จุดประสงค์ของคอร์สนี้คือเตรียมคุณให้พร้อมสำหรับอนาคตด้านเทคนิคของคุณ จริง ๆ แล้วคอร์สนี้ไม่มีเนื้อหาเชิงเทคนิคโดยตรง แม้ผมจะอ้างอิงเรื่องทางเทคนิคมากมาย และหวังว่ามันจะช่วยทบทวนพื้นฐานที่คุณได้เรียนมาโดยรวม อย่าเข้าใจผิดคิดว่าเนื้อหาเชิงเทคนิคคือคอร์ส—มันเป็นแค่ตัวอย่างประกอบ สไตล์การคิดต่างหากที่เป็นแกนกลางของคอร์ส ผมเน้นการให้ความรู้มากกว่าการฝึกอบรม
ผมจะพิจารณา วิพากษ์ และนำเสนอรูปแบบการคิดต่างๆ เพื่ออธิบายประเด็นเรื่องสไตล์ ผมมักจะยกตัวอย่างจากความรู้ทางเทคนิคที่หลายคนคุ้นเคย แต่ผมหวังว่าจะเป็นการทบทวนที่เน้นพื้นฐานอย่างเป็นประโยชน์ คุณควรมองคอร์สนี้เป็นคอร์สที่เสริมกับคอร์สเชิงเทคนิคที่คุณเคยเรียนมา หัวข้อหลายอย่างที่ผมจะพูดถึงคือสิ่งที่ผมเชื่อว่าคุณควรรู้ แต่ไม่สามารถใส่ลงในหลักสูตรมาตรฐานได้ คอร์สนี้มีอยู่เพราะภาควิชาวิศวกรรมไฟฟ้าและคอมพิวเตอร์ของ Naval Postgraduate School เห็นความจำเป็นทั้งการศึกษาเชิงทั่วไปและการฝึกอบรมเชิงเทคนิคเฉพาะทางที่อนาคตของคุณต้องการ
คอร์สนี้เกี่ยวกับ 'สไตล์' และเกือบโดยคำจำกัดความแล้ว สไตล์สอนกันโดยตรงด้วยคำพูดไม่ได้ ผมจึงต้องนำเสนอหัวข้อนี้ผ่านตัวอย่างเฉพาะซึ่งหวังว่าจะอยู่ในระดับที่คุณเข้าใจ ตัวอย่างเหล่านี้มาจากประสบการณ์กว่า 30 ปีของผมที่ภาควิชาคณิตศาสตร์ของ Research Division ที่ Bell Telephone Laboratories (ก่อนจะแตกกิจการ) และจากการศึกษางานของผู้อื่นมาหลายปี
ความเชื่อที่ว่าทุกสิ่งสามารถ 'พูดอธิบาย' ด้วยคำพูดได้ ถือว่าเป็นความเชื่อของนักปรัชญากรีกยุคแรกอย่าง Socrates (469–399 bc), Plato (427–347 bc) และ Aristotle (384–322 bc) ทัศนคตินี้มองข้าม ลัทธิลึกลับ ที่มีอยู่ในสมัยนั้น ซึ่งยืนยันว่าบางสิ่งต้อง 'สัมผัสประสบการณ์' เท่านั้นจึงจะสื่อสารได้ ตัวอย่างเช่น เทพเจ้า ความจริง ความยุติธรรม ศิลปะ ความงาม และความรัก การฝึกด้านวิทยาศาสตร์ของคุณเน้นบทบาทของคำพูด พร้อมกับความเชื่ออย่างแรงกล้าใน reductionism ดังนั้นเพื่อเน้นขอบเขตจำกัดของภาษา ผมจะหยิบประเด็นนี้มาพูดในหลายส่วนของหนังสือ ผมได้กล่าวแล้วว่า 'สไตล์' เป็นหนึ่งในหัวข้อเหล่านี้
ผมพบว่าเพื่อให้คอร์สนี้ได้ผล ผมต้องใช้ความรู้จากประสบการณ์ตรงเป็นหลัก ซึ่งหมายความว่าผมฝ่าขนบธรรมเนียมปกติและเล่าเรื่องตัวเองในบุคคลที่หนึ่ง แทนวิธีการที่ไม่ระบุบุคคลแบบดั้งเดิมในวิทยาศาสตร์ กรุณาให้อภัยผมในจุดนี้ เพราะไม่มีวิธีอื่นที่ดูจะได้ผลเท่าที่จะใช้ประสบการณ์ตรง หากผมไม่ใช้ประสบการณ์โดยตรง วัสดุเหล่านี้ก็คงฟังดูเป็นคำพูดสวยหรูแต่ไม่ส่งผลต่อความคิดของคุณ และผมต้องเปลี่ยนความคิดของคุณถ้าจะให้ได้ผล
การพูดถึงประสบการณ์ส่วนตัวแบบนี้อาจให้รสชาติเหมือน 'คุยโม้' แต่ผมก็ยกตัวอย่างความผิดพลาดร้ายแรงของตัวเองมาบ้างเพื่อถ่วงดุล การเรียนรู้ทางอ้อมจากประสบการณ์ของผู้อื่นช่วยให้คุณไม่ต้องทำผิดซ้ำ แต่ผมเห็นว่าการศึกษาความสำเร็จโดยพื้นฐานสำคัญกว่าการศึกษาความล้มเหลว อย่างที่ผมจะกล่าวหลายครั้งว่า มีวิธีที่จะผิดมากมาย แต่วิธีที่ถูกมีน้อย การศึกษาความสำเร็จจึงมีประสิทธิภาพกว่า และเมื่อถึงคราวของคุณ คุณจะรู้วิธีที่จะสำเร็จมากกว่าการรู้วิธีล้มเหลว!
ผมก็เหมือนโค้ชเท่านั้น ผมไม่สามารถวิ่งไมล์แทนคุณได้ อย่างมากก็วิเคราะห์สไตล์และวิจารณ์ของคุณ คุณต้องลงมือวิ่งด้วยตัวเองถ้าคอร์สกายกรรมจะให้ประโยชน์แก่คุณ—ดังนั้นคุณต้องคิดให้รอบคอบเกี่ยวกับสิ่งที่ได้ยินหรืออ่านในหนังสือเล่มนี้ถ้ามันจะเปลี่ยนแปลงคุณ—ซึ่งชัดเจนว่าต้องเป็นจุดประสงค์ของคอร์สใดๆ อีกครั้ง คุณจะได้ประโยชน์จากคอร์สเท่าที่คุณลงแรง หากคุณแทบไม่ลงมือทำเลยนอกเหนือจากการนั่งฟังในชั้นเรียนหรืออ่านหนังสือ ก็ถือว่าเป็นการเสียเวลา คุณต้องทบทวน เปรียบเทียบสิ่งที่ผมพูดกับประสบการณ์ของตัวเอง พูดคุยกับผู้อื่น และทำให้บางประเด็นกลายเป็นวิธีการทำงานของคุณ
เนื่องจากหัวข้อคือ 'สไตล์' ผมขอเปรียบเทียบกับการสอนวาดภาพ เมื่อคุณเรียนพื้นฐานการวาดภาพแล้ว คุณก็ไปศึกษาภายใต้ศิลปินอาจารย์ที่คุณยอมรับว่าเป็นจิตรกรชั้นครู แต่คุณรู้ว่าต้องสร้างสไตล์ของตัวเองจากองค์ประกอบของศิลปินรุ่นก่อนต่างๆ ผสานกับความสามารถตามธรรมชาติของคุณ คุณต้องปรับสไตล์ให้เข้ากับอนาคตด้วย เพราะการลอกแบบอดีตอย่างเดียวไม่พอหากคุณมุ่งสู่ความยิ่งใหญ่ในอนาคต—ผมถือเรื่องนี้เป็นสมมติฐานและจะพูดถึงบ่อย ๆ ในหนังสือ ผมจะแสดงสไตล์ของผมให้เห็นอย่างเต็มที่ แต่คุณต้องเลือกเอาส่วนที่เข้ากับตัวคุณ และสร้างสไตล์ของตัวเอง สุดท้ายคุณจะเป็นผู้นำหรือผู้ตาม เป้าหมายของผมคือให้คุณเป็นผู้นำ คุณไม่สามารถยอมรับทุกลักษณะที่ผมพูดถึงจากสิ่งที่ผมสังเกตเห็นในตัวเองและคนอื่นๆ ได้ คุณต้องเลือก ปรับให้เป็นของคุณเอง เพื่อให้คอร์สได้ผล
ยากกว่าเรื่องการเลือกคือสไตล์ที่ประสบความสำเร็จในยุคหนึ่งอาจไม่เหมาะกับยุคถัดไป ผู้สืบทอดของผมที่ Bell Telephone Laboratories ใช้สไตล์แบบหนึ่ง แต่สี่คนจากพวกเราที่เข้ามาพร้อมๆ กันและมีอายุใกล้เคียงกัน ก็พบสไตล์ของตัวเอง และผลที่ตามมาคือเราทำให้สไตล์โดยรวมของภาคคณิตศาสตร์เปลี่ยนไปอย่างมาก รวมทั้งหลายส่วนของห้องปฏิบัติการ เราเรียกตัวเองกันเล่นๆ ว่า 'the four young Turks' และหลายปีต่อมาผมก็พบว่าฝ่ายบริหารระดับสูงเรียกพวกเราแบบเดียวกัน
ผมกลับมาที่หัวข้อการศึกษาอีกครั้ง คุณทั้งหลายคงตระหนักว่ามีความแตกต่างอย่างสำคัญระหว่าง การศึกษา และ การฝึก
การศึกษาคืออะไร, เมื่อใด และทำไมต้องทำสิ่งต่างๆ
การฝึกคือวิธีการทำสิ่งนั้น
อย่างใดอย่างหนึ่งโดยปราศจากอีกอย่างก็ไม่ค่อยมีประโยชน์นัก คุณจำเป็นต้องรู้ทั้งสิ่งที่จะทำและวิธีทำมัน ผมได้เปรียบเทียบการฝึกทางจิตและร่างกายแล้ว และกล่าวว่าผลจะขึ้นกับสิ่งที่คุณใส่ลงไป—โค้ชทำได้เพียงเสนอแนวทางและวิจารณ์บ้างเป็นครั้งคราว เพราะขนาดชั้นเรียนที่มักมีมาก หรือเพราะคุณอ่านหนังสือ ทำให้ผมแทบจะวิจารณ์ความคิดของคุณโดยตรงไม่ได้ คุณจึงต้องทำภายในตัวเองและคุยกันภายในกลุ่มเพื่อน แล้วนำสิ่งที่ผมพูดไปใช้กับประสบการณ์ของคุณเอง คุณอาจคิดว่าการศึกษา ควรมาก่อนการฝึก แต่การให้ความรู้แบบที่ผมพยายามทำนั้นต้องตั้งอยู่บนประสบการณ์และความรู้เชิงเทคนิคของคุณ ดังนั้นจึงเป็นการพลิกจากที่ดูเหมือนจะสมเหตุสมผล ในความหมายหนึ่งผมกำลังทำ 'meta-education' (การศึกษาเชิงเมตา); หัวข้อของคอร์สคือการศึกษาเอง ดังนั้นการอภิปรายของเราจึงต้องยกขึ้นเหนือมัน—'metaeducation' เช่นเดียวกับที่ metaphysics เคยถูกถือว่า 'เหนือ' ฟิสิกส์ในสมัยของอริสโตเติล (จริงๆ แล้วหมายถึง 'ตามหลัง'; 'transcend' คือการแปลของ 'meta')
หนังสือเล่มนี้มุ่งไปที่อนาคตของคุณ เราต้องพิจารณาว่าเทคโนโลยี (วิทยาศาสตร์และวิศวกรรม) น่าจะอยู่ในสภาพแบบใดเมื่อคุณมีผลงานสำคัญ เป็นที่ทราบกันดีว่าตั้งแต่สมัยของ Isaac Newton (1642–1727) ความรู้ในประเภทที่เราสนใจเพิ่มขึ้นประมาณสองเท่าทุก 17 ปี ประการแรกสามารถวัดจากจำนวนหนังสือที่พิมพ์ (ข้อสังเกตคลาสสิกคือห้องสมุดต้องเพิ่มจำนวนหนังสือเป็นสองเท่าทุก 17 ปีถ้าต้องการรักษาตำแหน่ง) ประการที่สอง เมื่อผมเข้าทำงานที่ Bell Telephone Laboratories ในปี 1946 พวกเขาพยายามลดขนาดพนักงานจากขนาดสมัยสงครามโลกครั้งที่สองลงมาที่ประมาณ 5,500 แต่ในช่วง 30 ปีที่ผมอยู่ที่นั่น ผมสังเกตเห็นการเพิ่มขึ้นของจำนวนพนักงานเป็นสองเท่าอย่างค่อนข้างสม่ำเสมอทุก 17 ปี ไม่ว่าการบริหารจะมีการหยุดรับคนบ้างในบางครั้งก็ตาม ประการที่สาม การเติบโตของจำนวนวิทยาศาสตร์โดยรวมก็เป็นแบบทวีคูณเช่นกัน และมีคนกล่าวว่าทุกวันนี้เกือบ 90% ของนักวิทยาศาสตร์ที่เคยมีชีวิตอยู่ เคยมีชีวิตอยู่ตอนนี้! เป็นเรื่องยากจะเชื่อว่าในอนาคตของคุณจะมีการลดลงอย่างมากของอัตราการเติบโตเหล่านี้ ดังนั้นคุณจึงเผชิญกับความจำเป็นอย่างต่อเนื่องในการเรียนรู้สิ่งใหม่ๆ มากกว่าที่ผมเคยเผชิญ
ผมขอเบี่ยงเรื่องมาสาธิตสิ่งที่มักเรียกว่า 'การคำนวณคร่าวๆ บนซองจดหมาย' (back-of-the-envelope calculations) ผมมักสังเกตว่านักวิทยาศาสตร์และวิศวกรชั้นนำทำแบบนี้บ่อยกว่าคนธรรมดา ดังนั้นจึงควรยกตัวอย่าง ผมจะเอาสองข้อกล่าวข้างต้น—ความรู้เพิ่มเป็นสองเท่าทุก 17 ปี และเกือบ 90% ของนักวิทยาศาสตร์ที่เคยมีชีวิตอยู่ยังมีชีวิตอยู่ตอนนี้—และถามว่าทั้งสองข้อสอดคล้องกันเพียงใด แบบจำลองการเติบโตของความรู้และการเติบโตของนักวิทยาศาสตร์ที่สมมติไว้ต่างก็เป็นแบบทวีคูณ โดยการเติบโตของความรู้เป็นสัดส่วนกับจำนวนของนักวิทยาศาสตร์ที่ยังมีชีวิต เราเริ่มด้วยการสมมติว่าจำนวนของนักวิทยาศาสตร์ ณ เวลาใด ๆ เป็น t คือ
สรุป: and the amount of knowledge produced annually has a constant k of proportionality to the number of scientists alive. Assuming we begin at minus infinity in time (the error is small and you can adjust it to Newton’s time if you wish), we have the formula
ดังนั้นเราจึงทราบค่า b ต่อไปมาดูข้อกล่าวหาอีกข้อ ถ้าเรายอมให้ช่วงชีวิตของนักวิทยาศาสตร์เป็น 55 ปี (ดูเหมือนว่าข้อกล่าวหานี้หมายถึงการมีชีวิตอยู่ ไม่ใช่การประกอบอาชีพ โดยยกเว้นช่วงวัยเด็ก) เราจะได้
สรุป: which is very close to 90%.
โดยทั่วไปการคำนวณคร่าวๆ ในขั้นแรกจะใช้ตัวเลขที่แน่นอนอย่างที่เราทำ เพื่อให้มีความรู้สึกกับตัวเลข แล้วเราทำการคำนวณซ้ำด้วยพารามิเตอร์เพื่อให้คุณปรับค่าให้เข้ากับข้อมูลได้ดีขึ้นและเข้าใจกรณีทั่วไป ให้ระยะเวลาการเพิ่มสองเท่าเป็น D และอายุขัยของนักวิทยาศาสตร์เป็น L สมการแรกจะกลายเป็น
สรุป: and the second becomes
เหตุผลที่การคำนวณคร่าวๆ เป็นที่นิยมในหมู่นักวิทยาศาสตร์ผู้ยิ่งใหญ่ก็ชัดเจน—คุณจะได้ความรู้สึกที่ดีว่าคำกล่าวนั้นจริงหรือเท็จ และเห็นปัจจัยที่คุณอาจไม่เคยนึกถึง เช่นความหมายที่แท้จริงของอายุของนักวิทยาศาสตร์ เมื่อลองทำการคำนวณ คุณมีโอกาสจดจำผลได้มากขึ้น นอกจากนี้การคำนวณแบบนี้ยังช่วยให้ความสามารถในการจำลองสถานการณ์พร้อมใช้งานเมื่อมีงานสำคัญเกิดขึ้น ดังนั้นผมแนะนำว่าเมื่อได้ยินข้อกล่าวเชิงปริมาณอย่างข้างต้น ให้ทำการจำลองแบบรวดเร็วเพื่อดูว่าคุณเชื่อสิ่งที่ถูกกล่าวหรือไม่ โดยเฉพาะเวลาที่ออกในสื่อมวลชนบ่อยครั้ง คุณจะพบว่าหลายสิ่งที่ถูกพูดเป็นเรื่องไร้สาระ—หรือไม่มีคำกล่าวที่ชัดเจนพอให้สร้างโมเดลได้ หรือถ้าคุณสร้างโมเดลแล้ว ผลลัพธ์ไม่สอดคล้องกับคำกล่าว ผมเคยช่วยแก้ความเข้าใจผิดที่โต๊ะอาหารของพวกฟิสิกส์ได้บางครั้ง จึงทำให้เรื่องเดินหน้าได้อย่างมีนัยสำคัญ
ปัญหาอีกอย่างที่เพิ่มขึ้นพร้อมกับการเติบโตของความรู้ใหม่คือการล้าสมัยของความรู้เก่า หลายคนอ้างว่าอายุครึ่งชีวิตของความรู้เชิงเทคนิคที่คุณเรียนในโรงเรียนประมาณ 15 ปี—ใน 15 ปี ครึ่งหนึ่งจะล้าสมัย (เพราะเราไปในทิศทางอื่นหรือถูกแทนที่ด้วยเนื้อหาใหม่) ตัวอย่างเช่น ผมเคยสอนตัวเองเกี่ยวกับหลอดสุญญากาศบ้าง (เพราะที่ Bell Telephone Laboratories เวลานั้นยังสำคัญ) แต่ไม่นานผมกลับต้องช่วยพัฒนาในด้านการประมวลผลที่เกี่ยวกับทรานซิสเตอร์—ซึ่งทำให้ความรู้ที่เพิ่งเรียนมาของผมล้าสมัย
สรุป: Added to the problem of the growth of new knowledge is the obsolescence of old knowledge. It is claimed by many the half-life of the technical knowledge you just learned in school is about 15 years—in 15 years half of it will be obsolete (either we will have gone in other directions or will have replaced it with new material). For example, having taught myself a bit about vacuum tubes (because at Bell Telephone Laboratories they were at that time obviously important) I soon found myself helping, in the form of computing, the development of transistors—which obsoleted my just-learned knowledge!
สรุป: To bring the meaning of this doubling down to your own life, suppose you have a child when you are x years old. That child will face, when it is in college, about y times the amount you faced.
การเพิ่มแบบทวีคูณนี้ไม่จำกัดเฉพาะทฤษฎีทางคณิตศาสตร์และผลทางเทคนิคเท่านั้น แต่ยังรวมถึงการบันทึกเพลงของ Beethoven’s Ninth สถานที่สกี รายการทีวีที่ดูหรือไม่ดูด้วย หากคุณเคยตะลึงกับปริมาณความรู้ตอนเข้ามหาวิทยาลัย หรือแม้กระทั่งตอนนี้ ลองคิดถึงปัญหาของลูกหลานคุณเมื่อถึงเวลาที่เขาเข้าเรียน! ความรู้เชิงเทคนิคในชีวิตของคุณจะเพิ่มเป็นสี่เท่าใน 34 ปี และหลายคนของคุณคงอยู่ใกล้จุดสูงสุดของอาชีพ ลองคาดอายุเกษียณของคุณแล้วมาดูคอลัมน์ซ้ายเพื่อหาปัจจัยการเพิ่มประมาณที่อาจเกิดขึ้นเมื่อคุณลาออกจากงาน
คำตอบของผมต่อปัญหานี้คือ คุณต้องมุ่งใส่ใจกับพื้นฐาน อย่างน้อยก็ในสิ่งที่คุณคิดว่าเป็นพื้นฐานในเวลานั้น และพัฒนาความสามารถในการเรียนรู้สาขาใหม่เมื่อมันเกิดขึ้น เพื่อจะไม่ถูกทิ้งไว้ข้างหลัง เหมือนมีวิศวกรดีๆ จำนวนมากที่เจอในระยะยาว ในตำแหน่งที่ผมอยู่ในห้องปฏิบัติการ ซึ่งผมเป็นคนเดียวในท้องถิ่นที่ดูเหมือน (อย่างน้อยในความเห็นผม) จะเข้าใจการประมวลผลอย่างแน่นแฟ้น ผมจึงถูกบีบให้เรียนรู้การวิเคราะห์เชิงตัวเลข คอมพิวเตอร์ และแทบทุกวิชาทางฟิสิกส์อย่างน้อยพอที่จะรับมือกับปัญหาการประมวลผลต่างๆ ที่เกิดขึ้นและการแก้ไขที่เป็นประโยชน์ต่อห้องปฏิบัติการ รวมถึงหลายส่วนของสังคมศาสตร์และบางส่วนของวิทยาศาสตร์ชีวภาพ ดังนั้นผมจึงเป็นผู้มีประสบการณ์ในการเรียนรู้พอให้ผ่านไปได้ โดยไม่ต้องทุ่มเททั้งหมดไปกับการเรียนเรื่องใหม่ๆ จนไม่ได้มีส่วนร่วมต่อความพยายามโดยรวมขององค์กร ช่วงแรกของการเรียนต้องทำควบคู่ไปกับการพัฒนาระบบและการบริหารศูนย์คอมพิวเตอร์ คุณจะเจอปัญหาแบบเดียวกันในอาชีพ และบางครั้งเจอปัญหาที่ดูจะท่วมท้นคุณ
จะรู้ได้อย่างไรว่าอะไรคือ 'พื้นฐาน'? หนึ่งในการทดสอบคือสิ่งนั้นต้องคงอยู่มานาน อีกวิธีคือจากพื้นฐานนั้นสามารถสืบทอดให้เกิดส่วนอื่นๆ ในสาขาด้วยวิธีมาตรฐานของสาขา
ผมต้องพูดเรื่องความแตกต่างระหว่างวิทยาศาสตร์กับวิศวกรรมแบบสรุปสั้นๆ:
ในวิทยาศาสตร์ ถ้าคุณรู้ว่าตัวเองกำลังทำอะไร คุณไม่ควรทำมัน
ในวิศวกรรม ถ้าคุณไม่รู้ว่าตัวเองกำลังทำอะไร คุณไม่ควรทำมัน
แน่นอนว่าคุณแทบจะไม่เห็นสภาวะบริสุทธิ์ของทั้งสองแบบ ทั้งวิศวกรรมต้องมีความคิดสร้างสรรค์เพื่อครอบคลุมส่วนที่ยังไม่รู้ และเกือบทุกงานวิทยาศาสตร์ก็มีงานวิศวกรรมเชิงปฏิบัติเพื่อแปลงนามธรรมให้เป็นการปฏิบัติ ของเล่นหลักของวิทยาศาสตร์สมัยใหม่นั้นพึ่งพาเครื่องมือจากวิศวกรรม และเมื่อเวลาผ่านไป วิศวกรรมก็ดูจะมีส่วนประกอบของวิทยาศาสตร์มากขึ้น โครงการวิทยาศาสตร์ขนาดใหญ่หลายโครงการเกี่ยวข้องกับปัญหาวิศวกรรมที่จริงจัง—ทั้งสองสาขาจึงเติบโตร่วมกัน! หนึ่งในเหตุผลของสถานการณ์นี้น่าจะเป็นเพราะเรากำลังก้าวไปข้างหน้าด้วยความเร่ง และตอนนี้ไม่มีเวลาที่จะให้ความสบายในการแยกสองสาขาออกจากกัน นอกจากนี้ทั้งวิทยาศาสตร์และวิศวกรรมที่คุณจะต้องใช้ในอนาคตจะถูกสร้างขึ้นมากขึ้นหลังจากที่คุณจบการศึกษาแล้ว ขอโทษนะ! แต่คุณจะต้องตั้งใจเรียนรู้ด้วยตนเอง (on your own) ในสาขาใหม่ๆ ที่เกิดขึ้นโดยไม่สามารถพึ่งพาการสอนแบบรอรับได้
ควรสังเกตด้วยว่าการวิศวกรรมไม่ใช่เพียงแค่วิทยาศาสตร์ประยุกต์ (applied science) เท่านั้น ซึ่งเป็นสาขาที่สามที่แยกต่างหาก (แม้หลายครั้งจะไม่ได้ถูกยอมรับเช่นนั้น) ซึ่งอยู่ระหว่างวิทยาศาสตร์กับวิศวกรรม
ผมเคยอ่านที่ไหนสักแห่งว่ามีวิธีทำนายอนาคตต่างกันถึง 76 วิธี—แต่จำนวนมากขนาดนี้ก็ชี้ว่าคงไม่มีวิธีที่เชื่อถือได้และถูกยอมรับอย่างกว้างขวาง วิธีที่ง่ายที่สุดคือทำนายว่าพรุ่งนี้จะเหมือนวันนี้เป๊ะๆ—ซึ่งบางครั้งก็เป็นการเดิมพันที่ดี ระดับต่อมาคือใช้อัตราการเปลี่ยนแปลงปัจจุบันแล้วสมมติว่าจะคงที่—การทำนายในเชิงเส้นตามตัวแปรที่ใช้ แน่นอนว่าตัวแปรที่คุณเลือกจะมีผลอย่างมากต่อการทำนาย! อย่างไรก็ตามทั้งสองวิธีไม่ค่อยเหมาะกับการคาดการณ์ระยะยาว
ประวัติศาสตร์มักถูกใช้เป็นแนวทางระยะยาว บางคนเชื่อว่าประวัติศาสตร์ซ้ำรอย ในขณะที่บางคนเชื่อสิ่งตรงกันข้าม! ซึ่งชัดเจนว่า:
อดีตเคยเป็นอนาคต และอนาคตจะกลายเป็นอดีต
ในทุกกรณี ผมมักใช้ประวัติศาสตร์เป็นพื้นหลังสำหรับการคาดการณ์ที่ผมทำ ผมเชื่อว่าการทำนายที่ดีที่สุดมาจากความเข้าใจแรงพื้นฐานที่เกี่ยวข้อง และนี่คือสิ่งที่ผมอาศัยเป็นหลัก บ่อยครั้งที่สิ่งที่ควบคุมไม่ได้เป็นข้อจำกัดทางกายภาพ แต่เป็นกฎหมายที่มนุษย์ตั้งขึ้น นิสัย กฎระเบียบองค์กร กฎ ข้อบังคับ ความภูมิใจส่วนบุคคล และความเฉื่อยที่ครอบงำวิวัฒนาการสู่อนาคต คุณไม่ได้รับการฝึกฝนด้านนี้มากเท่าที่ผมเห็นว่าควร และดังนั้นผมต้องระมัดระวังที่จะรวมประเด็นเหล่านี้เมื่อหัวข้อเหล่านี้ปรากฏ
มีสุภาษิตที่ว่า 'การทำนายระยะสั้นมักมองโลกในแง่ดี และการทำนายระยะยาวมักมองโลกในแง่ร้าย' เหตุผลที่ส่วนหลังเป็นจริงอันหนึ่งคือสำหรับคนส่วนใหญ่ การเติบโตเชิงเรขาคณิตจากการทบต้นของความรู้ยากที่จะเข้าใจ เช่น สำหรับเงินเพียงการเติบโต 6% ต่อปีก็จะทำให้เงินทบเป็นสองเท่าประมาณ 12 ปี! ใน 48 ปี การเติบโตเป็นปัจจัย 16 ตัว ตัวอย่างที่ยืนยันว่าการทำนายระยะยาวมักต่ำกว่าความเป็นจริงได้คือการเติบโตของวงการคอมพิวเตอร์ทั้งด้านความเร็ว ความหนาแน่นของส่วนประกอบ การลดลงของราคา ฯลฯ และการกระจายตัวของคอมพิวเตอร์เข้าสู่มุมต่างๆ ในชีวิต แต่สาขาปัญญาประดิษฐ์ (ai) เป็นตัวอย่างสวนทางที่ดี ผู้นำในสาขานี้เกือบทั้งหมดเคยทำนายระยะยาวซึ่งแทบไม่เป็นจริง และไม่น่าจะเป็นจริงในช่วงชีวิตของคุณ แม้หลายอย่างจะเกิดขึ้นในเวลาต่อมา
ผมจะใช้ประวัติศาสตร์เป็นแนวทางหลายครั้งแม้ Henry Ford Sr. จะบอกว่า 'History is bunk.' น่าจะเป็นเพราะ Ford มีประเด็นว่า:
- ประวัติศาสตร์มักไม่ถูกบันทึกอย่างถูกต้องเท่าใดนัก และผมไม่พบรายงานสองฉบับที่ตรงกันเกี่ยวกับเหตุการณ์ที่ Los Alamos ในช่วง wwii เลย
- ด้วยความรวดเร็วของความก้าวหน้า อนาคตจึงค่อนข้างหลุดจากอดีต เช่น การปรากฏของคอมพิวเตอร์สมัยใหม่เป็นตัวอย่างของความแตกต่างใหญ่นี้
เมื่ออ่านนักประวัติศาสตร์บางคน คุณอาจได้ความรู้สึกว่าอดีตถูกกำหนดโดยแนวโน้มใหญ่ แต่ก็รู้สึกด้วยว่าอนาคตมีความเป็นไปได้มากมาย คุณสามารถจัดการความขัดแย้งที่เห็นนี้ได้อย่างน้อยสี่วิธี:
- คุณอาจเพิกเฉย
- คุณอาจยอมรับมัน
- คุณอาจตัดสินใจว่าอดีตถูกกำหนดไว้น้อยกว่าที่นักประวัติศาสตร์มักบอก และการตัดสินใจของแต่ละบุคคลสามารถสร้างความแตกต่างครั้งใหญ่ได้ในบางเวลา เช่น Alexander the Great, Napoleon, และ Hitler มีผลกระทบใหญ่ด้านกายภาพ ในขณะที่ Pythagoras, Plato, Aristotle, Newton, Maxwell, และ Einstein เป็นตัวอย่างด้านความคิด
- คุณอาจตัดสินใจว่าอนาคตไม่เปิดกว้างอย่างที่คุณคิด และจริงๆ แล้วมีตัวเลือกน้อยกว่าที่เห็น
น่าจะเป็นไปได้ว่าอนาคตจะถูกจำกัดโดยวิวัฒนาการช้าๆ ของมนุษย์และกฎหมาย สถาบันสังคม และองค์กรที่เกี่ยวข้อง มากกว่าที่จะถูกจำกัดโดยวิวัฒนาการรวดเร็วของเทคโนโลยี
ถึงแม้ว่าการทำนายอนาคตจะยากและว่า 'สิ่งประดิษฐ์ทางเทคโนโลยีที่ไม่คาดคิดอาจทำลายการทำนายที่ระมัดระวังที่สุดได้' คุณก็ต้องพยายามคาดการณ์อนาคตที่คุณจะเผชิญ เพื่ออธิบายความสำคัญของการพยายามคาดการณ์อนาคต ผมมักใช้เรื่องราวมาตรฐานเรื่องหนึ่ง
เป็นที่รู้กันดีว่านักเดินเมาที่เดินสะดุดซ้ายขวาด้วยก้าวสุ่มอิสระ n ก้าว จะโดยเฉลี่ยไปจบที่ประมาณ
ก้าวจากจุดเริ่ม แต่ถ้ามีสาวสวยอยู่ทางหนึ่ง ก้าวของเขาจะมีแนวโน้มไปทางนั้นและเขาจะเคลื่อนเป็นสัดส่วนกับ n ในช่วงชีวิตที่มีการตัดสินใจมากมายทั้งเล็กและใหญ่ อาชีพที่มีวิสัยทัศน์จะพาคุณไปได้ระยะซึ่งเป็นสัดส่วนกับ n ในขณะที่คนที่ไร้วิสัยทัศน์จะไปได้เพียงระยะ
ในแง่หนึ่ง ความต่างหลักระหว่างคนที่ไปไกลกับคนที่ไม่ไปไกลก็คือ บางคนมีวิสัยทัศน์และคนอื่นไม่มี จึงได้แค่ตอบสนองต่อเหตุการณ์ปัจจุบันตามที่เกิดขึ้น
หนึ่งในงานหลักของคอร์สนี้คือเริ่มให้คุณสรรค์สร้าง วิสัยทัศน์ของอนาคตของคุณ อย่างละเอียด หากผมล้มเหลวในเรื่องนี้ก็เท่ากับล้มเหลวทั้งคอร์ส คุณอาจคัดค้านว่าถ้าพยายามกำหนดวิสัยทัศน์ตอนนี้ มันน่าจะผิดได้—และคำตอบของผมคือ จากการสังเกต ความแม่นยำของวิสัยทัศน์มีความสำคัญน้อยกว่าที่คุณคิด การไปที่ไหนสักแห่งย่อมดีกว่าปล่อยให้ลอยไป มีหนทางสู่ความยิ่งใหญ่หลายเส้นทางสำหรับคุณ และทางที่คุณเลือก ตราบใดที่มันพาคุณไปสู่ความยิ่งใหญ่ ก็ไม่ใช่เรื่องของผม คุณต้องเหมือนการสร้างสไตล์ส่วนตัว หา วิสัยทัศน์อาชีพของคุณ แล้วพยายามเดินตามให้ดีที่สุด
ไม่มีวิสัยทัศน์ ก็แทบไม่มีอนาคต
ประเด็นที่ว่าประวัติศาสตร์จะซ้ำหรือไม่ซ้ำนั้นยังเป็นเรื่องถกเถียง แต่เป็นหนึ่งในแนวทางไม่กี่ข้อที่คุณมี ดังนั้นประวัติศาสตร์จะมีบทบาทมากในการอภิปรายของผม—ผมพยายามให้ภาพรวมที่อาจเป็นแนวทางในการสร้างวิสัยทัศน์ของอนาคตของคุณ เครื่องมือหลักอีกชิ้นที่ผมใช้คือจินตนาการเชิงรุกในการพยายามเห็นสิ่งที่จะเกิดขึ้น เป็นเวลาหลายปีผมสละเวลาประมาณ 10% ของเวลา (บ่ายวันศุกร์) เพื่อพยายามเข้าใจว่าจะเกิดอะไรขึ้นในอนาคตของการประมวลผล ทั้งในฐานะเครื่องมือทางวิทยาศาสตร์และในฐานะผู้กำหนดรูปแบบของโลกสังคม ทั้งการทำงานและการเล่น ในการวางแผนอนาคตของคุณ คุณต้องแยกคำถามสามประเภทออกจากกัน:
อะไรที่เป็นไปได้?
อะไรที่มีแนวโน้มจะเกิดขึ้น?
อะไรที่ควรจะเกิด?
ในแง่นี้ ข้อแรกคือวิทยาศาสตร์—สิ่งที่เป็นไปได้ ข้อที่สองคือวิศวกรรม—ปัจจัยด้านมนุษย์ที่คัดเลือกอนาคตหนึ่งเดียวจากชุดของอนาคตทั้งหมดที่เป็นไปได้ ข้อที่สามคือจริยธรรม ค่านิยม หรือคำอื่นๆ ที่คุณอยากใช้กับการตัดสินคุณค่า สำคัญที่ต้องพิจารณาทั้งสามคำถาม และตราบเท่าที่ข้อสองต่างจากข้อสาม คุณน่าจะมีแนวทางเปลี่ยนแปลงสิ่งต่างๆ เพื่อให้อนาคตที่น่าปรารถนาเกิดขึ้น แทนที่จะปล่อยให้สิ่งที่หลีกเลี่ยงไม่ได้เกิดขึ้นและต้องแบกรับผลตามมา อีกครั้ง คุณจึงเห็นว่าทำไมการมีวิสัยทัศน์จึงมักเป็นสิ่งที่แยกผู้นำออกจากผู้ตาม
กระบวนการจัดความรู้ตามภาควิชาและหน่วยย่อย แล้วแยกเป็นรายวิชา มักปกปิดความเป็นเอกภาพของความรู้ และในเวลาเดียวกันก็ละเลยสิ่งที่อยู่ระหว่างรายวิชา การเพิ่มประสิทธิภาพของรายวิชาแต่ละรายวิชายิ่งทำให้หลายสิ่งที่สำคัญในงานวิศวกรรมถูกข้ามไปเพราะดูไม่สำคัญกับรายวิชาใดรายวิชาหนึ่ง หนึ่งในหน้าที่ของหนังสือเล่มนี้คือการกล่าวถึงและยกตัวอย่างหัวข้อที่ถูกมองข้ามเหล่านี้ ซึ่งสำคัญในการปฏิบัติวิทยาศาสตร์และวิศวกรรม เป้าหมายอีกประการของคอร์สคือการแสดงเอกภาพของความรู้ทั้งหมด มากกว่าชิ้นส่วนที่ปรากฏเมื่อหัวข้อย่อยต่างๆ ถูกสอน ในอนาคตของคุณ ทุกสิ่งที่คุณรู้ล้วนอาจมีประโยชน์ แต่ถ้าคุณเชื่อว่าปัญหาอยู่เฉพาะในพื้นที่หนึ่ง คุณก็ไม่ค่อยใช้ข้อมูลที่เกี่ยวข้องซึ่งเกิดในรายวิชาอื่น
คอร์สจะมุ่งไปที่คอมพิวเตอร์ ไม่ใช่เพียงเพราะผมใช้เวลาส่วนใหญ่ของอาชีพในวิทยาการคอมพิวเตอร์และวิศวกรรม แต่เพราะผมเห็นว่าคอมพิวเตอร์จะครอบงำชีวิตเชิงเทคนิคของคุณ ผมจะทวนข้อเท็จจริงต่อไปนี้หลายครั้งในหนังสือ เมื่อเปรียบเทียบกับมนุษย์ คอมพิวเตอร์มีข้อได้เปรียบดังต่อไปนี้:
| ด้านเศรษฐกิจ | ถูกกว่ามาก และยิ่งถูกลงเรื่อยๆ |
| ความเร็ว | เร็วกว่าอย่างมาก |
| ความถูกต้อง | แม่นยำมากกว่า (มีความเที่ยงตรง) |
| ความน่าเชื่อถือ | เหนือกว่ามาก (หลายระบบมีการแก้ไขข้อผิดพลาดในตัว) |
| ความรวดเร็วในการควบคุม | เครื่องบินยุคปัจจุบันหลายลำไม่เสถียรและต้องการการควบคุมโดยคอมพิวเตอร์อย่างรวดเร็วจึงจะใช้งานได้จริง |
| ไม่เบื่อง่าย | เป็นข้อได้เปรียบอย่างท่วมท้น |
| Bandwidth เข้าและออก | อีกครั้งเป็นข้อได้เปรียบอย่างมาก |
| ความง่ายในการฝึกสอนใหม่ | เปลี่ยนโปรแกรม แทนที่จะต้องลบแล้วเรียนใหม่ ซึ่งกินเวลามนุษย์เป็นชั่วโมงๆ |
| สภาพแวดล้อมที่เป็นอันตราย | นอกอวกาศ ใต้น้ำ พื้นที่ที่มีรังสีสูง สงคราม สถานการณ์การผลิตที่เป็นอันตรายต่อสุขภาพ ฯลฯ |
| ปัญหาบุคลากร | ปัญหาเหล่านี้มักครอบงำการบริหารคน แต่ไม่ใช่เครื่องจักร; กับเครื่องจักรไม่มีบำนาญ ไม่มีปากเสียงส่วนตัว ไม่มีสหภาพแรงงาน ไม่มีการลางานส่วนบุคคล ไม่มีอีโก้ ไม่มีการเสียชีวิตของญาติ ไม่มีเวลาพักผ่อน ฯลฯ |
ผมไม่จำเป็นต้องสาธยายข้อดีของมนุษย์เหนือคอมพิวเตอร์—เกือบทุกคนในที่นี้คงโต้แย้งกับรายการนี้และเริ่มนึกถึงข้อดีในด้านตรงข้ามแล้ว
สุดท้าย ในแง่หนึ่งนี่เป็นคอร์สเชิงศรัทธา: ผมกำลังเทศนาข้อความว่า ด้วยชีวิตหนึ่งชีวิตบนโลกนี้ คุณควรพยายามทำประโยชน์ที่สำคัญต่อมนุษยชาติ มากกว่าที่จะใช้ชีวิตเพียงเพื่อความสบาย—การพยายามมุ่งสู่ความเป็นเลิศในสาขาหนึ่งเป็นเป้าหมายที่มีคุณค่าสำหรับชีวิตของคุณ มักมีการสังเกตว่าผลที่แท้จริงอยู่ที่การดิ้นรนไม่ใช่ที่ความสำเร็จ—ชีวิตที่ไม่มีความพยายามของตัวคุณเพื่อทำตัวเองให้ยอดเยี่ยมแทบจะเรียกว่าชีวิตที่ไม่คุ้มค่า นี่เป็นความคิดเห็นไม่ใช่ความจริง แต่ขึ้นกับการสังเกตชีวิตของหลายคนและการคาดเดาเรื่องความสุขรวมของพวกเขา มากกว่าความสุขช่วงสั้นๆ ตามช่วงเวลา อีกครั้ง ความคิดเห็นเกี่ยวกับความสุขของพวกเขานี้เป็นการตีความของผมเองเพราะไม่มีใครรู้ชีวิตของผู้อื่น รายงานจำนวนมากจากผู้เขียนเรื่อง 'ชีวิตที่ดี' ก็เห็นด้วยกับความคิดเห็นข้างต้น สังเกตว่าผมปล่อยให้คุณเลือกเป้าหมายความเป็นเลิศของตัวเอง แต่ผมอ้างว่าชีวิตที่ไม่มีเป้าหมายเช่นนั้นไม่ถือว่าเป็นการมีชีวิตอยู่แต่เป็นเพียงการดำรงอยู่—ตามความเห็นของผม
ชีวิตที่ไม่ได้ตรวจสอบไม่คุ้มค่าที่จะมีชีวิตอยู่
สรุป: I need not list the advantages of humans over computers—almost every one of you has already objected to this list and has in your mind started to cite the advantages on the other side.
สรุป: Lastly, in a sense this is a religious course: I am preaching the message that, with apparently only one life to live on this earth, you ought to try to make significant contributions to humanity rather than just get along through life comfortably—that the life of trying to achieve excellence in some area is in itself a worthy goal for your life. It has often been observed the true gain is in the struggle and not in the achievement—a life without a struggle on your part to make yourself excellent is hardly a life worth living. This, it must be observed, is an opinion and not a fact, but it is based on observing many people’s lives and speculating on their total happiness rather than the moment-to-moment pleasures they enjoyed. Again, this opinion of their happiness must be my own interpretation as no one can know another’s life. Many reports by people who have written about the “good life” agree with the above opinion. Notice I leave it to you to pick your goals of excellence, but claim only a life without such a goal is not really living but merely existing—in my opinion. In ancient Greece, Socrates (469–399 bc) said:
สรุป: > The unexamined life is not worth living.