Tấm bảng trong ảnh không chỉ là “một bảng kiến thức hóa học”. Nó là một trong những ví dụ xuất sắc nhất về việc con người biến một kho dữ liệu rời rạc thành một hệ thống có khả năng dự đoán cái chưa tồn tại trong dữ liệu.
Điều đáng học ở Mendeleev không phải là hóa học, mà là quá trình chuyển hóa:
Danh mục → phân loại → cấu trúc quan hệ → quy luật → dự đoán → hệ thống phổ quát.
Số đông cố hiểu từng trường hợp riêng lẻ. Mendeleev tìm một cấu trúc có thể đặt toàn bộ trường hợp vào đúng vị trí.
Tư duy lớn không giải nhiều bài toán; nó tìm quy luật khiến nhiều bài toán trở thành một bài toán.
Muốn phát hiện quy luật phổ quát, phải đủ sức quan sát toàn bộ tập hợp, các mối quan hệ và khoảng thiếu của nó.
Chi tiết chỉ có ý nghĩa khi biết nó thuộc về hệ thống nào.
Không có toàn cảnh, chuyên môn sâu dễ biến thành sự hiểu biết cục bộ.
Mendeleev biến các nguyên tố thành những đơn vị có thể so sánh, di chuyển và sắp xếp lại.
Bài học không nằm ở “những tấm thẻ”, mà ở nguyên tắc:
Tri thức muốn phát sinh quy luật phải được ngoại hóa thành cấu trúc có thể thao tác.
Ghi chép để lưu trữ chưa đủ. Phải biểu diễn để tái tổ hợp.
Không thể tìm quy luật nếu mỗi trường hợp được mô tả bằng một ngôn ngữ, thước đo hoặc cấp độ khác nhau.
Cần thống nhất:
đơn vị phân tích;
thuộc tính;
cách đo;
định nghĩa;
mức độ tin cậy.
Chuẩn hóa không phải hành chính; nó là điều kiện để trí tuệ so sánh được các sự vật.
Mendeleev không chỉ xếp dữ liệu một lần rồi bảo vệ kết quả. Ông liên tục thay đổi vị trí, đối chiếu thuộc tính và thử các cấu trúc khác nhau.
Cấu trúc đầu tiên chỉ là giả thuyết, không phải chân lý.
Muốn thấy điều người khác không thấy, phải thử những trục nhìn mà người khác chưa thử.
Hai sự vật có thể khác hình thức nhưng vận hành theo cùng một cơ chế. Ngược lại, hai sự vật trông giống nhau có thể thuộc hai hệ thống khác nhau.
Câu hỏi cốt lõi không phải:
“Những thứ nào giống nhau?”
Mà là:
“Dù hình thức thay đổi, quan hệ nào vẫn lặp lại?”
Đó là nơi quy luật xuất hiện.
Số đông loại bỏ dữ liệu không phù hợp để mô hình trông sạch đẹp. Mendeleev dùng bất thường để chất vấn:
dữ liệu có sai không;
đối tượng có bị phân loại sai không;
thuộc tính nào đang thiếu;
quy luật hiện tại có quá nông không.
Một ngoại lệ được điều tra nghiêm túc có giá trị hơn hàng trăm trường hợp chỉ xác nhận điều ta đã tin.
Ô trống là đóng góp trí tuệ đặc biệt của Mendeleev.
Ông không coi thiếu dữ liệu là điều phải che giấu. Ông biến nó thành một tuyên bố:
cái gì đang thiếu;
nó phải nằm ở đâu;
nó phải có thuộc tính gì;
cần tìm bằng chứng nào.
Hệ thống mạnh không chỉ chứa cái đã biết; nó phải chỉ ra hình dạng của cái chưa biết.
Ô trống có cấu trúc chính là chương trình nghiên cứu và phát minh tương lai.
Một bảng đẹp có thể mô tả quá khứ. Một hệ thống mạnh phải đặt cược vào tương lai.
Dự đoán tốt phải nói rõ:
điều gì sẽ xuất hiện;
trong điều kiện nào;
đo bằng chỉ số gì;
kết quả nào sẽ chứng minh dự đoán sai.
Không có khả năng bị bác bỏ, “quy luật” dễ chỉ là một câu chuyện hợp lý sau sự kiện.
Khác biệt lớn nhất của Mendeleev là biến phân loại thành cỗ máy sinh tri thức mới.
Bảng tuần hoàn không hoàn tất trong một lần. Nó được bổ sung, sửa đổi và giải thích sâu hơn bởi nhiều thế hệ.
Di sản lớn không phải thứ không bao giờ sai, mà là thứ:
giữ được cấu trúc cốt lõi;
tiếp nhận dữ liệu mới;
phát hiện sai lệch;
sửa mình mà không sụp đổ;
tiếp tục sinh ra phát hiện sau tác giả.
Công trình phổ quát không đóng kín tri thức; nó kiến tạo một kiến trúc để tri thức tiếp tục tiến hóa.
[
\boxed{
Nhìn\ toàn\ miền
\rightarrow
Chuẩn\ hóa\ đơn\ vị
\rightarrow
Tái\ sắp\ xếp
\rightarrow
Tìm\ bất\ biến
\rightarrow
Điều\ tra\ ngoại\ lệ
\rightarrow
Bảo\ tồn\ ô\ trống
\rightarrow
Dự\ đoán
\rightarrow
Kiểm\ chứng
\rightarrow
Cập\ nhật
}
]
Mendeleev không chỉ sắp xếp những gì nhân loại đã biết. Ông xây một cấu trúc đủ mạnh để cái chưa biết bắt đầu lộ hình.
Vì vậy, khi học từ ông, bạn không nên chỉ học cách lập bảng hay phân loại. Điều cần kế thừa là năng lực chuyển hóa:
[
\boxed{
Dữ\ liệu\ rời\ rạc
\rightarrow
Cấu\ trúc
\rightarrow
Quy\ luật
\rightarrow
Dự\ đoán
\rightarrow
Hệ\ thống\ phổ\ quát
}
]
Và tiêu chuẩn tự kiểm tra cuối cùng là:
Hệ thống của tôi chỉ đang tổ chức quá khứ, hay nó đã đủ mạnh để chỉ ra việc tiếp theo cần khám phá, kiểm chứng và kiến tạo?
Mendeleev
Sự ra đời của BẢNG TUẦN HOÀN NGUYÊN TỐ HÓA HỌC của Dmitri Mendeleev, điều quan trọng là tôi không muốn tìm hiểu hóa học vì tôi không thuộc lĩnh vực này, nhưng tôi tâm đắc phương pháp tư duy gì để tạo nên những thứ này? Làm sao ông ấy có tư duy đó còn những người đồng thời đồng lứa thì không? Có phải trực giác hay lối sống hay đam mê hay bất kỳ thứ gì khác? Tại sao? Nên hiểu thế nào? Tôi cần học phương pháp tư duy để kiến tạo ra kết quả phổ quát?
Tấm bảng trong ảnh không chỉ là “một bảng kiến thức hóa học”. Nó là một trong những ví dụ xuất sắc nhất về việc con người biến một kho dữ liệu rời rạc thành một hệ thống có khả năng dự đoán cái chưa tồn tại trong dữ liệu.
Điều đáng học ở Mendeleev không phải là hóa học, mà là quá trình chuyển hóa:
Danh mục → phân loại → cấu trúc quan hệ → quy luật → dự đoán → hệ thống phổ quát.
Mendeleev không phải người duy nhất cùng thời tìm cách sắp xếp các nguyên tố.
Trước và gần như đồng thời với ông:
Döbereiner nhận ra các nhóm ba nguyên tố có tính chất tương tự.
De Chancourtois sắp xếp nguyên tố theo đường xoắn ốc.
Newlands đề xuất “quy luật quãng tám”.
Lothar Meyer xây dựng những bảng rất gần với bảng của Mendeleev.
Đến thập niên 1860, dữ liệu về khối lượng nguyên tử đã đủ chính xác để nhiều nhà khoa học cùng nhận ra tính tuần hoàn. Nói cách khác, lĩnh vực hóa học lúc ấy đã gần đến “điểm chín” cho phát hiện này.
Vì vậy câu hỏi chính xác không phải:
“Tại sao chỉ Mendeleev nhìn thấy?”
Mà là:
“Tại sao trong số nhiều người nhìn thấy một phần quy luật, Mendeleev lại biến nó thành một hệ thống sống, có khả năng dự đoán và mở rộng?”
Đó mới là điểm khác biệt.
Nhà nghiên cứu lịch sử hóa học Eric Scerri nhận xét rằng thành tựu lớn nhất của Mendeleev không hẳn là hình thức bảng, mà là việc nhận ra hệ thống tuần hoàn nằm phía sau bảng. Gần một nghìn cách trình bày bảng tuần hoàn khác nhau đã xuất hiện sau đó, nhưng đều cố gắng biểu diễn cùng một quy luật nền.
Phân biệt này cực kỳ quan trọng:
Cấp độ
Câu hỏi
Danh mục
Có những thứ gì?
Phân loại
Những thứ nào giống nhau?
Bảng
Đặt chúng ở đâu để dễ nhìn?
Hệ thống
Chúng quan hệ với nhau thế nào?
Quy luật
Khi một biến thay đổi, các tính chất khác biến đổi ra sao?
Hệ thống phổ quát
Có thể dự đoán một thứ chưa được quan sát hay không?
Rất nhiều người có thể tạo danh mục hoặc taxonomy.
Rất ít người tìm được quy luật sinh ra cấu trúc.
Mendeleev vượt qua ranh giới từ “người phân loại” sang “người phát hiện kiến trúc ẩn”.
Mendeleev đang viết giáo trình Principles of Chemistry vì ông không tìm được một cuốn sách tiếng Nga đủ tốt. Nhu cầu giảng dạy buộc ông phải trả lời một câu hỏi lớn:
Làm sao trình bày toàn bộ các nguyên tố như một chỉnh thể có logic, thay vì bắt sinh viên ghi nhớ hàng chục trường hợp rời rạc?
Ông ghi tính chất các nguyên tố lên các mảnh thẻ rồi liên tục sắp xếp và sắp xếp lại.
Đây không chỉ là “một mẹo dùng thẻ”.
Nó thể hiện một nguyên lý tư duy:
Đưa tri thức ra khỏi đầu, biến nó thành các đối tượng có thể di chuyển, so sánh, tổ hợp và tái cấu hình.
Ngày nay có thể gọi đây là:
trực quan hóa dữ liệu;
mô hình hóa;
external cognition — ngoại hóa nhận thức;
tìm cấu trúc ẩn trong dữ liệu nhiều chiều.
Ông không cố nghĩ ra đáp án hoàn chỉnh trong đầu. Ông tạo một môi trường để quy luật tự lộ ra qua nhiều lần tái sắp xếp.
Mendeleev không chỉ xếp nguyên tố theo một con số.
Ông đồng thời xem xét:
Trật tự theo khối lượng nguyên tử.
Sự tương đồng về tính chất hóa học.
Khi hai loại bằng chứng xung đột, ông không lập tức phá bỏ hệ thống. Ông xem xét khả năng dữ liệu đo đạc lúc đó chưa chính xác hoặc cách hiểu hiện tại còn thiếu.
Ví dụ, tellurium và iodine không hoàn toàn phù hợp với trật tự khối lượng nguyên tử. Mendeleev ưu tiên sự tương đồng hóa học và đảo vị trí chúng. Sau này, việc sắp xếp theo số hiệu nguyên tử thay vì khối lượng nguyên tử giải thích được những bất thường này.
Bài học rất sâu:
Dữ liệu không tự nói lên quy luật. Ta phải tìm cấu trúc giải thích được nhiều loại dữ liệu cùng lúc.
Nhưng cũng không được tin mô hình một cách mù quáng. Khi dữ liệu và mô hình xung đột, phải đồng thời kiểm tra:
dữ liệu có sai không;
đơn vị đo có đúng không;
biến sắp xếp có phải biến nền tảng không;
hay mô hình thực sự sai.
Đây có lẽ là khác biệt lớn nhất giữa Mendeleev và một số hệ thống trước đó.
Newlands cố giữ quy luật quãng tám nên đôi khi phải nhét hai nguyên tố vào cùng một vị trí và không để chỗ cho các nguyên tố chưa biết. Mendeleev thì chấp nhận để trống.
Ông hiểu:
Nếu quy luật có vẻ đúng nhưng dữ liệu hiện tại chưa lấp đầy được cấu trúc, có thể thứ đang thiếu không phải là quy luật mà là tri thức của con người.
Một ô trống trong hệ thống tốt không phải là thất bại.
Nó là một giả thuyết có địa chỉ:
thiếu cái gì;
nó phải nằm ở đâu;
nó cần có tính chất nào;
bằng chứng nào sẽ xác nhận nó.
Đây là tư duy cực kỳ hiếm:
Người bình thường lấp chỗ trống để mô hình trông hoàn chỉnh.
Người kiến tạo hệ thống bảo tồn chỗ trống để tương lai kiểm chứng mô hình.
Mendeleev không chỉ nói chung chung rằng “có thể còn nguyên tố chưa được phát hiện”.
Ông dự đoán khá cụ thể về:
khối lượng;
mật độ;
hóa trị;
loại hợp chất;
phương thức có thể phát hiện.
Các phát hiện gallium, scandium và germanium sau đó phù hợp đáng kể với một số dự đoán của ông, giúp hệ thống tuần hoàn được công nhận.
Đây là ranh giới giữa một sơ đồ đẹp và một lý thuyết mạnh:
Sơ đồ mô tả cái đã biết.
Quy luật mạnh tạo ra dự đoán về cái chưa biết.
Mendeleev đã đặt uy tín của mình vào các dự đoán có thể bị thực tế bác bỏ.
Đó là lòng can đảm nhận thức.
Một taxonomy thông thường phụ thuộc hoàn toàn vào dữ liệu đầu vào.
Hệ thống của Mendeleev mạnh đến mức nó có thể đặt câu hỏi ngược lại:
“Nếu nguyên tố này không phù hợp với vị trí đáng lẽ của nó, liệu giá trị đo hoặc cách nhận diện nguyên tố có sai không?”
Một hệ thống phổ quát tốt phải có hai chiều:
Dữ liệu→Mo^ hıˋnhDữ\ liệu \rightarrow Mô\ hìnhDữ liệu→Mo^ hıˋnh
và:
Mo^ hıˋnh→Kiểm tra lại dữ liệuMô\ hình \rightarrow Kiểm\ tra\ lại\ dữ\ liệuMo^ hıˋnh→Kiểm tra lại dữ liệu
Khi mô hình chỉ nhận dữ liệu mà không thể chỉ ra dữ liệu bất thường, nó thường mới chỉ là kho lưu trữ.
Khi mô hình có thể phát hiện sai lệch, suy đoán phần thiếu và đề nghị phép thử tiếp theo, nó bắt đầu trở thành hệ thống tri thức.
Có, nhưng không phải trực giác thần bí.
Trực giác của người giỏi thường là:
Trực giaˊc chuyeˆn saˆu=Tieˆˊp xuˊc laˆu daˋi+nhieˆˋu laˆˋn so saˊnh+nhận dạng maˆ˜u+phản hoˆˋi thực teˆˊ\text{Trực giác chuyên sâu} = \text{Tiếp xúc lâu dài} + \text{nhiều lần so sánh} + \text{nhận dạng mẫu} + \text{phản hồi thực tế}Trực giaˊc chuyeˆn saˆu=Tieˆˊp xuˊc laˆu daˋi+nhieˆˋu laˆˋn so saˊnh+nhận dạng maˆ˜u+phản hoˆˋi thực teˆˊ
Mendeleev có thể đã trải qua một khoảnh khắc “bừng sáng”. Nhưng khoảnh khắc đó không xuất hiện từ khoảng không.
Nó được chuẩn bị bởi:
nhiều năm sống trong dữ liệu hóa học;
việc viết giáo trình;
sự không hài lòng với cách phân loại hiện có;
vô số lần sắp xếp lại;
khả năng ghi nhớ và so sánh nhiều tính chất;
sự tích lũy âm thầm của não bộ.
Ngay cả nếu câu chuyện “nhìn thấy bảng trong giấc mơ” có một phần sự thật, giấc mơ cũng chỉ có thể là giai đoạn kết tinh sau thời gian dài ủ vấn đề, chứ không phải nguyên nhân đầy đủ của phát hiện.
Không phải ông ngủ rồi được ban cho bảng tuần hoàn.
Chính vì đã sống quá lâu với vấn đề nên ngay cả khi nghỉ, bộ não vẫn tiếp tục tổ chức nó.
Đam mê giúp một người chịu đựng:
sự nhàm chán của dữ liệu;
hàng trăm lần sắp xếp thất bại;
việc chưa được công nhận;
những ngoại lệ làm mô hình lung lay.
Nhưng rất nhiều người đam mê vẫn không tạo ra hệ thống phổ quát.
Điều quyết định hơn là kiểu đam mê:
Không chỉ say mê đối tượng, mà bị ám ảnh bởi trật tự phía sau đối tượng.
Điểm đáng học không phải các thói quen sinh hoạt bề mặt của Mendeleev, mà là cách ông sống với vấn đề:
không xem nghiên cứu và giảng dạy là hai việc tách biệt;
dùng việc giải thích cho người khác để phát hiện lỗ hổng của chính mình;
không bằng lòng với danh sách rời rạc;
liên tục tìm một cấu trúc ngắn gọn hơn để giải thích nhiều hiện tượng hơn.
Ông có một phẩm chất đặc biệt:
Tôn trọng bằng chứng, nhưng không phục tùng mù quáng dữ liệu hiện có.
Ông đủ thực tế để sử dụng dữ liệu, nhưng đủ độc lập để nghi ngờ phép đo; đủ tin tưởng vào quy luật để để lại ô trống, nhưng vẫn đưa ra dự đoán có thể bị bác bỏ.
Đây là sự cân bằng khó:
Kỷ luật dữ liệu+tưởng tượng coˊ raˋng buộc+can đảm kiểm chứng\text{Kỷ luật dữ liệu} + \text{tưởng tượng có ràng buộc} + \text{can đảm kiểm chứng}Kỷ luật dữ liệu+tưởng tượng coˊ raˋng buộc+can đảm kiểm chứng
Mendeleev không phải lúc nào cũng đúng.
Một nghiên cứu lịch sử chỉ ra rằng ông đã đưa ra nhiều dự đoán không thành công, đặc biệt liên quan đến các nguyên tố đất hiếm và một số nguyên tố giả định. Xét nghiêm ngặt, tỷ lệ dự đoán đúng của ông không vượt trội tuyệt đối như câu chuyện phổ thông thường kể.
Điều này không làm giảm thành tựu của ông. Nó làm rõ hơn phương pháp:
Một hệ thống phổ quát không cần tác giả đúng hoàn toàn ngay từ đầu.
Nó cần có cấu trúc đủ mạnh để được kiểm tra, sửa đổi và tiếp tục phát triển sau tác giả.
Bảng hiện đại không hoàn toàn giống bảng năm 1869. Moseley, Bohr và nhiều người khác tiếp tục tìm ra tầng cơ chế sâu hơn. Nhưng kiến trúc nền vẫn tồn tại.
Đây là tiêu chuẩn cao nhất của một công trình:
Người sau có thể sửa nó mà không cần phá bỏ toàn bộ nó.
Có thể đúc kết thành công thức:
Hệ tho^ˊng phổ quaˊt=Đơn vị chuẩn+Trục sa˘ˊp xe^ˊp+Caˊc thuộc tıˊnh+Quy luật lặp+Ngoại lệ+O^ tro^ˊng+Dự đoaˊn+Cơ che^ˊ cập nhật\boxed{ Hệ\ thống\ phổ\ quát = Đơn\ vị\ chuẩn + Trục\ sắp\ xếp + Các\ thuộc\ tính + Quy\ luật\ lặp + Ngoại\ lệ + Ô\ trống + Dự\ đoán + Cơ\ chế\ cập\ nhật }Hệ tho^ˊng phổ quaˊt=Đơn vị chuẩn+Trục sa˘ˊp xe^ˊp+Caˊc thuộc tıˊnh+Quy luật lặp+Ngoại lệ+O^ tro^ˊng+Dự đoaˊn+Cơ che^ˊ cập nhật
Trong đó:
Bạn đang phân loại chính xác cái gì?
Một nguyên tố, một vấn đề, một workflow, một quyết định, một công trình hay một trạng thái không gian?
Không xác định đơn vị, hệ thống sẽ trộn nhiều cấp độ.
Đâu là biến nền khiến toàn bộ miền trở nên có trật tự?
Không phải cứ có mã số là đã có trục sắp xếp có ý nghĩa.
MASTER_ID giúp nhận diện đối tượng, nhưng không nhất thiết giải thích hành vi của nó.
Mỗi đối tượng cần được nhìn qua nhiều chiều:
chức năng;
hành vi;
bối cảnh;
quan hệ;
đầu vào;
đầu ra;
trạng thái;
kết quả.
Khi trục chính thay đổi, mẫu hành vi nào tái xuất hiện?
Đây là phần biến taxonomy thành hệ thống.
Không xóa ngoại lệ. Gắn nhãn và nghiên cứu chúng.
Ngoại lệ có thể chỉ ra:
dữ liệu sai;
biến nền sai;
thiếu một lớp trung gian;
hoặc tồn tại một quy luật sâu hơn.
Chủ động biểu diễn cái chưa biết.
Một hệ thống không có ô trống thường chỉ là bản đồ của quá khứ.
Hệ thống phải trả lời được:
trường hợp tiếp theo sẽ có đặc điểm gì;
thành phần nào đang thiếu;
can thiệp nào nhiều khả năng có hiệu quả;
dữ liệu nào cần xuất hiện.
Khi trường hợp mới xuất hiện, hệ thống mở rộng thế nào mà không mất lịch sử và không phá vỡ cấu trúc cũ?
Một số ít quy luật có giải thích được rất nhiều trường hợp hay không?
Nếu mỗi trường hợp cần một lời giải riêng, chưa có tính phổ quát.
Ẩn một số dữ liệu đi, hệ thống có suy ra gần đúng phần bị ẩn hay không?
Nếu chỉ mô tả được dữ liệu đã nhập, đó là dashboard.
Hệ thống có chỉ ra được dữ liệu hoặc trường hợp nào bất thường hay không?
Nếu cái gì nhập vào cũng được chấp nhận, đó là kho dữ liệu.
Khi xuất hiện một đối tượng hoàn toàn mới, có thể đặt nó vào hệ thống mà không phải thiết kế lại toàn bộ hay không?
Nếu mỗi lần mở rộng đều phải đập đi làm lại, hệ thống chưa tìm được quy luật nền.
Trong bối cảnh PCODE, MDM, Spatial Problem Bank, TRIZ và các node IoT HP12–HP15:
Mendeleev
PCODE
Mỗi nguyên tố
Một không gian, vấn đề, workflow hoặc mẫu quyết định
Thẻ nguyên tố
Bản ghi MDM có MASTER_ID
Tính chất hóa học
Context, function, signal, contradiction, intervention, outcome
Nhóm nguyên tố
Họ vấn đề hoặc archetype không gian
Tính tuần hoàn
Quan hệ lặp giữa bối cảnh – vấn đề – can thiệp – kết quả
Ô trống
Thiếu sensor, workflow, dữ liệu, giải pháp hoặc sản phẩm
Nguyên tố được dự đoán
Một giải pháp/mẫu vận hành chưa được xây dựng
Thí nghiệm xác nhận
Pilot IoT, Spatial Review, A/B workflow, đo outcome
Bảng tuần hoàn
Giao diện bản đồ tri thức PCODE
Định luật tuần hoàn
Cơ chế sinh dự đoán và quyết định của PCODE
Điểm quan trọng nhất:
MDM 5L, taxonomy, ontology và MASTER_ID hiện là “bộ thẻ” của bạn. Chúng chưa tự động trở thành bảng tuần hoàn.
Phần còn thiếu để PCODE đạt cấp độ Mendeleev là một quy luật sinh kiểu:
Bo^ˊi cảnh+Chức na˘ng+Ma^u thua^~n+Cơ che^ˊ can thiệp→Chuyển trạng thaˊi→Ke^ˊt quả đo được\boxed{ Bối\ cảnh + Chức\ năng + Mâu\ thuẫn + Cơ\ chế\ can\ thiệp \rightarrow Chuyển\ trạng\ thái \rightarrow Kết\ quả\ đo\ được }Bo^ˊi cảnh+Chức na˘ng+Ma^u thua^~n+Cơ che^ˊ can thiệp→Chuyển trạng thaˊi→Ke^ˊt quả đo được
Có thể xem đây là ứng viên cho “định luật tuần hoàn” của PCODE:
Trong những lớp bối cảnh tương tự, các chức năng và mâu thuẫn tương tự sẽ tạo ra những họ can thiệp, workflow và kết quả có tính lặp lại.
Khi có đủ dữ liệu, PCODE phải dự đoán được:
không gian này đang thiếu tín hiệu gì;
vấn đề nào có khả năng xuất hiện;
workflow nào nên được kích hoạt;
can thiệp nào phù hợp;
kết quả dự kiến;
điều kiện nào làm giải pháp thất bại.
Lúc ấy PCODE không còn chỉ “quản lý dữ liệu không gian”.
Nó bắt đầu suy ra cấu trúc của một không gian chưa từng gặp.
Bạn có thể áp dụng quy trình sau cho bất kỳ miền nào:
Không bắt đầu bằng “toàn ngành AEC”.
Bắt đầu bằng một miền như:
kiểm soát tiện nghi phòng;
đếm và hiểu dòng người;
bảo trì thiết bị;
đánh giá vấn đề không gian;
quản lý phát hành firmware.
Đưa mỗi trường hợp vào một bản ghi chuẩn.
Không để cấu trúc bảng cũ quyết định tư duy.
Theo chức năng, trạng thái, mâu thuẫn, bối cảnh, chi phí, thời gian, kết quả…
Hỏi:
Dù bối cảnh bề mặt thay đổi, quan hệ nào vẫn giữ nguyên?
Không xóa, không ép nhóm.
Hỏi:
Nếu cấu trúc này đúng, trường hợp nào đáng lẽ phải tồn tại nhưng tôi chưa có?
Ghi rõ:
điều gì sẽ xảy ra;
trong điều kiện nào;
đo bằng chỉ số gì;
khi nào xem là sai.
HP12–HP15 nên được xem như các thí nghiệm lấp những ô còn trống trong một hệ thống chung, không chỉ là bốn dự án thiết bị riêng biệt.
Mendeleev không trở nên vĩ đại vì ông tạo ra một bảng đẹp.
Ông vĩ đại vì đã làm được năm việc cùng lúc:
Nhıˋn toaˋn cục→Tıˋm trật tự ẩn→To^n trọng ngoại lệ→Dự đoaˊn caˊi chưa bie^ˊt→Để thực te^ˊ phaˊn quye^ˊt\boxed{ Nhìn\ toàn\ cục \rightarrow Tìm\ trật\ tự\ ẩn \rightarrow Tôn\ trọng\ ngoại\ lệ \rightarrow Dự\ đoán\ cái\ chưa\ biết \rightarrow Để\ thực\ tế\ phán\ quyết }Nhıˋn toaˋn cục→Tıˋm trật tự ẩn→To^n trọng ngoại lệ→Dự đoaˊn caˊi chưa bie^ˊt→Để thực te^ˊ phaˊn quye^ˊt
Có thể cô đọng tư duy của ông trong một mệnh đề:
Đủ tôn trọng dữ liệu để nhận ra quy luật; đủ nghi ngờ dữ liệu để không bị dữ liệu hiện tại giam giữ; đủ tin vào cấu trúc để để lại ô trống; và đủ can đảm để biến ô trống thành dự đoán có thể bị chứng minh là sai.
Đối với PCODE, mục tiêu không nên chỉ là xây một “bảng tuần hoàn của dữ liệu không gian”.
Mục tiêu cao hơn là:
Tìm ra quy luật nền khiến bối cảnh, vấn đề, tín hiệu, mâu thuẫn, workflow, can thiệp và kết quả tự tìm được đúng vị trí của chúng — đồng thời làm lộ ra những ô còn thiếu mà PCODE cần phát minh tiếp theo.
https://chatgpt.com/share/6a5d9ae7-2b30-83ec-91f8-1a439ec8a04f
