应该如何提高自身的创新能力（怎样提高创新能力）

为什么新思想新科技大多出自少数几个国家？其他国家的人几乎毫无贡献？甚至聪明勤奋的中国人也缺乏创新能力，导致被美国肆意霸凌主要原因是基础认知的差异和普及，次要原因是市场激励的差异我们要想提高国民的创新能力，除了搞好市场激励外，重点要向大众科普必要的基础认知，科学的基础认知可以启发和指导创新，大幅提高国民的创新能力，今天小编就来说说关于应该如何提高自身的创新能力?下面更多详细答案一起来看看吧!

应该如何提高自身的创新能力

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

世界的本源：

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

空间和时间：

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

这种认知能启发创造和理解多维理论，如弦论，M理论。

认知的过程：

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

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

知识的学习：

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

知识按大脑的处理方式可以分为记忆性知识，理解性知识和技能性知识。

记忆性知识的学习方法：分类，多感官参与，回忆，重复。

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

技能性知识的学习方法：分解技能，刻意练习，综合应用。

知识方面的认知能大幅提升知识的学习效率和应用能力。

逻辑推理：

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

通过逻辑推理或证明可以保证命题的正确性和完备性，微积分的历史就体现这点：

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

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

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

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

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

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

科学研究：

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

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

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

有这些认知后，普通人对科研也会有信心。

技术研发：

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

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

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

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

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

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

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

技术研发方面的认知可以提高研发效率，让普通人也能从事研发工作。

工艺设计：

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

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

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

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

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

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

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

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

工艺方面的认知可以帮助我们制造出高精尖产品。

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

,