解决复杂问题的方法

发布于微信公众号“Tina说”

最近看了一篇文章，介绍人工智能首席科学家——华裔女孩李飞飞（ Dr Li）的探索经历（参考原文：https://zhuanlan.zhihu.com/p/25914728），看完之后，除了敬佩她对生活、对工作、对自己所追求事业的态度外，更对她思考问题解决问题的过程产生了联想和共鸣，让我想起来了我之前在处理一个没有参考答案的问题时，总结出来的一套流程，也与Dr Li整个探索过程有些类似。以前自己总结时，也等着以后继续检验，现在发现至少在解决未知领域的问题时，这可能在某种程度上具有共性，所以分享出来，接受检验并一起完善这种特定问题的解决流程。

        由于之前的项目涉及公司隐私，此文仅已文章中公布的内容举例说明解决问题时的流程。

Dr Li选择了当时不被看好的研究方向——计算机视觉识别领域，通俗的说，就是拿一张图片，让计算机认出来这张图片所包含的内容。在当时仅能识别几个物种，远远不能达到应用的级别。Dr Li采用的第1个办法是枚举——将字典中的每个词条都在计算机中存档，建立词条和图片的对应关系，通过优化算法让计算机能识别同一物种图片，但是每个物种都有“变形”，一旦变形后原有的算法将无法识别新图片，这无疑是杯水车薪。

总结1：在解决一个未知问题时，在搜集资料后，一般会有一个初步的想法，这个想法看上去可以解决问题，但是深入思考发现会引起别的无法解决的难题，或者中途经常会绕来绕去来回补窟窿，这个时候基本可以确认当前不是最优方案了。虽然这个方案最后没有采取，但是整个思考的过程能帮助自己考虑到很多细节，可为后面确定最优方案打下基础，并不能称之为无用功。

突然有一天，Dr Li捕捉到一个非常简单但很有冲击力的想法，没有人教婴儿怎么看，也没有人告诉他们“猫”的特征。但是他们却能够很快的知道这就是猫，无论什么品种或什么形态。因为人类的眼睛就好像一个生物照相机，每200毫秒就能获取一幅图片。一个三岁的孩子就已经见过上亿副图片了，能分辨图片当然不在话下。所以要让计算机学会“识图”，关键是在于训练量——让计算机看更多的图片。之后，他们通过众包从互联网上下载图片，将图片进行筛选、打标签，建立了ImageNet图片识别数据库。如今这个图片库可用来免费测计算机视觉识别算法的准确性。

总结2：最好的解决方案其本质总是简单的。 我们在面对一个未知看似复杂的问题时，需要先思考这个问题的本质，没有可借鉴的同行业经验时，我们可以试着把现象映射到我们熟悉的周围事物场景中，观察我们熟悉的事物场景的运转规律，将流程一步一步记录下来，将这一套步骤放到待处理的问题中去，最优的方案往往会诞生。

至此将解决问题的流程总结如下：

1. 将需要解决的问题罗列出来，如让计算机识别图片；

2. 将待解决的问题映射到平常习以为常的事物，分析熟知事物的本质流程特征；

3. 分解已知事物的处理步骤，运用到待解决问题中去。

产品经理在分析需求时，需要先想好使用场景，大致也是这个道理。再一次发现，方法都是共通的。    当然这只是解决复杂问题的方法之一，后续会根据不同情形分别进行总结。

长按下图，识别图中二维码，关注微信公众号“Tina说”，获取更多原创干货，欢迎留言一起探讨。

图片发自App