Kako do novih ideja?

U današnje vreme, mnogo ljudi je izgubilo volju i strpljenje koje podrazumeva proces stvaranja novih ideja i njihove primene u realnim projektima. To je dugotrajan proces, koji zahteva dosta istraživanja, padova, dosta uloženog truda bez ikakvih rezultata. Sa druge strane, baš zbog toga vlada mišljenje da je za inovativnost i kreativnost potreban poseban talenat. Često mislimo da se nove ideje koje možemo primeniti u našim projektima dešavaju slučajno. Kao kada je Njutnu pala jabuka na glavu. Međutim, u stvarnosti je skroz drugačije, kreativnost se, zapravo, podstiče.

Tema ovog posta jeste:

  • Konkrretni koraci i okruženje za stvaranje novih ideja
  • Kako ispitati primenljivost ideje
  • Kako videti koliko dobro neka nova tehnologija/metoda/algoritam rade
Izvor: https://pixabay.com/

Inovativno okruženje

Čitanje najnovijih naučnih istraživanja i naučnih radova koji su vezani za oblast kojom se bavimo je najbolji način da vidimo šta sve postoji, ali i kako se može primeniti. Jedino takvim informisanjem možemo doći do nove ideje koju želimo da primenimo. U suprotnom, ukoliko ne istražujemo i ne ulazimo dublje u oblast koja nam je od interesa, možemo misliti kako nismo kreativni i kako je potreban poseban talenat za dizajniranje inovativnih rešenja.

Relevantni izvori

Relevantni izvori su oni izvori podataka ili informacija kojima možemo verovati. Što se mene tiče, a to savetujem svima prilikom prikupljanja novih saznanja iz raznih izvora jeste da se obrati pažnja na podatke. U kom smislu?

  1. Veličina uzorka na osnovu kojeg se radi analiza podataka – bez obzira na to u kojoj oblasti tražimo i istražujemo, jako je bitno da znamo na kom broju uzoraka je istraživanje obavljeno. Dajem primer, ukoliko je medicinsko istraživanje izvršeno na 15 uzoraka (odnosno 15 ljudi) može se posumnjati u generalizaciju zaključaka. Isto je i u tehnici, matematici i drugim oblastima. Uzorak mora biti dovoljne veličine, kako bi se neki generalni zaključci izveli.
  2. Karakteristike baze podataka, odnosno uzoraka na kojem se vrši analiza – to su karakteristike samih podataka, odnosno način prikupljanja podataka. Kao primer dajem uzorke u tehnici, gde se daju tačni senzori sa kojih su dobijena merenja, kao i specifične situacije u kojima su ta merenja vršena. U medicinskim istraživanjima to su pol, godine, itd. Dakle, bitno je moći zaključiti tačno za koje karakteristike baze podataka se zaključci donose. Ovo nije uvek lako samostalno proceniti, ali ulaženjem dublje u oblast interesovanja se i ova veština uči.
  3. Relevantnost naučnog časopisa u kojem se istraživanje nalazi, dakle takozvani Impact Factor časopisa za datu oblast, kategorizacija na svetskom nivou, itd. Često se zanemari ova stavka, kada se vrše neformalna istraživanja. Nije uvek presudan faktor, međutim neka istraživanja se mogu pokazati kao jako loša, a predstavljena su u radu kao otkriće godine.

Procena performansi

Najbolji način za objašnjenje procene performansi neke metode o kojoj čitamo jeste da navedem primer. Hajde da kažemo da smo naišli na rad koji daje obećavajuće rezultate novog algoritma za prepoznavanje lica na slici sa kolor kamere. Nakon analize uzorka (što je objašnjeno u prethodnoj sekciji) bitno je da vidimo kako taj algoritam radi. Da li dovoljna brzina rada, da li radi u realnom vremenu (više o tome u posebnom postu, ali da li daje rezultat brzinom kojom se dobijaju ulazni podaci), da li se u slučaju poremećaja kvaliteta slike znatno kvari rezultat algoritma, koliko je algoritam robustan odnosno osetljiv na promene u ulaznim podacima, da li radi dobro u svim vremenskim uslovima, itd. Ono što je u svakom dobro napisanom radu dato, to je komparativna analiza sa drugim algoritmima koji se bave istom problematikom, i to na istom skupu podataka. Na taj način se direktno može dati procena koliko je algoritam dobar u odnosu na postojeća rešenja.

Primenljivost ideje

Na kraju dolazi još jedna jako važna stavka, a to je primenljivost ideje. Može ideja koja je izložena u nekom radu biti savršena, ali da nikako ne odgovara resursima kojima mi raspolažemo. Opet ću dati primer algoritma za prepoznavanje lica. Da li imamo na raspolaganju dovoljno dobre senzore, procesor za obradu, da li imamo dovoljnu mogućnost prikupljanja podataka. Da li se može primeniti na našu aplikaciju? Na koji način ćemo testirati rad u realnom, našem okruženju? Koliko vremena imamo na raspolaganju i da li postoje situacije u kojima nećemo dobiti dobre rezultate?

Sve ove stavke su jako bitne kada smo u procesu istraživanja novih ideja. Kao što vidite, proces nije ni malo lak, nije dovoljno pročitati na nekom blogu : “evo ja sam uspeo/la to i to”, nego iz svih uglova ispitati ideju. Možda se nekima čini da je najbolje odmah samo pokušati primeniti, pa lupiti glavom u zid ako ne ide, i da će tako da se ubrza sam rad. Ono što sa sigurnošću mogu da kažem jeste da je početno istraživanje i prikupljanje ideja važno kao i kritički osvrt na njih . Međutim, ni ova faza nikako ne treba predugo da traje. Ukoliko ste u nekoj oblasti početnik, više vremena će biti potrebno za dobijanje rezultata. Ako niste, malo manje. Početno istraživanje samo može dati smernice šta da odbacite jer nisu dovoljno dobro predstavljene informacije i dati sliku odakle krenuti.

Za kraj, imajte u vidu:

  • NIjedan algoritam ili metoda nisu savršeni za rešavanje generalnog problema, već specifičnih situacija. Zato je važno definisati tačno šta je naš zadataki videti koje su mane pristupa, odnosno ideje koju želimo da primenimo
  • Kada odaberemo ideju i analiziramo probleme i mane, pokušavamo da nadomestimo mane primenjenog pristupa ili ih istaknemo kao ograničenja
  • Dužina faze istraživanja zavisi od vremena na raspolaganju, ova faza se ponavlja sa vremena na vreme. Jako je bitno znati unapred koliko vremena imamo na raspolaganju za celokupan rad i na osnovu toga procenimo koliko imamo za istraživanje. Onda se bacamo na rad, i na to da usvojenu ideju isteramo do kraja. Ne vraćamo se nazad na istraživanje i ne skačemo sa jedne na drugu ideju dok bar jednu nismo do kraja sproveli i videli rezultate. Zašto ovo naglašavam? Uvek ćete nailaziti na nešto još bolje, pa samo još ovo da probam, itd. Bolje završena faza 1, pa unapredjenje, nego da na kraju ništa ne uradimo.

Eto, nadam se da sam nekome olakšala put do ideja i do dobijanja inspiracije iz novih istraživanja. Za sva pitanja i diskusije sam tu.

Za one koji više vole da slušaju audio, na linku https://www.youtube.com/watch?v=j12lH3MS0TI možete odslušati ovaj tekst.

Leave a Reply