而不是逻辑的。我主要不赞成人们认为重大科学成果是因运气而成。要说什么事情都和运气有关。但是，想想爱因斯坦，看看他做了多少不凡的事，那全都是运气使然吗？难道就没有一点可重复性？想想香农，他不仅仅搞了信息理论，多年以前他就做了一些别的好的事，以及为确保密码学不被攻破而无法公开的其他一些技术。 他可做了不少的好事。

你一次又一次地看到一个“好”人不只做一件“好”事。但有时一个人一生就做一件事，关于这一点我们一会儿再谈，只是更多时候是存在可重复性的。我坚持认为运气并不推及所有的事。我在此引用巴斯德(Louis Pasteur，19世纪法国化学家。译者注)的话：“运气只光顾有准备之士。” 他的话说出了我心里所想。的确有运气的因素，同时也有没有运气的成分。有准备之士早晚会找到重要的事并去做它。所以，的确，是有运气。你去做的那件特定的事是偶然，但是，你总归要做某事却不是(The particular thing you do is luck, but that you do something is not)。

举一个例子，我当初来到贝尔实验室，和香农共用一个办公室。他在那间办公室搞出了他的信息理论的同时，我也做出我的编码理论。真有点奇怪，我们两人居然在同一办公室、同一时刻做了这些“事”—-在某种气氛中。你可以说：那是运气。另一方面你也可以问：“但是为什么那时所有在贝尔实验室的人只有我们两个做了这事呢？” 是的，那里面部分是“运气”，部分是“有准备”。 “部分”一概念也是我后面要谈到的另一问题。所以，尽管我会不时提及“运气”这个问题，但我不会把运气这东西看成与你的工作出色与否有没有关联的的唯一砝码（谢谢海涛帮我“掰斥”这句。译者注）我主张即使不是全部你也要对“运气”有部分掌控。最后我引用牛顿对此的原话：“如果别人也和我一样努力思考的话，那么他们也许会得出差不多的结论。”（译者注：问问自己，用一卡车苹果往你头上砸，直把你砸晕看能砸出个什么来。）

包括许多（大）科学家在内的很多人所具有的一个特质，如你所见，就是通常在他们年轻的时候，他们具有独立的思维并有勇气去追求。举一个例子，爱因斯坦，大概在他12或14岁的时候，他问自己：如果我有光速那么快，那么光波看起来是个什么样子？现在他知道了光电理论告诉你不可能有稳定的局部极大(local maximum)，但是你随着光速移动，你就能看到局部极大(local maximum)。他能在12或14的时候就难能看到这样的“矛盾”—-所有的事物在光速条件下看起来不一样。是运气使得他最后创造了相对论吗？(那是由于)他早就开始积累对此问题的思考。这，就是必要条件，而非充分条件。所有这些就是我要谈论的“运气”和“非运气”。

那么，把很多聪明的头脑都凑在一起会怎样？这主意听起来不错。这屋子里的听众们大概都具有从事一流工作还富余的头脑。“有头脑”可用不同的方式来衡量。在数学、物理、天体物理方面，一般来说，头脑在很大程度上与处理那些“符号”有关。因此标准的IQ测试就能测定出他们的高智商程度。但另一方面，在其他领域里有点不同。举个例子，Bill Pfann，此人发明了区域溶化(zome melting)理论，有一天走进我的办公室。他那时只是模模糊糊地有了一些想法和提出了一些式子。当时我非常清楚此人不太懂数学，而且有点“茶壶煮汤圆—-有话说不出”的意思。但我觉得他的问题挺有意思的，于是我就把他的问题带回家琢磨了一下。我最后教他如何使用计算机以便帮他计算自己的答案。我给他提供了用数学计算的动力，他于是径直干了下去，他们自己部门的人都没人理解他。终于他收获了在此领域里的全部声誉。只要他有了一个良好的开头，他的胆怯、他的不熟练、他的含糊不清都会消失。他在其他很多方面也更强了。当然，他也更加融会贯通(articulate)。（译者注：也许你对articulate会有不同翻译，对我，这里articulate就是“融会贯通”。原文的字面意思是“他的表达能力也大大增强了”。在很多方面，如果不是完全意义上的语言问题，表达不清主要原因是没有融会贯通。这里Hamming并没有教Pfann表达的事，所以我认为是“融会贯通”的问题。）

我还要举另一个人的例子，希望他不在场。一个叫Clogson的家伙。我遇到他的时候正值我和他一起在John Pierce（贝尔实验室研究总监，在通信理论、电子光学和行波管研究方面有突出贡献。译者注。）小组一起攻克一个难题，我那时可没觉得他有肚里没有什么料(I didn’t think he had much)。我问那些和他同过学的同事们：“他在学校里就这德性吗？”“是的”，他们回答。那好，我还是把他辞退了吧。但是John Pierce明智地把他保了下来。Clogston最终做成了Clogston Cable (想想吧，能以他的名字命名东西的人是什么牛吧。译者注)。他并从此一发不可收拾—-一次成功给他带来了自信和勇气。

成功科学家的重要品质之一就是勇气。一旦你鼓起了自己的勇气并相信自己能解决重要的问题，那么你就行。如果你觉得你不行，几乎肯定你不会去做。勇气就是香农（Shannon）所拥有的最重要的东西之一。想一想他的主要定理。他想建立一种编码方法，但是他并不清楚如何做，所以他搞了一个随机码(a random code)。然后他又卡了壳。然后他问了一个“不可能”的问题：“一个平均随机码（the average random code）会怎样？” 他于是去证明了平均码(average code)是arbitrarily good（随意性良好？），并且因而一定存在至少一个好的编码。除了一个拥有无限勇气的人，还有谁胆敢有如此勇气想此所想! 这就是伟大的科学家的品质—-他们有勇气。他们不管周围境况，勇往直前；他们思考、思考、再思考。

年龄是另外一个自然科学家们（physicists）担心的因素。他们总是说你要做就得趁年轻，否则就别做。爱因斯坦做事就早，所有的量子理论的同仁们做他们的“事”的时候都早得吓人（disgustingly young）。大多数数学家、理论物理学家，以及天体物理学家都在他们的早年作出了我们公认的他们最好的成就。这并不是说他们岁数大了以后就不能做有益的工作，只是我们认为他们最有价值的事是他们年青的时候所为。在另一方面，在音乐、政治和文学方面，通常的情况是，那些我们仰慕的大作品往往出炉较晚。我不知道你的情况适合以上的哪种情况，但年龄总是有影响。

就让我说说为什么年龄产生那些影响。 首先，如果你干得不错的话，你就发现你被拉进了各种各样的委员会，然后你就没法做更多的事了。你也许发现你就和我见到获诺贝尔奖时的布拉顿(Brattain, 美国物理学家, 曾获1956年诺贝尔物理学奖)差不多。颁奖的那天我们全都聚集Arnold大厅（Arnold Auditorium），三个获奖者都上台发表了演讲。第三个是布拉顿，他差不多噙着泪水说：“我知道这个诺贝尔奖的影响但我不会让它影响我。我会继续保持做个好的老瓦尔特.布拉顿。” 我于是对自己说：“说的真好！”。 但是仅仅几周的功夫我就看见（诺贝尔奖）对他产生影响。现在他只能对付那些“伟大的”的问题了。（译者注：既然如此的大牛科学家都为身外之物所累，我们又怎可幸免？所以，你没有做好“出名”的准备之前，不可妄自出名。“名”可不是什么人都可以出的。）

当你成名后再做一些“小”事就难了，香农（Shannon）也难逃此运。有了信息理论(information theory)，你还能有什么“招”让人叫好呢？（ingot的建议太妙了！受用。译者）那些伟大的科学家也经常犯这样的“晕”。他们未能继续燃烧心中本可以燎原的星星之火（They fail to continue to plant the little acorns from which the mighty oak trees grow）。他们想一下子做成一件大事。这并不是事情的本来面目。所以，这解释了为什么你明白一旦成名太早你就往往“废”了（sterilize you）。实际上我要给你我多年的最爱的例子：普林斯顿高级研究院，比起其他的学院，在我看来，已经毁了无数好的科学家，你只要比比那些科学家去“普高”之前和之后的成就就可以分辨这点。他们进去之前可谓超级牛（superb），出来之后就变得一般牛了(only good)。

从这又引出工作条件的话题，也许有点次序颠倒。多数人想的是最好的工作条件。非常清楚，事实并非如此，因为人们常常在条件不好的时候富有成果。剑桥物理实验室有史以来最好的时期恰逢他们实际上是最简陋的时期—-他们做出了有史以来最好的物理。

我给你一个我个人生活的故事。早些时候，对我来讲似乎表明贝尔实验室不像是常说的搞二进制的计算机程序的人聚集的地方。的确不是。但是每个人的确就是这样做出来的。（贝尔实验室自1925年成立至今，科学家们共获31000多项专利，他们中的11人获诺贝尔奖，他们中的其他人选择获得别的奖或其他的东西。译者注。）我本可以去西海岸找个什么飞机公司的差事也不是什么问题，但是贝尔实验室的人是些让人兴奋的人，而那些飞机公司的同仁不是。我想了好长一阵子，我去还是不去？我一直在想两全其美的是。最后我对自己说：“Hamming，你一直想计算机能做任何事，为什么你不能让他们写程序？” 首先跳进我脑海的是“毛病”，并促使我非常早的进入自动程序系统。所以，那些看起来像缺陷的东西，通过换位思考，常常变成你可能拥有的最有价值的财富。但你似乎不太可能头一次看到它时就说：“哇塞，我不可能召集足够的程序员，那么我怎能搞成任何大事呢？”

这类的故事å?
?šçš„是。Grace Hopper (Grace Murray Hopper 是共享代码库、编译器验证软件以及编译器标准的使用的早期倡导者。促进了计算机科学的发展,促成了COBOL的产生。译者注) 也有一个。我想只要你用点心你就能明白，伟大的科学家常常通过换一个角度看问题，就能把瑕疵变成财富。例如，许多科学家每当不能解决一个难题时，他们终究转而去研究为什么“不能”的问题。他们然后反过来看问题：“本来嘛，这才是问题所在。” 于是，就有了一个重要的结果。所以，理想的工作条件非常奇特—-你想要的往往不是对你来说最好的。

现在来谈谈驱动力的问题。你观察到大多数伟大的科学家都有惊人的动力。我和John Tukey (1973年获得美国国家科学奖。在数学和统计学理论方面进行了深入的研究，并为统计学在物理学、社会科学和工程学方面的应用做出了突出贡献。译者注) 一起工作了10年，他一直动力十足。大约我加入三、四年后的一天，我突然发现John Tukey比我还稍年轻一些。John是个天才，我显然不是。我于是冲进Bode的办公室，对他说：“像我这“把”年纪的人如何能和John Tukey了解得一样多？” 他向后靠在椅子上，把手放到脑后，咧嘴笑道：“如果你知道这些年像他一样努力的话你就能了解多少，你会大吃一惊的。” 我无地自容般地逃出了他的办公室。

Bode实际上是这意思：知识和创造的成果就像利滚利(compound interest)。假设两个人拥有几乎一样的能力，其中一个人比另一个人多干十分之一的活，他将多产两倍。你知道得越多，就学得越多；你学得越多，就做得越多；你做得越多，机会就越多。这特别像“复利”。我不会给你一个“利率”，但是那是非常高的利率。假设两个人的能力一模一样，其中一个人设法日复一日每天都思考一个小时，那么他的一生的“产能”将是大大的提高。我把Bode的话记在心里。这些年我花了相当的功夫试着再努力一些，结果我发现，实际上我能做更多的工作。我本不愿在我太太面前说，但我得承认，我有时忽视了她。我得钻研。如果你一心想做成某件事，有时你不得不对另一些事视而不见。对此毫无疑问。

有关动力，爱迪生说：“天才是99%的汗水加1%的灵感。” 这也许有点夸张，意思却是说，扎实的工作，长此以往，会给你带来意想不到的工作。干成大事非的下功夫不可，而费脑力功夫使得“活”难上加难。这就是症结，使错了劲，你便一事无成。我常思量我那么多在贝尔实验室的朋友们，工作努力的程度与我相比有过之无不及，为什么他们难成正果(didn’t have so much to show for it)？有劲瞎使是个很严重的问题。玩命工作是不够的—-好钢要用到刀刃上(it must be applied sendibly)。

我还得说说另一个性格方面的特点，那就是“似是而非”。我可是花了好一阵子才搞明白其重要性的。大多数人愿意相信世上万物非此即彼，“是”“非”分明。大科学家们却能很大程度地容忍“似是而非”。他们充分相信（自己的）预测，靠思想前行；他们保持足够的警觉，随时挑出其中的错误和瑕疵，以便超越旧有理论，去创造新的替代的学说。如果你过于相信，你将无暇留神其中的破绽；如果你过分怀疑，你甚至将无从起步。这需要一个良好的平衡。多数大科学家非常清楚为什么他们的理论是真知灼见，同时也知道哪里还有些小毛病，不敢忘怀。达尔文在他的自传里记载了他发现的每一处与他的信条相抵触的迹象，非如此，那些“证据”就会从他脑海里消失。每当你发现明显的毛病，你最好保持敏感并跟踪那些东西，紧紧盯住看看你能否解释或者调整你的理论去适应（这些“毛病”）。大成就大多如此。所谓大成就并不是指那些靠多加一位小数点搞成的东西，而是指那些投入感情的的事情。大多数大科学家们完全将他们自己融入课题之中，而不能完全投入的人鲜有做出杰出的、一流的成果的。

再者，感情投入还不够，这显然是一个必要条件。我能告诉你其中的理由。每一个研究了创造力的人都会认为“创造力从你的潜意识而来”。不知怎的，突然之间，灵光乍现（there it is!），说来就来。当然，我们对潜意识知之甚少。但是你非常清楚的是，你的梦也来自你的潜意识。并且你也意识到，在相当程度上你的梦是你白天的再现。如果你深深地痴迷并投入到一个问题中去，日复一日，你的潜意识除了除了干这活也不会干别的。然后，你在某个早晨，或某个下午（哈…,译者注）一觉醒来：有啦！(and there’s the answer.) 对于那些个不能投入到当前的事情上的人来说，他们的潜意识此时不知在哪儿磨蹭呢，凭何指望有什么好结果？所以，做事情的法子就是：如果你找到一件真正重要的事情，你就不要让任何别的事情成为你注意力的中心—-你思你所思(you keep your thoughts on the problem)。保持你饥饿的潜意识使它想你所想，然后你就可以安心地睡觉，静等天明，答案便不取自来。

现在聊聊Alan Chynoweth(演讲当天的主持人，好像是光纤通信大牛，译者注)提到我老是和搞物理的那帮人一起吃饭。我在此之前是和搞数学的人一块吃饭的，但我发现我已经了解了不少数学的东西，所以，事实上我所学甚少。物理学的饭桌那边，如他所说，的确是有点让人兴奋。但我认为他对我的贡献有点夸大其词了。听Shockley (1956年诺贝尔物理学奖获得者)、Brattain (1956年诺贝尔物理学奖获得者)、Bardeen (1965、1972年两度物理学奖获得者)、J.B.Johnson (物理学家，噪声方面专家，发现热燥声，Johnson noice)、Ken Mckay (没找到背景的反正均为大牛科学家。译者注)还有其他人聊，我兴趣盎然，收获颇丰。但是可惜的是，诺贝尔奖、提升接踵而至，剩下我们这些“沉渣”而已。没人想要这些残渣剩饭，因此，和他们吃饭何益？

挨着物理学的饭桌的是化学那帮人的饭桌。我曾和其中一个家伙一起干过，Dave McCall， 那时他正和我们的秘书眉来眼去的呢。我走过去对他说：“我能加入你们吗？” 他们还能说不吗。所以我就和他们那帮人吃了一阵子饭。我开始发问了：“什么是你们哪个领域的重要的事呢？” 一个多星期以后，另一个问题：“你们正在搞什么重要的课题呢？” 有过了一段时间后：“如果你们干的事情不那么重要，如果你们不认为那将导致重大的结果，那你们还在贝尔实验室搞它干嘛呢？” 我于是从此不再受欢迎。我得再找别的人去吃饭了了！那还是在春天。

到了秋天，Dave McCall在饭厅堵住我对我说：“Hamming，你的话一直让我记着。我想了一个夏天，比如，什么是我的领域里重要的问题。我并没有改变我的研究，但是，这思考是值得的。” 我然后说：“谢谢你，Dave。”转身走了。我注意到几个月以后他成了他们部门的头，我注意到有一天他成了国家工程院的院士(member)。我注意到他成功了。我可没听说过他们那个饭桌上的还有其他人在科学和圈子里被提起过。他们没能问自己：什么是我这个领域里的重要问题？

如果你不去搞那些重大的问题，你就没法干那些重要的活。十分显而易见，大科学家细细地从头到尾考虑过在他们那个领域里的诸多重要难题，并且随时留神考虑如何攻克那些难题。我得提醒你，说“重要/大问题”得留神。在一定的意义上，当我在贝尔尔实验室的时候，那三个在物理方面的突出难题，从未被好好研究过。所说重要，是指可以获得诺贝尔奖以及你能谈及的任何金钱的程度。我们未曾搞过(1)时间旅行；（2）遥距传递(teleportation)；（3）反引力(antigravity)。 他们不重要，是因为我们没法对付他们。一个问题，不是仅仅因为解决以后能带来什么后果而重要，你必须有办法对付她才行(It’s not the consequence that makes a problem important, it is that you have reasonable attack)。当我说多数科学家没有做那些重要的工作，我是指这个意思。

我前面说到过“星星之火，可以燎原(planting acorns so that oaks will grow)”之类。又不可能总能清楚结果在哪，但你却能在那些可能“有戏”的地方充满活力。甚至即使你相信大的科学就是一些运气什么的，你仍要站到电闪雷鸣的山顶, 而不必藏在你感觉安全的峡谷。话虽如此，众多科学工作者毕生仍只例行公事般地从事“安全”的工作，所以他/她“产出”有限。就这么简单：如果你要干大事，你必须毫不迟疑地(clearly)去干重大难题，而且你得有个想法。

顺着John Tukey和其他人主张的思路，我最终采用了我称作“重大思考时间”“制度”。当我周五去吃午饭，我此后只会讨论重大思考。所谓重大思考，我是指那些诸如“计算机对整个AT&T会成为什么角色”，“计算机怎样改变科学界”的问题。举个例子，我那时注意到十分之九的实验是在实验室做的，但只有十分之一是在计算机上做的。我有次专门跟一个副总裁谈了我的看法：事情得反过来。比如十分之九的的试验应该在计算机上做，剩下十分之一留给实验室。他们早知道我是数学狂缺乏现实观。我知道他们错了，并且随着越来越证明我对，他们自然就越来越错了。他们在不需要的时候建起了各种实验室。我发现计算机正改变着自然科学，因为我花了很多时间问自己： “计算机会给科学什么影响，我能怎样改变（影响）？” 我再问：“这如何影响贝尔实验室呢？” 我有一次发表高见，用同样的方式，指出一半以上的贝尔试验的人在我离开之前将会离不开计算机或相关。现在你们已经看到结局了。我发奋思考：我的领域向何处去，机会在哪里，什么是重要的事情值得做。让我继续下去，就会有机会做点大事。

多数大科学家牢记很多重大问题。他们约有一二十个大问题想方设法去攻克。每当他们发现一个新想法出现的时候，你就会听到他们说：“唔，这个与该问题有关。” 他们于是抛开其他一切，全攻此问题。现在我要说一个可怕的故事，我听来的，不担保其真实性。我当时坐在机场候机厅正和一个在Los Alamos的朋友谈论关于在当时欧洲发生的裂变实验多幸运，因为这使得我们在美国这儿能搞原子弹。他说：“不。在伯克利(Berkeley)我们已经收集的不少的数据。我们之所以没能推导出来，是因为我们正在建造更多的机器设备，如果我们推导出来那些数据的话，我们就能发现裂变。” 他们让到手的鸭子飞了。机会稍纵即逝！

伟大的科学家们，一旦机会来临，他们便紧追其后并且决不言弃。他们放下其他一切。他们摆脱掉其他事情，紧追一个想法不放手，因为他们已经有了通盘的考虑。他们的思想是时刻准备着的，看见机会就紧跟其后。当然，很多时候也不能奏效，但是你并不需要如此“安打”多次就能做一些大的科学。就这么简单。一个主要的诀窍就是活得长一点。

另一个性格特点，我一开始并没注意到。我注意到以下这些事实：有人“闭门造车”，有人“开门迎客” (people who work with the door open or the door close)。我观察到，如果你把办公室的门关起来，你今儿或明儿就能多干点，你也会比别人多出不少的活。但是，10年以后就未必了。你不知道干了点什么值得干的事儿。那些把门敞开的人的确是受了很多的打扰，但他也不时地获得些线索，了解这世界是什么或什么更重要。好了，我是无法证明何为因何为果，因为你会说：“关门造车”意味着“封闭心灵。” 我可不知道。只是我可以说，那些敞开了门干活的人和最终成就了大事的人之间，存在千丝万缕的联系，即使你关上门多使劲地干也无济于事。反而，他们看起来干得有点不对劲—-也不是太不对劲，但足以不成气候。

我想谈谈另一个话题，那是从大家都知道的歌词里来：“你做什么无关紧要，你怎样做才紧要。” 我从自己的一个例子说起。当年正值关注二进制的日子里，我着迷似的搞着数字电脑(digital computer)，其中一个问题最好的模拟计算机也无能为力。后来我得到了一个结果。我仔细考量了之后对自己说：“嗨，Hamming，你知道你得就这个军事方面的活向上打个报告。你花了那么多的钱可得能说明问题在哪啊，每一个主张模拟装置的人都等着看你的报告以便挑你的毛病。” 老实说，我是用对付一个相当“土”的方法去算那些积分的，但我居然也得到了答案。我终于明白了事实上这问题不在于就是找到了答案，关键在于首先证明了它，在此之上，我能用一个数字电脑战胜“模拟电脑”，而且在它自己的领域。我然后修改了那个解决方案的法子，创立了一个相当一流的理论。那个公布出来的报告就有一个后来好多年以后公认的“Hamming’s method Integrating Differential Equiations（“哈明XXXX法”，哈哈，谁愿意怎么翻就怎么翻吧。译者注）这个现在说起来可能有点陈康烂谷子了，但是当时可火了一阵子。就是稍微改变了问题本身，我创立了一个好的、漂亮的理论。

同理，当早年在顶楼用机器（再次提及的“机器”均指计算机。那个年代，计算机不是我们看到的样子。译者注）的时候，我在攻克一个又一个难题，成功的居多失败的少。周五弄完了一个问题回到家里，却奇怪我并不快活—-我很沮丧。我看到生活就是一个问题接着一个问题又接着另一个问题。想了相当长一阵子后，我决定：不，我得对各种“产品”进行“批量生产”，我得考虑所有“下一步的问题”， 而不是仅仅眼前的问题。通过改变提问，我仍得到了同样甚至更好的结果。我去着手主要问题：我如何才能在我不知问题是什么的时候攻克机器（计算机。译者注）并做些“未来的问题”？我要如何为此做准备？我要怎样做才能站到计算机之巅？我要如何遵从牛顿的法则？他说：“如果我能比别人看得远，那是因为我站在巨人的肩旁上。” 而现如今，我们（仅）站在相互的脚面上！

你应该以这样的方式去干你的活：你的工作成为别人工作的基石！于是别人就会说：“看哪，我站在他的肩膀之上，我看得更远了。” 科学的本质是积累！通过稍微改变一下问题，你就能常常作出非常好的的活，而不是一般好的活。我再也不去做相互孤立的问题，除非它能代表某一类问题的共性。我决不再去 解决单一的问题。

现在，如果你是个不错的数学家，你会明白，可扩展性意味着解很简单(显然我不是。谢谢ingot的更正。译者注）那是他要的问题，但是这是问题如此这般的特征。对啊，我能用高明得多的方法攻克整个这一类难题，因为我尚未被那些细节所困扰。” 抽象化的方法通常能够简化问题。更者，我丢掉(file away)细枝末节，只准备将来的问题。

为了结束这部分，我要提醒你：“好工匠不怨家伙式—-一个有用之才与其工作的问题相处融洽，无论他得到什么，并且尽力而为争取最好的解决结果。” 我还要建议，通过改变问题，通过从不同的角度看事物，在你的最终成果中，你总能成就相当程度的不同寻常，因为，你要不然能以此方式做事—-让人们确实在你的成果的基础上有所建树；要不然只能以彼方法干活—-下一个人不得不把你干的活从头再来复制一遍。这不是仅仅一个作业的方法，这是你写报告的方法，你写论文的方法，以及整个态度。做更广泛的、一般的工作就像做一个个案一样容易，并且会更加有惊人满意的结果和有价值！

我现在得来聊聊一个非常讨厌的话题—-你做完一件事情还不够，你还得把它“贩卖”出去。对于一个科学家而言，推销是一件棘手的事。这非常讨厌，你本不该做这事，这世界就该等着，当你做成某件大事时，他们就该赶快出来主动迎接。但是，事与愿违的是每个人都很忙着他们自己的活。你必须很好地主动介绍，使得他们能把手头的活放在一边，过来瞧瞧你的东西，理解它，然后回过头来说：“是，那玩意不错。” 我建议当你打开一本刊物，翻页的时候，你问问为什么你读其中一些文章，不读另外一些。你最好在写报告的时候也想想：当它发表在《物理评论》或其它什么刊物上的时候，别让读者们把你的文章翻过去，而是停下来读一读你的文章。如果他们不停下来读它，你就会竹篮打水一场空(you won’t get credit)。

一共有三件事你得去推销。你得学会写好写清楚以便人们愿意看；你必须学会发表相当正式的发言；你还必须学会作出非正式的谈话。我们有不少所谓的“后排科学家”。在一个会议上，他们更愿意闭口不谈。三星期后，决定也做完了，然后他们提交了一份报告，说了一通为什么你该如此这般一番。哎，太晚了。他们不愿站在一个炙手可热的会议的中央，在大庭广众之下说：“我们应该做这件事，为了这些原因…” 你必须掌控这种形式的交流以及准备发表演说。

当我刚开始做演讲的时候，我几乎是一种生理上的病态，我非常非常紧张。我意识到或者我得学习作演讲，或者我的整个职业生涯就得缺一条腿。头一次在纽约IBM要我做一个演讲，我决定要做一个非常好的演讲，一个真正符合听众需要的演讲，不是一个专业上的，而是更广泛的；一个如听众喜欢，我可以在演讲结束时轻轻地说 “只要你们想听，我任何时候æ
„¿æ„æ•ˆåŠ³â€çš„演讲。其结果，我通过给有限的听众做演讲获得了大量的锻炼。最终我战胜了害怕，而且，我也能学到什么方法有效，什么方法没效。

通过参加会议我搞清楚了为什么有的论文能够被记住而有的却不能。专业人员就愿谈论非常限定的专业问题，但大多数情况下听众只想要一个宽泛的发言，并且希望发言者介绍更多的综述和背景介绍。其结果是，很多发言毫无效果而言。发言者说了个题目，然后一猛子扎进了他解决的细节中去，听众席上的极少人能够跟进。你应当勾勒一个大致的图画去说明为什么重要，然后慢慢地给出纲要，说明做了什么。那样更多的人就会说：“对，乔做了这个或马莉做了那个。我知道了怎么回事。是呀，马莉讲得不错，我明白了马莉做了什么。” 我们的倾向是做一个高度限定的、安全的发言。但那往往是没有成效的。而且，太多的发言充斥了太多的信息。所以我说“推销”的方法显而易见。

让我总结一下。你得去干那些重要的问题。我反对全部是运气，但是我承认是有不少运气的成分。我赞成巴斯德的“运气光顾有准备之士”的说法。我极力主张 我过去所为，如多年以来坚持的星期五下午“大想法时间”，只有大想法——意味着我投入了10%的时间试图去搞懂本领域更大的问题，比如什么重要和什么不重要。我早些时候发现我相信“此”却一整周时间都奔着“彼”方向忙乎。这的确有点滑稽。如果我真正相信作“这儿”有戏，为什么我往“那”去？我要不就的改变我的目标，要不就的调整行动。所以，我改变我做的事并且向认为重要的方向迈进。就这么简单。

现在你也许要告诉我，你还未有足够的资历去支配你所有的事。当然，当你刚开始的时候是有点难。但一旦你获得了适当的成功，就会有更多的人前来要求结果，比你能提供的要多的时候，你就有了一些选择的权力了，但不是全部。我来告诉你相关的一个故事，这还与“开导”你的老板的主题有关。我有一个老板，叫 Schelkunff，它过去和现在都是我的好朋友。有军队的人来求助我，要求周五出答案。嗯，我已经决定把我的计算机资源为一组科学家所用，用于精炼数据。我正沉浸于短的、小的、重要的问题。这个军队的人却要我在周五提交结果。我说： “不行。我会在星期一给你结果。” 他就跑到我的老板Schelkunoff那里。Schelkunoff说：“你必须给他干这活。他必须周五要结果。” 我问他：“为什么我也得如此呢？” 他说：“你必须！” 我说：“行。Sergei，但是你得坐在你的办公室一直到周五最后一班班车，盯着那伙计，看着他走出门去。” 我在周五下午很晚拿出了结果，给了那军队的人。我然后走到Schelkunoff的办公室坐下。当那人出门的时候，我说：“你看， Schelkunoff，这伙计手里什么也没拿。我可是把结果给他了啊。” 星期一一早Schelkunoff把他叫来，对他说：“你周末过来干活了吗？” 我能听到好像磨磨唧唧的，那伙计试图搞清楚到底怎么发生了什么。他知道他本该周末到，没有最好别说有。所以他说他没来。从那以后 Schelkunoff总说：“你尽管设定你自己的期限，让他们侯着。”

一次教训就足以开导我的老板明白为什么我不愿把探索性的研究放在一边儿去搞什么华而不实的事，为什么我不去做那些抢占所有设施的没劲的事是对的。我宁肯用这些设备去为一个小事进行大运算。再说一遍，早年我的“运算”能力受到限制，因为在我的领域里，“数学家对机器无用处”的结论显而易见。每次我都得告诉其他领域里的科学家们，当他们抱怨：“不行，我算不出，我没有计算资源。” 我跟他们说：“去告诉你们的副总裁：Hamming需要更多的计算资源。” 一段时间以后我就看出了效果，好多人跟我的副总裁说：“你手下的那个人需要更多的计算资源。” 我得到了！

我还干了一件事。当在计算领域早些时候我产生了(loaned)一点编程的能力时，我说：“我们没有给与我们的程序员足够的认可。当你发表一篇论文时，你应该谢谢程序员，否则你就别再从我这指望更多的帮助了。程序员应该被个别地致谢，因为他们付出了努力。” 我等了好多年，然后我翻了翻某一年全年的BSTJ（The Bell System Technical Journal. 译者注）文章，数数有哪些专门感谢了那些程序员。我把这拿到老板那里，对他说：“这反映计算机在贝尔实验室的中心地位—-如果BSTJ是重要的，那么，计算机怎么重要就一目了然了。” 他只好让步。你也能开导你的老板，这并不容易。在此，我是自下而上的角度，而不是自上而下。但我告诉你是怎样才能得到你所需要的，不管头头们怎么想。你得把想法“推销”给他们。

好了，我现在谈下一个话题：“努力去做一个大科学家值得吗？” 要回答这个问题，你必须问问周围的牛人。如果你能让他们放下谦虚，他们往往会说：“是的，做真正一流的事情，并且掌握它，就如同将美酒、美女、和美曲放到一起一样美妙（wine, women and song是Johann Strauss（施特劳斯）一首著名的圆舞曲）。如果你再看看老板们，他们往往都重又回来，或者提出项目要求，试图重去体验新发现的时刻。他们总是这样。所以很显然，做过的人还想再做。但是这种体验是有限的。我从不敢出去问那些没干过大事的人他们怎么想这个问题。这难免有失偏颇，但我还是觉得值得一试。我想，十分肯定地值得一试那些一流的工作，因为事实是，价值体现在奋斗过程中而非结果上。为自己的事情奋斗本身就值得。成功和名誉只是附带的孳息而已。

我已经告诉你如何做。那么既然如此容易，为什么那么多聪明人还是失败了呢？比如，在我看来如今贝尔实验室数学部门有不少人比我有才华和能力，但他们却没能做的和我一样多。确有一部分比我做的要多，香农(Shannon)就比我多，还有别的一些人。但我的确比很多资质高的同事要多产。为什么这样？他们怎么啦？为什么这么多的有很好前景的人都失败了？

其中一个原因是动力和投入。做大事的人中，能力差一点但全力投入的人，比起能力很强但有点花里胡哨—-那些白天上班干活晚上回家干别的第二天再来干活的人，要多有成就些。他们缺乏一流工作所需的必要的投入。他们是干出了不少得不错的事，但别忘了，我们说的可是一流的工作。这是完全不同的。不错的人，聪明的人，总是出些不错的活。但我们说的是非同平常的活，是可以获得诺贝尔奖和真正荣誉的活。

第二个原因我觉得是个性的缺陷。我要举一个我在Irvine（美国加州大学 Irvine分晓。译者注）熟识的一位同事的例子。他是计算机中心的头并且那会儿是校长的特别助理。显然他有一个光明的前途。有一次他带我到他的办公室向我介绍他处理信件的方法，以及如何处理回信。他告诉我他的秘书如何的没有效率。他把信件一垛一垛分放好，并且知道哪是哪。而且他会自己用打字机一一回信。他向我吹嘘有多么多么了不起，他是如何不用秘书的帮忙就把这些事都干了。我于是背着他问他的秘书。那秘书说: “我当然没法帮他，他根本不让我拿到他的信件。他不让我进入他的系统，我也不知道东西放在地板的哪块。我当然没法帮他。” 然后我回去对他说：“你看，如果你用现在的方法，单枪匹马地干，你就只能原地踏步，不会有长进了。如果你能学会利用整个系统来工作，你就能走得更远，能走多远就多远。” 结果是他再没有什么长进了。他缺失的个性使得他总想控制一切，而不是意识到你需要整个系统的支持。

你会发现这种情况屡见不鲜。普通的科学家会与系统为敌，而不是学会和系统相处并利用系统所提供的帮助。系统的支持其实很多，如果你能学会如何用的话。如果你有耐心的话，你就能学会很好地使用系统，而且，你终究会学会如何绕过它。因为，如果你需要一个拒绝，你就到你的老板那里，轻易就能得到一个拒绝。如果你想做什么事，别去请求，做就是了，然后交给他一个既定的事实。别给他一个拒绝你的机会。但如果你就想要“不”，那很容易得到那个“不”。

另一个个性缺陷是自负地坚持己见。我要说说我自己的事。我刚从Los Alamos来时在纽约麦迪逊大街590号，那时用着台计算机。我仍按西部的打扮，大斜杠口袋，一个bolo(? 译者注)以及所有那些玩艺。我隐隐约约地注意到我好像没有得到和别的人一样的服务。所以我开始琢磨。我来了等着轮到我，但我觉得我没得到公正的待遇。我对自己说：“咋回事？并没有IBM哪个副总裁说过‘得跟Hamming过不去’。只是那些底下的秘书们这样做。当一个裂缝出现的时候，他们抢着过来看看谁跌进去了，然后再去找别的人（瞧热闹。译者注）。可是，这是为什么？我可没得罪他们。” 答案只有一个：我没有按照他们认为的此时此地应有的打扮穿衣着服。原来如此—-我没穿合适！我得做个决定—-我是坚持我的自负，想穿什么就穿什么，从此耗干我职业生涯的努力；还是顺应环境？我最后决定还是作出努力顺应环境。真是一蹴而就，我于是马上得到更好的服务了。而现在，作为一个花里胡哨的老角色(old colorful character)，我得到比其他人还好的服务。

你应当根据你演讲听众的期望来穿衣打扮。如果我要在麻省理工学院计算机中心做个演讲，我就穿个有bolo和旧款灯芯绒外套或别的什么。我十分清楚别让我的衣着、外表和举止影响我在意的事。不在少数的科学家觉得他们必须坚持他们的自我，按他们的方式做他们的事。他们不得不着这个、那个，还有其他的事，并且为此付出相当的代价。

John Tukey几乎总是穿着随意。他走进一个重要的办公室，人们往往要花一些时间才能证实这是一个一流的人后才能听他说。有相当一阵子John不得不对付这类的麻烦，真是浪费功夫！我不是说你应该顺从，我说“顺从的样子给你一条畅通之道”。如果你选择某些方面坚持自负，“我要按我的法子做这个”，你在你整个的职业是生涯中付出一定的代价。这样，在你的一生中，累积起来就会形成巨大量的不必要的麻烦。

通过“受累”跟秘书们讲讲笑话和友好些，我从秘书那里获得了极大的帮助。例如，一次因为一些愚蠢的原因所有在Murray Hill的复制的服务都关门了。别问我怎么回事，他们就会这样。我有一些事必须要他们完成。我的秘书给Holmdel的人打电话，跳上公司的车，跑了一个钟头的路把东西复印了回来。那可真是我长期努力鼓励她，给她讲笑话，以及对她友善的很好的回报。这就是投之桃李，报之琼瑶。通过认识你必须使用系统并研究如何让系统为你工作，你学会如何让系统为你的想法做调整。或者你可以直愣愣地与之为敌，如同一个未经宣战的小战争，更他较一辈子劲。

我觉得John Tukey付出了相当大的不必要的代价。不管怎的，他是个天才。但我认为他本可以更好，好很多，更简单，如果他愿意顺应一点点，而不是自负的坚持。他就是想任何时候想怎么穿就怎么穿。则不仅仅对穿着适用，也适用于其他千万件事情。人们会继续与系统为敌，你可以有时不这么干 (Not that you shouldn’t occasionally)!

当他们把图书馆从Murray Hill搬到远的那头时，我的一个好朋友提出要一辆自行车的申请。哈，机构也不是傻瓜，他们过了一整子送回来一张地图，并且说：“你可以在图上指名要走哪条路以便我们可以给你买个保险。” 过了几个星期，他们又问：“你要把自行车放到哪里以及你准备怎么锁它以便我们如此这般。” 他终于明白了他终究会被官样文章逼死，于是他举手投降。他后来升至贝尔实验室总裁。

Barney Oliver（天文学家,以SETI外星球智能探索研究著称。前HP实验室负责人。译者注）是个好人。有一次他给IEEE (Institute of Electrical and Electronics Engineers 美国电气及电子工程师学会。译者注)写信。那会儿贝尔实验室的正式的职位挺多，IEEE的“道”也挺深。既然你无法改变正式机构的规模，他就给IEEE出版方面的人说：“既然有这么多IEEE会员都在贝尔实验室，并且官方机构如此之大，所以杂志的规模也得改变。” 他去争取他老板的签字，回来的还是他自己签字的那份的复印件，但他还是没搞清他的那份原件到底送出没有。我不是说你不该持改革的姿态，我是说我所了解的能人总是避免让自己惹上冲突的麻烦。他们游戏其中，然后丢开，投入到工作中。

许多二流的伙计常被系统逮着戏弄一番，然后带入纷争。他把他的精力花费在愚蠢的“项目”上。那么，你会告诉我总有人得去改变系统。我同意，的确得有人去干。你愿意去干哪样呢：一个是去改变系统，另一个是去做一流的事？到底哪一个角色是你想要的？必须十分清楚，当你与系统抗争的时候，你在干什么？多久这“笑话”能完？得费你多少功夫与之斗争？我的忠告是让别的什么人去干，你还是去成为一流科学家算了。你们中几乎没有人有能力既能改良系统又能成为一流的科学家。

另一方面，我们不能老是屈服。时常有相当数量的反抗是合理的。我注意到几乎所有科学家凭着单纯的感觉喜欢嘲弄一下系统。基本上来说，你在其他领域没有创新你也无法在本领域获得原创力。原创力是与众不同！你如果不具备其他的创新的特质，你不可能成为一个有创造力的科学家。但是许多科学家为了满足他/她的自我，让他在其他方面的怪癖为他支付了不必要的高昂的代价。我不是反对所有的对自我的维护，我反对其中某些。

另一个毛病是发怒。一个科学家经常变得狂躁，这根本无法办事。愉悦，好；生气，不好。发怒完全不对路子。你应该顺从和合作，而不是老跟系统过不去。

另一方面你应该看到一个事情的积极的一面，而不是消极的一面。我已经给了你好些例子，还有更多。我在某种情况下，通过改变对事情的看法，是如何将一个明显的缺点转化成优点的呢？我给你讲另一个例子。我是个任性的人，对此不用怀疑。我知道多数在休假期间写书的人不能按时完工。所以，我离开之前我就会告诉所有的朋友，当我（休假 -译者注）回来的时候我的书就会完工。是的，我就要它完工 —- 如果我没能写完它，我得为之感到羞愧！我用我的自负去帮助实现我想达到的举止。我夸下海口于是我不得不去实现。我很多次发现，就像耗子急了了也咬人(a cornered rat in a real trap)，我不可思议地能力非凡。我认为完全值得一说：“好啊，我会在星期二把答案给你。” 即使还不知道怎样去做。星期天的晚上我还在想如何才能在星期二交差。我常常把我的自尊悬于一线，当然有时仍不成功。但是如我所说，如同逼急了的老鼠，我常出人意料地干出很多出色的活。我觉得你需要学会利用自己，我觉得你应知道如何将一个局面从一个角度转换到另一个角度，以提高成功的机会。

对自我的错觉对于人类是非常非常平常的事。数不胜数的可能性是：你改变了一件事然后骗你自己让它看起来像别的样子。当你问：“为什么你没这样这样做？” 那个被问的人有一千个托辞。如果你看看科学史，通常是有10个人都差不多了，但是我们只注意到那个首先做出来的人，那剩下的9个人说：“哎，我想到了，但是我就是没这么做。如此这般。” 有太多的借口。为什么你不是那第一个？为什么你没能做好？别去辩解，别试图愚弄自己。你想跟给别人说什么借口就说什么吧，我不在乎。就是对自己要诚实。

如果你确实想成为一名一流的科学家，你得了解你自己，你的弱点，你的强项，以及你的坏毛病，比如我的自尊自大。怎样才能将一个缺点转化成一个优点？怎样才能将弹尽粮绝的境遇转化成你需要的情形？我再说一次，如我所见，据我研究历史，成功的科学家改变视角，一个瑕疵也能变成了一块美玉(what was a defect became an asset)。

简而言之，我认为那些本已胜券在握的科学家最后未能成功的原因是：他们没做重要的问题；他们没能投入感情；他们不去试着把困难的事情转化成一些容易解决，但却仍然重要的问题。还有，他们老是给自己各种借口解释为什么没做成。他们老是归结为运气使然。我已经告诉你事情有多容易，更者我已经告诉你如何去改进。所以，动手吧，你们就会成为伟大的科学家。

（未完）

(中文翻译引自染缸，译文还在进一步修改中，您可以移步染缸站点看到修订版本和全文。谢谢。)

The Road Ahead
By Bill Gates
via Newsweek
(原文版权所有,翻译未经许可,仅作学习和参考,请勿作他用)

这些确切是什么时候发生的，已经很难弄清楚，但是在过去的20年中，“知识”这个词变成了一个形容词。当知识产权对于商业越来越重要，而计算机出现在每一张办公桌上的时候，雇员成为了知识工人，而企业开始注重知识管理起来，而在理论上，重要的信息则存储于用知识网络连接起来的知识库当中。这些改变所产生的结果就是知识经济，一个彻底改变商业管理方式和增加全球竞争力的现象。

但这些仅仅是开始而已。我们今天所谈到的“知识”，乃是知识经济的基础，但实际上它只是“信息”而已,由数据、事实和基本的商业知识组成。而真正的知识则更为深奥。正如管理大师Tom Davenport所说“知识是信息与经验，环境，阐释和反思的结合体”。正是这种从信息中得到的知识，才是你的竞争力所在。

我们当中的大多数所在的环境是一个“信息民主”的社会–只要你有一台电脑和网络连接，你几乎可以得到世界上所有可以公开的信息。高级软件和网络服务可以帮助你追踪、分割这些信息，而仅仅在10年前这是完全无法办到的。但是，尽管我们已经在利用信息上取得了长足的进步，但是在对待知识上，我们还有很多路要走。

这是一个有着巨大增长潜力的机会，同样也是一个艰巨的挑战。当信息倾向于自由的同时，知识则更“顽固”–很难交流、更为主观性、较难定义。打个比方，你通过你的职业生涯中所累积的知识–“潜在”的知识而不是在教科书和手册中可以找到的“显而易见”的知识–证明了你对于你所工作的组织的价值。你将这些与从同事、伙伴和顾客那里得到的知识结合起来的能力，将是决定你成功与否的关键。即使是在今天，将知识资源融入到组织体当中去，都是一件让人望之生畏的工作。

但是随着软件在帮助人思考与工作方面越来越先进，它将开始帮助人们组织和管理知识。有的技术看上去很简单。如同我们自己的OneNote这样的软件能帮助人们原本打印出的潦草的便条，用远比文字处理软件复杂的方式组织起来。在另外一个层次上，OneNote和新一代的我们称之为“思维导图”软件，将会成为数码的“公告板”，连接和组织各种想法与数据，最终创造出新的知识来。

微软和其他地方的研究人员正在开发新的技术，它可以观察你的工作，对于相关的内容和观点作出建议。有趣的是，即使这些软件的猜测是错误的，它仍然在触发新的思维火花方面有着重要的价值。计算机科学家们在“智能代理人”这个长久的愿望上也取得了长足的进步，它可以预测你的需要并同步提供与你工作有关的信息。一些试验性的项目，例如推理引擎可以测试根据常识的逻辑来判断你的想法，指出论点中谬误之处，作为一个虚拟专家来帮助你思考。

这些技术有着一个共同点，那就是将不同学科的知识交织在一起。他们帮助人们将他们自己的想法与现存的有效的知识连接起来。但是他们也留下了一个关键问题没有解决：如何释放正在创造出的新思想。

今天的搜索引擎能很好的在数据的海洋中定位信息，甚至回答简单的问题。下一步便是通过建立在模型认知和思维方式基础上的搜索引擎，帮助人们发掘和评估这些信息的价值，而技术上，意义和上下文将会被融入到数据当中。这些都不是科幻小说：这些技术已经存在了。

他们所掌握的力量决不是夸大其实的。发明家Robert Metcalfe认为，一个网络的价值约等于使用它的人的数量的平方。“Metcalfe法则”同样也适用于知识–我们能够轻松的仅仅通过搜索信息就可以进入世界上最优秀的思想，这对于我们的商业、科学和教育有着革命性的影响。它将转变我们思维的方式，帮助我们认识到一个真正全球化的知识经济的潜力。