모두가 최선을 다해 도와주세요.

관점: 현실을 내부 언어로 매핑하여 각각의 개별 개체, 상황, 문제 또는 사건을 고유한 단어에 매핑하는 것입니다.

소위 관점이란 모든 사람이 서로 다른 경험, 지식, 배경으로 인해 서로 다른 경험을 한다는 것을 의미합니다.

서로 다른 관점: 이는 두 사람이 서로 다른 방식으로 현실을 동일한 내부 언어에 매핑하거나 현실을 서로 다른 내부 언어에 매핑한다는 의미일 수 있습니다.

문제를 다루는 다양한 방법과 다양한 경험

관점은 일반적으로 어떤 구조를 부과하는 것을 의미하며, 구조를 생성하지 못하는 내부 언어는 문제를 해결하거나 이해하는 데 도움이 되지 않습니다.

경험이 문제와 관련되어야 합니다. 예를 들어 사과가 과일이라는 것은 알지만 그것이 어떻게 재배되는지 모르기 때문에 다른 과일을 어떻게 재배하는지 다루는 것은 의미가 없습니다.

다양한 전략을 사용할 수 있습니다.

문제를 단순화하거나 복잡하게 만들 수 있습니다.

새로운 관점은 갑자기 나타나는 것이 아닙니다. 새로운 관점을 구축하려면 다른 관점을 사용해야 하는 경우가 많습니다.

사람들이 같은 렌즈를 통해 문제를 볼 때, 같은 해결책에만 매달릴 수 있습니다.

공통된 관점으로 빠르고 오류 없는 의사소통 가능

모방과 의사소통의 필요성으로 인해 많은 공통된 관점이 등장합니다.

관점의 다양성을 줄이고 더 나은 솔루션을 찾는 그룹의 능력을 억제합니다.

명확한 관점은 혼란스럽고 불분명한 것을 명확하고 투명하게 만듭니다.

휴리스틱은 새롭고 더 나은 솔루션 또는 더 나은 솔루션 세트를 생성하는 관점에서 기존 솔루션에 적용되는 규칙입니다.

비결정론적 다항식 문제

위상적 휴리스틱

그라데이션 휴리스틱

실수를 경험적으로 허용

그룹 휴리스틱

관점은 솔루션을 보는 방법인 반면, 휴리스틱은 솔루션을 구축하는 방법입니다.

해석은 사물, 상황, 문제, 시간을 단어로 매핑하는 것입니다. 하나의 단어는 해석에서 많은 대상을 지칭하는 데 사용될 수 있습니다.

투사적 해석은 관점의 특정 차원을 무시하는 해석을 의미합니다.

예를 들어, 검은색 큰 개, 작은 개, 흰색 큰 개, 작은 개를 비행기에 태울 수 있는지 여부에 따라 열사병을 일으킬지 걱정되는 경우 크기 기준 치수를 사용해야 합니다. 뜨거운 태양에 대한 설명은 색상 기반 치수를 사용해야 합니다.

클러스터링 해석은 단순한 속성 투영이 아닌 유사한 객체, 상황, 문제 또는 이벤트의 범주를 생성합니다.

예를 들어 풍수의 원리에 따라 주택을 분류하고 풍수의 요구 사항을 충족하려면 다양한 속성을 결합해야 합니다.

데이터의 직접적인 마이닝에서 파생된 인과 관계는 가짜일 수 있습니다.

예측 모델은 설명이며 설명에 의해 생성된 각 세트 또는 범주에 대해 예측을 수행합니다.

예측 모델과 휴리스틱의 차이점

경험을 통해 배운 내용을 바탕으로 예측하기

기본 이론을 바탕으로 예측을 해보세요.

데이터를 기반으로 예측하기

다차원 측정 방법

3차원 측정 방법

여러 차원이 있는 경우 확실한 승자가 없습니다.

도구의 조합

카드 모델

사다리 모델

나무 모델

지능 = 인지 도구의 다양성

능력보다 다양성

보완적인 관점

도구가 많을수록 문제를 해결할 수 있는 기회도 많아집니다.

개별적으로 더 나은 문제 해결자는 더 나은 로컬 최적 솔루션을 갖습니다.

더 나은 문제 해결자는 더 적은 수의 로컬 최적 솔루션을 사용합니다.

훌륭한 문제 해결자는 국소 최적의 솔루션을 찾을 확률이 더 높은 경향이 있습니다.

관점과 경험적 방법의 다양성은 서로 상쇄될 수 있습니다.

다양한 사람들이 같은 방식으로 문제를 해결할 수도 있습니다.

동종 문제 해결자는 동일한 국소 최적 솔루션을 사용합니다.

다양성 문제 해결자는 서로 다른 지역 최적 솔루션을 가지고 있습니다.

최적의 솔루션은 모든 문제 해결자의 로컬 최적 솔루션의 교차점에 있습니다.

문제 난이도 조건

미적분 조건

다양성 조건

대규모 그룹 규모 조건

위의 4가지 조건을 고려할 때 무작위로 선택된 문제 해결자로 구성된 팀은 개별적으로 최고의 성과를 내는 문제 해결자로 구성된 팀보다 더 나은 성과를 낼 수 있습니다.

임의 기여 정리

모델 1: "수백만 개의 조각" 모델

모델 2: "지역 판매" 모델

모델 3: “진실 중력” 모델

모델 4: "잡음 평균" 모델

두 사람이 동일한 관점에서 서로 다른 변수를 기반으로 예측 모델을 구축하는 경우 두 사람의 2차 예측 정확도는 음의 상관관계가 있습니다.

두 사람이 동일한 관점에서 서로 다른 속성을 고려하고, 완료해야 할 예측 작업이 좋음 또는 나쁨과 같은 이분법적 결과를 예측하는 것이라면, 두 사람의 예측 중 하나가 맞더라도 다른 사람은 틀릴 수 있습니다.

제곱 오차 방법

예측 모델의 집합으로 구성된 그룹에는 그룹 오류 = 평균 개별 오류 - 예측 다양성이 있어야 합니다.

평균 정리로 인한 그룹

무리의 사고방식

같은 관점의 다른 부분

완전성

전이성

선호는 완전하고 이행적이라면 합리적입니다.

현재 금액이 이상적인 포인트 금액을 초과하는 경우 더 적은 금액이 선호됩니다.

현재 금액이 이상적인 지점보다 적으면 더 많은 금액이 선호됩니다.

그룹 기본 설정은 네 가지 요구 사항을 충족해야 합니다.

일반적으로 둘 이상의 차원이 존재하는 상황에서는 단일 대안이 일대일 투표에서 다른 모든 대안을 이길 수 없습니다.

선호도가 다차원적이라면 일반적으로 어떤 대안이 주어지든 일련의 투표를 통해 다른 대안에 도달하는 것이 가능합니다.

두 개 이상의 결과에 대한 다양한 선호도를 집계하는 비권위적 규칙은 조작될 수 있습니다.

의제 조작

다양성에 대한 근본적인 선호는 자원 공급 부족으로 이어집니다.

4인 가족 두 가족이 각각 집을 짓는 데 지출할 동일한 고정 예산을 가지고 있다고 상상해 보십시오.

당신이 볼 수 있는 문제와 발견할 수 있는 기회는 모두 무엇이 가치 있는지에 대한 이해에 달려 있습니다.

다양성 선호는 사람들이 다양성에 대한 예측 모델을 구축하도록 유도합니다.

다양한 훈련을 받은 사람들은 다양한 인지 도구를 습득하게 됩니다.

다른 경험을 가진 사람들은 또한 다른 도구 상자를 가지고 있습니다.

서로 다른 라이프스타일을 가진 사람들은 서로 다른 해석과 관점을 구축하게 됩니다.

데이터에 시끄러움

지식 유출은 한 사람이 일부 관점, 경험적, 설명적 또는 예측 모델을 다른 사람과 공유할 때 발생합니다.

문화다양성은 발전과 긍정적인 상관관계가 있습니다

여러 사람이 문제를 해결하려고 할 때 한 사람이 개선하고 새로운 해결책을 제시하면 다른 사람도 이를 개선할 수 있는 경우가 많습니다.

지속적인 실험과 노력은 개인의 성과를 향상시킬 수 있고, 그렇게 하면 그룹의 성과도 향상될 수 있습니다.

외부 차이점을 활용하여 개선

그룹이 지능적이 되려면 필요한 역량을 보유하고 다양성이 충분히 폭발해야 합니다.

그룹 예측의 정확성을 보장하려면 모든 사람이 어느 정도 정확하지만 매우 다양한 예측을 하도록 하세요.

기업이나 조직이 내부 군중의 지혜를 활용할 수 있도록 내부 예측 시장을 만듭니다.

많은 어려운 문제는 여러 전통적인 학문 및 사고 영역과 관련이 있습니다.

기본 기본 설정은 호환되지만 도구 기본 설정은 충돌할 수 있습니다.

기본 선호도 다양성의 작은 변화로 인해 솔루션이 크게 달라질 수 있음

사람들이 자신과 다른 사람들과의 상호작용이 배당금을 지급할 것이라고 믿는다면, 그들은 그러한 배당금을 받을 가능성이 더 높습니다.

최고의 그룹에는 다양하고 유능한 개인이 포함됩니다.

다시 원점으로 돌아가 초심을 잊지 마세요.