图灵奖得主理查德·汉明教你怎么做科学和工程

来源：市场资讯

（来源：图灵人工智能）

单击上方“图灵人工智能”，选择“星标”公众号

您想知道的人工智能干货，第一时间送达

转自见色非色，仅用于学术分享，如有侵权留言删除

理查德·汉明（1915–1998），贝尔实验室数学家，1968年图灵奖得主

这本书不是教科书，也不是自传。它是一位老头子在课堂上絮叨了二十年的笔记，攒成的一本书。老头叫理查德·汉明，贝尔实验室出来的，拿过图灵奖，发明过汉明码——就是那个让计算机能自己发现错误并纠正的编码方法。1976年他从贝尔实验室退休，跑到加州蒙特利的海军研究生院，开了一门课，名字起得很大："学会学习：科学与工程的艺术"。课上不讲具体技术，不讲怎么写代码、怎么算积分，就讲一件事——你怎么想。

2020年Stripe Press再版封面，新增设计师Bret Victor前言

1997年，这些课堂笔记变成了书。汉明在1998年去世，所以这本书差不多是他对后辈的最后交代。

1培训和教育是两码事

2运气不是等来的，是备出来的

这个故事背后有个更深的道理：准备不是往脑子里塞知识，而是建立一个能跟着条件变的判断框架。知识是死的，框架是活的。

3回到基础，不是空话

核心观点

基础不是门槛，是杠杆。你掌握了底层结构，不管问题怎么变形，你都能认出它的骨头。

4你为什么不做重要的事

贝尔实验室默里山总部，汉明1946年加入，与香农、图基并肩工作

他还说了一句狠话：不研究重要问题，怎么可能做出重要工作？这不是道德批判，是算账。你的生命时间是固定的。你用十年打磨一个边缘问题，就算做到完美，总影响力也就那样。边缘问题不是没价值——科学需要各种砖头——但你要清楚自己在砌墙还是在铺地砖。

更狠的是：选择问题不是选课题，是选身份。你想成为谁？汉明在贝尔实验室，主动挨着香农和图基坐，不是因为他们好说话——香农出了名的沉默寡言——而是因为他们的存在本身就是一把尺子。你周围人的平均水平，决定了你的天花板。

5学习就得难受，舒服了就没学进去

他还相信一个事：真正的创意来自潜意识。不是神秘主义，是你的大脑在后台做模式匹配。你给潜意识喂什么材料？就是你在清醒时反复咀嚼、从不同角度审视的基础知识。如果你只从一个角度学，你的潜意识也只有一种材料，拼不出意外的组合。

所以他的建议是：同一个知识点，从多个角度啃。啃得越费劲，潜意识能玩的花样越多。

6醉汉和美女：愿景的数学

关键洞察

7好想法不会自己走路，你得推它

8十维空间里，球会跑到盒子外面

这个反直觉的结果，汉明用它来摧毁一个幻觉：低维世界的直觉，在高维世界里是误导。我们在三维空间里进化，直觉是三维的。但现代科学与工程的问题——机器学习、优化理论、编码理论——往往活在高维空间里。你依赖直觉，就会系统性地犯错。

汉明码纠错原理示意：通过奇偶校验位定位并纠正单比特错误

这跟他自己的工作直接相关。纠错码的本质，就是在高维空间中寻找最优的球体堆积。汉明距离不是欧几里得距离，是另一种度量，适合离散空间。理解高维几何的诡异，是理解现代信息论的前提。

汉明码的电路实现：3-of-8解码器与异或门组合检测错误位置

专家说某件事可能，他大概是对的；但专家说不可能，你最好再找个专家问问。专家的"不可能"往往建立在低维直觉上，而条件已经悄悄升到了十维。

9预测未来不是算命，是练习

这种预测能力不是天赋，是练出来的。汉明在1960年就做过一次公开演讲，题目叫《计算的历史：直到2000年》，把预测暴露在同行面前，逼自己严谨。错了的预测被记住，对了的预测被验证——这就是学习的过程。

10行话是围墙，不是桥梁

11失败不是勋章，是数据

12计算是为了理解，不是为了数字

汉明在海军研究生院授课，黑板上写着"The purpose of computing is insight, not numbers"

汉明有一句被广泛引用的话：计算的目的不是数字，而是洞察。这句话写在他的办公室黑板上，也刻在贝尔实验室的文化基因里。

它的含义在今天被严重低估。现在有超算、有云计算、有几乎无限的存储。汉明如果活在今天，可能会对海量模拟产生警惕。他讲过一个思想实验：如果当年他有超算，能模拟数百条导弹轨迹，他是否还能获得设计导弹所需的关键直觉？他深表怀疑。

因为洞察往往来自约束。当你只能用纸笔计算时，你必须寻找模式、必须简化、必须抓住本质。当你可以运行十亿次模拟时，你可能被数据淹没，失去对结构的感知。数字变成了目的本身，而不是洞察的载体。

这跟他强调基础知识是一致的。模拟是工具，不是替代理解。如果你运行一个神经网络能得到好结果，但你不知道为什么，汉明会认为这不够。不是反对神经网络——他在1990年代就预言了它们的重要性——而是反对用计算量替代思考。

13这本书不是产品，是过程

《科学与工程的艺术》不是一本完美的书。结构松散，章节之间重复，技术章节对非专业读者不友好，哲学章节对专业读者又显得老生常谈。它像一位老头子在课堂上的即兴发挥，有时离题万里，有时突然击中要害。

但正是这种不完美，构成了它的真实性。汉明不是在销售一个产品，他在传递一个过程。他展示了自己的思维风格——跳跃、质疑、自嘲、固执——然后告诉读者：你不能复制我的风格，你必须锻造自己的。

书的结构本身就是一堂课。它松散、重复、跳跃，逼着你自己去提炼、去重组。这不舒服，但舒服了就没学进去。

全书核心要点回顾

• 培训教你"怎么做"，教育教你"做什么、为什么做"。技术会过时，风格不会。

• 运气偏爱有准备的头脑，但准备不是囤知识，是建一个能跟着条件变的判断框架。记住"为什么"不可能，比记住"不可能"更重要。

• 基础不是门槛，是杠杆。传递函数和特征值是同一个人，穿了两套衣服。

• 你为什么不做重要的事？因为安全。但安全是陷阱，你永远不会"准备好"去做大事。

• 学习就得难受。把250磅切成两个125磅，不是举重，是作弊。潜意识需要多角度咀嚼的材料，才能拼出意外组合。

• 有没有方向，比方向对不对更重要。醉汉随机游走，十年位移是√n；有愿景的人，十年位移是n。

• 局部优化可能毁掉全局。微积分和线性代数各自精简，结果知识在脑子里老死不相往来。

• 好想法不会自己走路，你得推它。但推销是为了让思想找到用武之地，不是为了个人名利。

• 十维空间里，球会跑到盒子外面。低维直觉在高维世界里是误导。

• 预测未来不是算命，是每周五下午的固定练习。基于基础推演，不是跟着趋势跑。

• 行话是围墙，不是桥梁。掌握多门术语，在翻译中保持清醒。

• 失败不是勋章，是数据。研究它，像研究成功一样仔细。但警惕"经验的暴政"——曾经有效的东西，可能在未来阻碍你。

• 计算是为了理解，不是为了数字。约束催生洞察，海量模拟可能淹没结构。

• 你不能复制汉明的风格，你得锻造自己的。要么引领，要么跟随，没有第三条路。

参考文献

Hamming, R. W. (1997). The Art of Doing Science and Engineering: Learning to Learn. Gordon and Breach Science Publishers, Amsterdam.（2020年Stripe Press再版）

Hamming, R. W. (1986). "You and Your Research." 贝尔实验室演讲。

ACM (1968). A.M. Turing Award Citation for Richard W. Hamming.