什么是“奥卡姆剃刀”,如何用“奥卡姆剃刀”解决复杂问题?复杂问题简单化

news2024/11/25 11:52:24

什么是“奥卡姆剃刀”,如何用“奥卡姆剃刀”解决复杂问题?复杂问题简单化

  • 问题
  • 什么是“奥卡姆剃刀”?
  • 如何使用“奥卡姆剃刀”解决问题
  • 复杂问题简单化
  • “汉隆剃刀”
  • 小结

问题

假设你在夜空中看到一颗闪闪发光的「不明飞行物」,你认为这会是什么呢?

A:地心人的飞行器。
B:外星人的飞行器。
C:人类飞机的灯光。

回答类似这种问题,往往越简单的解释,接近真相的可能性越大。

什么是“奥卡姆剃刀”?

在公元 14 世纪左右,有一个来自奥卡姆的威廉,对当时关于「本质」之类的争吵感到厌倦,于是提出了「奥卡姆剃刀」定律。

「奥卡姆剃刀」定律的核心思想可以简单概括为 8 个字:「如无必要,勿增实体」。

也就是说,砍掉那些无用的细枝末节,把复杂的问题简单化,所以,我们也称之为「简约法则」。

在这里插入图片描述

奥卡姆的这把「剃刀」出鞘之后,产生了非常广泛、丰富而且深刻的影响。

随着经济社会的发展,有很多问题正在变得越来越复杂,数据和文件变得越来越多,制度和规则变得越来越繁琐,奥卡姆这把闪闪发光的剃刀,正在向更多的领域发起挑战。

如何使用“奥卡姆剃刀”解决问题

在工作、生活和学习的过程中,我们可以运用「奥卡姆剃刀」定律,让事情变得更加简单高效。

比如,在生活中,养成早睡早起、经常运动等习惯,就能自己拥有一个健康的身体。

怎么才能养成良好的运动习惯呢?按照《微习惯》的方法,你不妨从最简单的习惯开始,比如:每天做一个俯卧撑。

运用「奥卡姆剃刀」定律,最简单的方法,往往就是最有效的方法。一件事情,如果用较少的时间和精力就能做好,那为什么还要浪费更多的时间和精力呢?

在遇到问题,需要做决策的时候,不妨运用「奥卡姆剃刀」,避免寻找过于复杂的解决方案,而关注简单可行的方法。 如果用复杂的方法和简单的方法都能解决问题,那么就选择简单的那种方法

我们把「奥卡姆剃刀」应用到目标管理中,养成了「以终为始」的习惯,找到自己的终极目标,然后对它进行分解,每天关注最重要的一件事,并进行复盘总结,让目标和行动产生关联,做到知行合一。

为了聚焦目标,我们按照「断舍离」的理念,定期查看「数据赋能系统」中记录的时间数据,并问一问自己:如果不做这件事,会有什么后果?

通过认真审视每件事对长期目标的贡献,从中找到一些其实可以不做的事,并从后续的日程计划中排除掉,就能节省出来很多时间,用来去做其他更加重要的事情。

每个人的时间和精力都是有限的,如果目标过于分散的话,就容易导致顾此失彼,分不清「重要的事」和「紧急的事」,结果成为低效的忙碌者,目标也就难以实现。

爱因斯坦说过:

Everything should be made as simple as possible, but not simpler.

这句话有 2 种不同的翻译,

  • 第 1 种翻译是:凡事应该尽可能简单,但不能过于简单。

  • 第 2 种翻译是:凡事应该尽可能简单,而不是相对简单。

我个人比较认同上面第 1 种翻译,因为我相信「物极必反」,这是世界普遍运行的规律,当一件事物过度简化之后,可能会导致不当的后果。

在一些数据分析报告中,如果使用了太多的垃圾图表,可能是因为过度简化,也可能是因为「偷懒」行为,使用软件的默认设置,让读者无法认识到问题的本质。

复杂问题简单化

比如,在《图表会说话》这本书中,有一个图表,呈现了美国在 100 年内每年人均可获得肉量的演变过程:

在这里插入图片描述
如果剔除不相关的、多余的、没有价值的内容(灰色背景、边框、图例、标记、微笑的牛的图片……),使数据的本质显现出来,直观地看到牛肉和鸡肉的价格变化较大,这样图表可以变得更有效、更优雅,这是应用了「奥卡姆剃刀」定律,让图表尽可能简单,但没有过度简单。

在这里插入图片描述

把简单的事情复杂化很容易,但是反过来,把复杂的事情简单化并不容易,特别是需要做到理性思考的时候,更加不容易。

“汉隆剃刀”

在现实生活中,绝大多数的问题,其实都是因为无知导致的,并不是有人故意和你唱反调,这就是「汉隆剃刀」原则,算是「奥卡姆剃刀」的一种特殊情况。

有人甚至还把「汉隆剃刀」原则做了进一步的推广:

能解释为愚蠢的,就不要解释为恶意。

能解释为无知的,就不要解释为愚蠢。

能解释为可原谅的错误的,就不要解释为无知。

能用未知的其他原因解释的,就不要解释为错误。

不要恶意揣测别人,其实发生在我们身上的事情,99.99% 的问题都可以用逻辑分析得清清楚楚,一旦你习惯了用理性的、逻辑的分析方法,就不容易被他人欺骗,更不会被自己欺骗。

理性的习惯和逻辑的方法,都是可以通过训练来获得的。我们在日常的工作生活中,需要特别重视这样的训练。

小结

当你遇到一个复杂问题的时候,不妨想一想「奥卡姆剃刀」,它就像一个诱发装置,启发你找到更好的解决办法。

如今,我们生活在一个复杂得让人难以理解的世界,但正因为如此,使得「奥卡姆剃刀」成为一个更有价值的思维模型,值得我们好好学习和应用它。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/377720.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

优秀的IC/FPGA开源项目(六)-手语字母翻译器

《优秀的IC/FPGA开源项目》是新开的系列,旨在介绍单一项目,会比《优秀的 Verilog/FPGA开源项目》内容介绍更加详细,包括但不限于综合、上板测试等。两者相辅相成,互补互充~一种智能手套,可将手语字母翻译成带显示器的书…

【分享】订阅集简云畅捷通T+cloud连接器自动同步财务费用单至畅捷通

方案场景 伴随公司发展和数字化水平提高,大量的财务单据需要手动审核和录入,这些重复机械的操作占据大量人力,同时极容易出现数据出错或丢失等情况,严重影响着企业经营效率。 使用集简云提供服务的畅捷通TCloud钉钉连接器完成财…

UML 类关系(详解)——依赖、关联、聚合、组合、泛化

概述 在学习面向对象设计时,类关系涉及依赖、关联、聚合、组合和泛化(继承)这五种关系,耦合度依次递增。关于耦合度,可以简单地理解为当一个类发生变更时,对其他类造成的影响程度,影响越小则耦…

电子发票打印工具 v2023.02.27 免费的PDF发票打印软件

电子发票打印工具一款PDF发票打印辅助软件,因为单位有很多电子发票需要打印,每次打印都要用reader阅读器打开,选打印,选份数,选纸张,选纸盒,当然,有些发票有清单页的,以上步骤请再重复一遍。多张发票请重复N遍,忍了多年,终于决心开发一款方便用于打印PDF发票的辅助工…

源码numpy笔记

参考文章 numpy学习 numpy中的浅复制和深复制的详细用法 numpy中的np.where torch.gather() Numpy的核心数据结构,就叫做array就是数组,array对象可以是一维数组,也可以是多维数组 array本身的属性 shape:返回一个元组&#xf…

【数据库增删查改进阶版】保姆级教程带大家去学习更加复杂的sql语句,各种各样的约束以及各种各样的查询

前言: 大家好,我是良辰丫🍅🍅🍅,上一篇数据库我们一起学习了基础版本的增删查改,今天我们将接触更高级的增删查改,主要是学习一些约束条件,你们准备好了嘛?开…

华为OD机试题,用 Java 解【流水线】问题

最近更新的博客 华为OD机试题,用 Java 解【停车场车辆统计】问题华为OD机试题,用 Java 解【字符串变换最小字符串】问题华为OD机试题,用 Java 解【计算最大乘积】问题华为OD机试题,用 Java 解【DNA 序列】问题华为OD机试 - 组成最大数(Java) | 机试题算法思路 【2023】使…

LearnOpenGL-入门-8.坐标系统

本人刚学OpenGL不久且自学,文中定有代码、术语等错误,欢迎指正 我写的项目地址:https://github.com/liujianjie/LearnOpenGLProject LearnOpenGL中文官网:https://learnopengl-cn.github.io/ 文章目录坐标系统概述局部空间世界空…

干货收藏|医疗数据安全、临床业务容灾、智能运维及数字化转型方案集锦

数智赋能,助力医院高质量发展!历时三天的2022中华医院信息网络大会(CHINC)圆满落下帷幕,美创科技赴五年之约,与医疗行业用户朋友在深圳再聚交流,也带来关于“医疗行业数据安全、数字化转型”的新…

【再临数据结构】Day1. 稀疏数组

前言 这不单单是稀疏数组的开始,也是我重学数据结构的开始。因此,在开始说稀疏数组的具体内容之前,我想先说一下作为一个有着十余年“学龄”的学生,所一直沿用的一个学习方法:3W法。我认为,只有掌握了正确的…

react的严格模式 和 解决react useEffect执行两次

useEffect执行两次 这个问题,主要是刚接触react的时候发的问题,当时也没总结。现在回过头来再总结一次!!! 文章目录useEffect执行两次前言一、为什么useEffect执行两次1.React的严格模式(模版创建项目&…

Hadoop综合案例 - 聊天软件数据

目录1、聊天软件数据分析案例需求2、基于Hive数仓实现需求开发2.1 建库2.2 建表2.3 加载数据2.4 ETL数据清洗2.5 需求指标统计---都很简单3、FineBI实现可视化报表3.1 FineBI介绍3.2 FineBI配置数据3.3 构建可视化报表1、聊天软件数据分析案例需求 MR速度慢—引入hive 背景&a…

深度剖析指针(中)——“C”

各位CSDN的uu们你们好呀,今天小雅兰的内容仍旧是深度剖析指针噢,在上一篇博客中,我已经写过了字符指针、数组指针、指针数组、数组传参和指针传参的知识点,那么这篇博客小雅兰会讲解一下函数指针、函数指针数组 、指向函数指针数组…

【Spark分布式内存计算框架——Spark Streaming】8. Direct 方式集成底层原理 集成Kafka 0.10.x

Direct 方式集成底层原理 SparkStreaming集成Kafka采用Direct方式消费数据,如下三个方面优势: 第一、简单的并行度(Simplified Parallelism) 读取topics的总的分区数目 每批次RDD中分区数目;topic中每个分区数据 被…

布局三八女王节,巧借小红书数据分析工具成功引爆618

对于小红书“她”经济来说,没有比三八节更好的阵地了。伴随三八女王节逐渐临近,各大品牌蓄势待发,这场开春后第一个S级大促活动,看看品牌方们可以做什么? 洞察流量,把握节点营销时机 搜索小红书2023年的三…

学员作品|微博“绿洲”APP产品分析

一产品架构1. 产品功能架构图绿洲的主要功能模块可以拆分为六部分:首页、发现、发布动态、个人中心、水滴、消息。整体功能架构图如下:2. 用户使用路径图用于浏览动态:用于发布动态:新用户引导路径:二市场分析1. 产品定…

【Linux】Linux中gcc/g++的使用

本期主题:程序的编译过程和gcc/g的使用博客主页:小峰同学分享小编的在Linux中学习到的知识和遇到的问题小编的能力有限,出现错误希望大家不吝赐🍁 1.背景知识 预处理(进行宏替换,去注释,头文件的…

索引、索引失效、索引的存储

文章目录1.索引种类2.创建索引注意点3.索引失效的情况4.为什么索引使用B树存储(1)如果使用数组来存储索引(2)如果使用二叉查找树来存储索引(3)如果使用平衡二叉查找树来存储索引(4)如…

同为(TOWE)防雷产品助力福建移动南平分公司防雷改造

01 公司简介中国移动通信集团福建有限公司南平分公司属于福建移动地级分公司,所属行业为电信、广播电视和卫星传输服务。现已建成覆盖范围广、业务品种多、通信质量高的综合通信网络,具备行业领先的经营管理制度。移动通信大楼的综合防雷及地接系统&…

第八节 构造器和this关键字、封装

构造器的作用 定义在类中的,可以用于初始化一个类的对象,并返回对象的地址。 构造器的注意事项 1.任何类定义出来,默认就自带了无参数构造器,写不写都有。 2.一旦定义了有参数构造器,那么无参数构造器就没有了&#xf…