香农三大定律有哪些（香农的创意思维）

Claude Shannon（克劳德·香农）是现代计算机和信息技术中的关键人物。或许在此之前你对这个名字还感到很陌生，但他却是科学史上一位难得的天才。在他21岁时，Shannon在他的硕士论文中阐述了如何使用计算机中的二进制来执行所有的逻辑功能，这在之后被Walter Isaacson称为“所有数字电脑的基础概念”。

不仅如此，在32岁那年，Shannon发表了《通信的数学理论》一书，被誉为“信息时代的法典”。书中介绍了二进制信息单位“比特”这个概念，讲述了信息可以如何被量化，也展示了如何能够将电子信息准确的在任何两点之间被压缩和传送。

△ Claude Shannon（图片来源：Jimmy Soni and Rob Goodman）

我们现在能够用电脑加载网页和发送电子邮件，都是得益于Shannon的信息理论，它是使互联网变得可能的原因。而Shannon提出这个概念的时间，却是在数字时代到来的几十年前。这不禁让人想问——他到底是如何得到这样的见解的？他又是如何能想到这些事情的？难道真的只是因为：天才的思维，我们常人无法揣测？

△ Claude Shannon 未发表的谈话记录，为了解他的思想过程提供了新见解。（图片来源：J. Soni, R. Goodman）

在 Shannon 看来，有三个基础条件是从事科学工作的人不可或缺的。第一个是培训和经历，这一点是显而易见的，术业有专攻在科学研究上有着毋庸置疑的重要性。第二点是具备一定的才能和智商，Shannon 认为一个好的科学家或工程师至少有高于平均值100的智商，因此说科学工作除了后天努力，天分其实也很重要。

而良好的专业素养和聪明的头脑还不足以让人成为优秀的科学家，Shannon 认为最重要的第三点为动机（Motivation），或者说是种积极性，这正是爱因斯坦和牛顿等这些大科学家具有的最强之处：如果没有这种积极的驱使，即便你具有再精良全面的培训和超高的智商，都无法提出和解决问题。Shannon 在演讲中说，好奇心是一个科学家必备的素养，当发现未知的问题时，或事情看起来不太对时，会产生一点点“不满足感”——这种不满足不是对我们常以为的对周遭环境不满的负面情绪，而是一种积极的带有建设性的不满。

Shannon 甚至直白地说：“虽然不具备这种动机驱使的人同样可以在许多其他领域获得成功，但是对科学研究者来说，那种让人不在意是早晨5点、不介意通宵达旦、不介意用周末的时间寻找答案的那种精神，是非常重要的。”

假设你已经具备以上所说的这三点条件，那有什么技巧和策略能有助于你从事像科研这种创造性的工作呢？甚至可以更广泛的适用于任何涉及“问题解决”的工作呢？Shannon 说这种技巧应该可以被列成一条长长的列表，但是他要强调的是他在科研过程中最受用的几点。

1. 简化问题

解决一个难题的第一步，是想办法简化它。Shannon 提到，无论是数学问题、物理问题还是工程设计，几乎每一个遇到的问题都与许多无关的信息混杂在一起，因此去除这些不那么重要的条件、将最主要最根本的问题筛选出来，能让我们更清楚地看到自己想要做到的是什么。

Shannon 说虽然这种将问题“大事化小”的策略有可能会让一个大问题变成面目全非的问题，但这也正是这个步骤的目的。他说：“虽然有可能出现被简化后的问题与最初的问题不够相似，但如果每次都能解决一个简单问题，我们就能在这个解决方案上增添限制条件，直到恢复到最初想要解决的问题的方案为止。”

信息理论学家Robert Gallager曾是Shannon的一位研究生，他目睹过Shannon如何运用这个激进的简化过程来思考问题。他回忆起有一天他带着一份新的研究方案来到Shannon的办公室，但Shannon认为这个方案中的许多内容是都是干扰，于是他开始一一去除一些问题。

Gallager 回忆起那段情景说：“他看着研究方案，困惑的说：‘你真的需要这个假设吗？’我回答：‘我想应该可以在没有这个假设的情况下考虑这个问题。’过了一会儿，他又说：‘这个假设也需要吗？’......他一直这样重复做了五六次，让我一度甚至感到很沮丧，因为我看到这个原本想要提出的问题似乎已经变得微不足道了。但这个过程却让我们俩都意识到了该如何解决这个问题，于是我们逐步把所有的小假设加回来，突然间我们就看到了整个问题的解决方向。这就是Shannon的工作方式。”

2. 寻找类似的问题

当你面临的问题与一个已有答案的问题相类似时，可以将这两个问题相结合，再推断出两者间答案或许能有什么共同之处。说到这里时，Shannon在黑板上写了一个“P”和一个“S”，分别代表问题和解决方案。他说：“如果你在这个领域里有一定的经验了，你很可能就能找到一个跟P很像的问题，P'，以及它的解决方案S'，你要做的就是找出P与P'的相似处，再以相同的类比推论出S和S'的相似处。这也是为何在一个工作领域的经验有多么重要，因为如果你经验丰富，你能知道上千种已被解决的问题。你的‘思维矩阵’中会充满了各种相关与不相关的P和S。”

Shannon经常能发现原本看似毫无关联的领域之间的相关之处。例如在他的博士论文中，他将代数应用于遗传学上，尽管他并没有任何学习生物学或遗传学的背景，但在一年之内就得到了可发表的结果。

或许我们能做到在自己熟悉的领域找到与相邻领域间的相关性，但是我们很少愿意花时间去深入了解另一个领域。毕竟成为一个领域的新手、或被突然空降到某个还未开发领域的感觉并不是那么惬意。

跳出这种舒适圈的方法可以是扩展阅读范围。Shannon 的“P”和“S”的策略之所以能成功，是因为他有一个非常丰富的“思想矩阵”。他所吸收的知识与信息是多种多样的，他的日常不只阅读与数学和工程方面相关的书籍和文献，他同样喜欢阅读诗歌、哲学、甚至是音乐。其实Shannon的这一习惯应该激励更多人才对：我们应该增强各类见闻，即便是那些看似和我们的工作并没有什么关联的内容，但我们仍可能从其中汲取到对我们有用的解决方案。

3. 多角度解决问题

接下来，Shannon 说到了从不同角度、颠覆性地看待问题的价值。改变问题中的某些词、某个观点，或许就能击破那些制造障碍的固有思维。这一点实际操作起来很困难，但是我们必须尝试，因为如果不这样做，我们很容易陷入思维困局。

Shannon 认为对一个领域的熟悉同时也可能导致一定的思维僵化，而颠覆性思考问题的价值就在于它能打破这种思维僵局。用 Shannon 的话来说：“当你已经在一个问题上卡了好几个月时，一个对该问题毫无经验的人或许能够帮助你解决这个问题。因为他在这个问题上没有受到任何由时间累积起的思维固化，有的更多的是新颖的观点。”

4. 逆向思维

不能通过分析而解决的问题，仍可能被“反向”解决。如果你不能使用已有的条件来证明你的结论，或许可以先假设这个结论已经是成立的，再看看会发生什么。Shannon 说他常用这种方式来解决数学问题和设计问题。

5. 将大问题拆解成多个小问题

Shannon认为，改变对问题的观察视角的最有力的方式就是“结构分析”，换句话说就是将一个无比困难的大问题拆解成许多的小问题。比如说你需要通过两个大步骤来解决的一个问题，你可以做的是把这两个大步骤分解成许多个小步骤。Shannon 指出：“许多数学定理的证明实际上是通过极其迂回的过程找到的。”

擅长解决问题的人，都习惯将一项大挑战视为一系列小挑战，避免一下子被巨大的问题压倒，做到逐个击破，组合解决。

这种方法不仅对数学是有效， Shannon 表示这一点也可常被用于设计工作。他的机器和设计工作都受益于这种方法：“如果你设计的某一件事情的运作方式明显很笨拙累赘，比如使用了过多的仪器；你可以在真正上手之后再开始思考如何去掉那些多余的步骤。并不需要在一开始就做到这一步。”

6. 最大限度的延伸解决方案

最后，一旦你找到了解决方案，就花点时间来看看它还能走多远，这在科学研究中有着非常强大的力量。正如Shannon所说：“一个数学理论的发展通常是为了证明一个孤立的特殊结果或定理，但总会有人希望将其一般化。例如，把一个二维问题延伸到 N 维，把某一种代数问题转变成普通代数问题。而这一点其实不难做到，只要每当你找到一个问题的答案时，都记得问你自己这个答案是否可以被一般化，让它能适应于更广泛的问题。”所以为什么我们不自己去做这个人呢？

天才从何而来？

虽然 Shannon 这段演讲的主要针对的是科研工作者，但他提出的解决问题的方法在许多领域中都可以有非常灵活的运用。Shannon 详细描述的并非那些他丰富的精神世界所创造出的光辉的成果，而是他如何得到那些成果的过程。这种过程是每一个追求用理性思维解决问题的人都可以学习和使用的。

天才的定义不在于他们能否像百科全书一样知道许多问题的答案，而是一种驱使、一种好奇心、一种找寻答案和想要推进事件的渴望。或许对天才来说，最大的回馈是解决一个难题后的那种满足感。

Shannon 说：“我认为如果你们能下意识的将这些技巧运用到解决问题上，在很多情况下应该都会发现问题解决的速度比平时要更快了。我也认为好的研究人员会在不知不觉中使用这些技巧，让这一系列操作自然发生。”

得到像 Shannon 如此详尽的描述自己思考和解决问题的步骤剖析无疑是宝贵的，我们可以从现在起训练自己让这些技巧成为一种习惯、一种本能，让它们真正住进内心。Shannon 异于常人之处正在于他强大的简化、分解、和反转问题的能力。

或许拥有能与Shannon媲美的智商和天赋的人并不多，甚至也不太具备那种“积极性不满”的品质，但好习惯还是可以强迫自己学习一下的，万一一不小心就成了一位后天“天才”呢？

参考链接：

http://www1.ece.neu.edu/~naderi/Claude Shannon.html

http://uk.businessinsider.com/engineer-claude-shannon-problem-solving-process-2017-7?r=US&IR=T