PODSTAWY KREATYWNOŚCI cz.3

Slides:



Advertisements
Podobne prezentacje
Systemy liniowe stacjonarne – modele wejście – wyjście (splotowe)
Advertisements

Wybrane zastosowania programowania liniowego
Role w zespole projektowym
Badania operacyjne. Wykład 1
Metoda węzłowa w SPICE.
w kontekście rozwoju człowieka dorosłego
SPRAWNOŚĆ SEKTORA PUBLICZNEGO WYKŁAD IV
Program Międzynarodowej Oceny Umiejętności Uczniów OECD PISA
Definicje operacji.
Czym jest zarządzanie operacyjne
Modele w ekonomii. Marta Gosk
Projekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Inwestycja w kadry 3 Praca zaliczająca moduł Dr G.Maniak.
Metody Sztucznej Inteligencji w Sterowaniu 2009/2010Optymalizacja miary efektywności działania sztucznych sieci neuronowych Dr hab. inż. Kazimierz Duzinkiewicz,
Metody Sztucznej Inteligencji w Sterowaniu 2009/2010 Metoda propagacji wstecznej Dr hab. inż. Kazimierz Duzinkiewicz, Katedra Inżynierii Systemów Sterowania.
Podstawy projektowania i grafika inżynierska
Metody badawcze w psychologii
Projektowanie i programowanie obiektowe II - Wykład IV
Temat: Symulacje komputerowe lotu helikoptera w języku Java
Dlaczego fizyka jest taka trudna?
Wykonawcy:Magdalena Bęczkowska Łukasz Maliszewski Piotr Kwiatek Piotr Litwiniuk Paweł Głębocki.
Przenikanie intuicji do modeli myślowych decydentów
PODSTAWY KREATYWNOŚCI cz.1
MODELOWANIE I ANALIZA PROCESÓW MIKROSKRAWANIA I MIKROSZLIFOWANIA
Analiza współzależności cech statystycznych
Opiekun: dr inż. Maciej Ławryńczuk
Metody Lapunowa badania stabilności
Obserwatory zredukowane
KARTY KONTROLNE PRZY OCENIE LICZBOWEJ
Autor: Justyna Radomska
Modelowanie populacji i przepływu opinii pomiędzy aktorami sztucznej inteligencji za pomocą sieci społecznej Wojciech Toman.
Podstawy Biotermodynamiki
Modelowanie i Identyfikacja 2011/2012 Metoda propagacji wstecznej Dr hab. inż. Kazimierz Duzinkiewicz, Katedra Inżynierii Systemów Sterowania 1 Warstwowe.
Modelowanie i identyfikacja 2010/2011Optymalizacja miary efektywności działania sztucznych sieci neuronowych Dr hab. inż. Kazimierz Duzinkiewicz, Katedra.
Model I/O bazujący na HSWN Problem uczenia sieci HSWN
Automotywacja czyli jak sprawić aby mi się chciało chcieć
w praktyce pedagogicznej
Prof. nadzw. dr Edward Wiktor Radecki Zakład Problemów Społecznych
Rok szkolny 2013/2014 Zespół w składzie:
MS Excel - wspomaganie decyzji
SYSTEMY EKSPERTOWE I SZTUCZNA INTELIGENCJA
SYSTEMY EKSPERTOWE I SZTUCZNA INTELIGENCJA
SYSTEMY EKSPERTOWE I SZTUCZNA INTELIGENCJA
Zespół Aspergera od diagnozy do dorosłości
Systemy rozproszone  Rozdzielenie obliczeń między wiele fizycznych procesorów.  Systemy luźno powiązane – każdy procesor ma lokalną pamięć; procesory.
Późne dzieciństwo - okres wczesnoszkolny
Umiejętność obserwacji.
Metoda studium przypadku jako element XI Konkursu Wiedzy Ekonomicznej
METODY PODEJMOWANIA DECYZJI
PRZEDSIĘBIORCZOŚĆ.
PROCESY W SYSTEMACH SYSTEMY I PROCESY.
Zarządzanie zagrożeniami
Stanisława Ossowska Duchowość w działaniu Otwarte Spotkania Czwartkowe – Nadarzyn, 1 września 2005.
Treści multimedialne - kodowanie, przetwarzanie, prezentacja Odtwarzanie treści multimedialnych Andrzej Majkowski informatyka +
Idea falsyfikacji Przy użyciu danych obserwacyjnych nie można udowodnić prawdziwości teorii lub określić prawdopodobieństwo, że teoria jest prawdziwa.
KONCEPTUALIZACJA WYMAGAŃ DLA PLACÓWEK DOSKONALENIA ZAWODOWEGO.
4 lipca 2015 godz pok września 2015 godz pok. 212.
Dynamika punktu materialnego Dotychczas ruch był opisywany za pomocą wektorów r, v, oraz a - rozważania geometryczne. Uwzględnienie przyczyn ruchu - dynamika.
na podstawie tekstu: W. Kwaśnickiego
Temat 3: Podstawy programowania Algorytmy – 2 z 2 _________________________________________________________________________________________________________________.
GeneracjeTechnologia Architektura przetwarzania 0. Przekaźniki elektromechaniczne 1. Lampy elektronowe 2. Tranzystory 3. Układy scalone 3.5.Układy dużej.
Specyfika zachowań międzyorganizacyjnych Zachowania odbywają się na poziomie: indywidualnym (pojedynczych osób), grup (zespołów), ale także na poziomie.
Anna Bombińska-Domżał Remigiusz Kijak Uniwersytet Pedagogiczny im. KEN w Krakowie Model uczestnictwa osób z niepełnosprawnością intelektualną w odbiorze.
Cz. Nosala (1979, 1993) koncepcja problemu i ich podziału (taksonomii) Każda sytuacja poznawcza ukierunkowana na osiągnięcie jakiegoś celu zawiera następujące.
Linia rozwoju mowy wg Wygotskiego L.S.
Rodzaje zmian zachodzących w otoczeniu przedsiębiorstwa:
Temat: Widzę, doświadczam więc rozumiem.
T4. Automatyzacja w zarządzaniu.
IV Konferencja Naukowo-Techniczna "Nowoczesne technologie w projektowaniu, budowie.
Systemy eksperckie i sztuczna inteligencja
* PROCESÓW TECHNOLOGICZNYCH
Zapis prezentacji:

PODSTAWY KREATYWNOŚCI cz.3 prof. dr hab. inż. Wojciech Kacalak Politechnika Koszalińska PODSTAWY KREATYWNOŚCI Podstawy innowacji i przedsiębiorczości CZĘŚĆ 3 2012/2013 Kierunki studiów: INWESTYCJE I WDROŻENIA PRZEMYSŁOWE BUDOWA I EKSPLOATACJA MASZYN TRANSPORT ZARZĄDZANIE I INŻYNIERIA PRODUKCJI INFORMATYKA

PROBLEM I DECYZJE Problem pojawia się wtedy, gdy mamy cel, ale nie wiemy, jak go osiągnąć. Stan początkowy DROGA DO STANU OCZEKIWANEGO ŚRODKI DO PRZEJŚCIA PRZESZKODY SPOSOBY POKONANIA NAKŁADY OCENA EFEKTÓW POTWIERDZENIE KONIECZNOŚCI PRAWDOPODOBIEŃSTWO OSIĄGNIĘCIA CELU PRZEWIDYWANA SATYSFAKCJA SPRAWDZANIE PODCZAS DROGI CELU I NAKŁADÓW CO DALEJ ?

Linia efektów w funkcji wysiłku Efekty a wysiłek Linia satysfakcji dla niskich wymagań dotyczących efektu Efekty 100% Kierunek zmian wymagań w czasie Linia satysfakcji dla wysokich wymagań dotyczących efektu Linia efektów w funkcji wysiłku Wysiłek

Opisy świata – teoria chaosu ZAKŁÓCENIA, LOSOWOŚĆ I FLUKTUACJE Oparta na nieliniowej matematyce teoria chaosu wyjaśnia, jakie sa źródła nowych właściwości i zjawisk. Wynikają one z nieliniowości procesów. Świat jest TYLKO W PEWNYM STOPNIU przewidywalny. Rozwija się, a nie jedynie powtarza te same proste schematy. Wszechświat ma historię. Fluktuacje i zmienność są podstawową właściwością świata, a MECHANIZMY KUMULACJI SKUTKÓW ZJAWISK MAŁO ZNACZĄCYCH MOGĄ BYĆ POWAŻNE. Przepływ czasu jest ukierunkowany. Nie jest neutralnym parametrem porządkującym zjawiska i wywiera wpływ na ich przebieg. Oznacza to, że powtarzając jakiś PROCES nie możemy powtórzyć jednego jego warunku - czasu. Teoria chaosu pokazała, że: pewne układy proste mogą zachowywać się w nieoczekiwany sposób, natomiast, w układach bardzo złożonych można wykryć całościowe uporządkowanie, będące zaprzeczeniem lokalnie panującego nieporządku, nie ma ścisłej granicy między nieporządkiem a uporządkowaniem.

Cechy przetwarzanych informacji INFORMACJA NIEPEŁNA INFORMACJA NIEPEWNA INFORMACJA NIEŚCISŁA

Emocje i ocena rzeczywistości Ludzie przeżywają emocje, tworzą modele i dokonują ocen nie w odpowiedzi na faktycznie zaistniałą sytuację, ale z powodu jej interpretacji (przedświadomy system interpretacyjny).

Problemy ograniczonego racjonalizmu człowieka NIEPEŁNY RACJONALIZM DZIAŁAŃ CZŁOWIEKA STAJE SIĘ SZCZEGÓLNIE WIDOCZNY W SYTUACJACH: ZASKOCZENIA, PRZESTRACHU, UTRATY WALORÓW OSOBISTYCH, POGORSZENIA WARUNKÓW BYTU, MULTIPLIKACJI ODDZIAŁYWAŃ CZYNNIKÓW EMOCJONALNYCH, BRAKU OSOBISTEJ ODPOWIEDZIALNOŚCI, ILUZJI, ŻE INNI ROZWIĄŻĄ PROBLEMY I NAPRAWIĄ EWENTUALNE SZKODY, LUB PRZEŚWIADCZENIA, ŻE NASZE POSTĘPOWANIE JEST USPRAWIEDLIWIONE, ALBO, ŻE NIEPRAWDOPODOBNE, A KORZYSTNE ROZWIĄZANIE JEST WIELCE PRAWDOPODOBNE, PRZEKONANIA, ŻE INNE POGLADY TO EFEKT NEGATYWNEGO NASTAWIENIA. WAŻNE JEST, ABY LUDZIE MAJĄCY WIĘKSZY WPŁYW NA LOKALNE I GLOBALNE SPOŁECZNOŚCI, BYLI MNIEJ OBCIĄŻENI SKŁONNOŚCIAMI DO EMOCJONALNEGO IRRACJONALIZMU.

Nasze decyzje dotyczą przyszłości Człowiek w swoim postępowaniu nieustannie dokonuje modelowania i symulacji, choć najczęściej robi to w sposób niejawny i intuicyjny. Człowiek wielu rzeczy nie jest pewny, ma świadomość niepełności informacji i braku ścisłości wielu ograniczeń i wymagań – a mimo to podejmuje decyzje, bo chce lub musi. Człowiek nie może przeprowadzić eksperymentu z przyszłością, bo ta dopiero nastąpi, a człowiek nie posiada możliwości sterowania biegiem czasu. Na podstawie przeszłości, podejmuje w teraźniejszości decyzje, które dotyczą przyszłości. Człowiek modeluje nie tylko przeszłość i przyszłość, ale również teraźniejszość, bo inaczej nie jest w stanie jej opisać.

Typowe cechy modelowania Typowe cechy modelowania złożonych obiektów i procesów: możliwe ulepszenia modeli i rozszerzenia ich zakresu nie są ograniczone, czas i praca jaką przeznacza zespół lub osoba na tworzenie określonego modelu są ograniczone, modele tworzą ludzie, więc odbijają się w nich również inne ograniczenia dotyczące akceptowalnego stopnia złożoności, czytelności i możliwości wykorzystania. ŚWIAT NIE DZIELI SIĘ NA OBSZARY HUMANISTYCZNE I ŚCISŁE, bo w takim podziale byłyby nauki „ludzkie” i „nieludzkie”, „ścisłe” i „nieścisłe”. Nie uda się rozdzielić takich zagadnień jak np. komunikacja ludzi i urządzeń technicznych, systemy komunikacyjne, usługi internetowe, … Informacja jest mierzalna i może być zapisana. Wiedza jest niemierzalna, ale można jej przypisać wartość i może być w części przekształcona w jawną, wtedy ta część staje się dostępnym modelem wiedzy autora.

NA WĄSKIEJ GROBLI POD GÓRKĘ, Równowaga ROZWÓJ KAŻDEGO CZŁOWIEKA I KAŻDEJ SPOŁECZNOŚCI MOŻNA PRZYRÓWNAĆ DO JAZDY NA ROWERZE NA WĄSKIEJ GROBLI POD GÓRKĘ, DOPÓKI JEDZIEMY, MAMY RÓWNOWAGĘ. „Kto chce, aby ten świat pozostał takim jakim jest, ten nie chce, aby ten świat istniał.” Napis na belce stropowej w na domu z XVIII w. w Wolfenbüttel (Niemcy).

mózg człowieka zawiera ok. 100 miliardów neuronów neurony połączone są ok. 100 bilionami synaps wszystkie neurony pracują równolegle „szybkość” mózgu można w przybliżeniu oszacować łącznie jako 100 bilionów op/s, ale jest to trudne do zweryfikowania (zwłaszcza w poniedziałek) potęga mózgu bierze się z interakcji ogromnej liczby równolegle pracujących neuronów

pojedynczy neuron zmienia stan ok. 200 razy/s Mózg kontra komputer pojedynczy neuron zmienia stan ok. 200 razy/s pojedynczy procesor jest 10 milionów razy szybszy (!) sygnał w mózgu biegnie z prędkością ok. 150m/s sygnał w komputerze porusza się z prędkością światła tj. ok. 300 000 000 m/s (!) mimo to do zasymulowania całego mózgu potrzebny byłby komputer o szybkości co najmniej 1 tryliona operacji/s (!) typowy dzisiejszy procesor jest ok. miliarda razy wolniejszy.

Czy maszyna może myśleć? Niektórzy uważają, że maszyny, nawet te bardzo potężne, wykonujące biliardy operacji na sekundę, nie mogą być nazywane inteligentnymi gdyż „nie myślą” tak jak człowiek... ...Ale są też i odmienne głosy: Powiedzieć, że KOMPUTER w ogóle nie myśli podczas gry w szachy, to tak jak powiedzieć, że samolot nie lata, bo nie macha skrzydłami. Zapytywanie czy komputer może myśleć? nie wydaje się już dziś bardziej interesujące, niż pytania w rodzaju czy łódź podwodna umie pływać ? Jednak to oczywiście człowiek zaprojektował i zbudował te obiekty.

Jakie cechy naszego umysłu są NAJWAŻNIEJSZE i jak są przydatne? Cechy umysłu Jakie cechy naszego umysłu są NAJWAŻNIEJSZE i jak są przydatne? ŚWIADOMOŚĆ? WYOBRAŹNIA? INTUICJA? EMOCJE, UCZUCIA, WARTOŚCIOWANIE, ODRÓŻNIANIE, WOLA, KREATYWNOŚĆ, UMIEJĘTNOŚĆ UCZENIA SIĘ, ZDOLNOŚĆ DO TWORZENIA, PRZEWIDYWANIE ? Jakimi posługuje się pisarz, a jakimi czytelnik, jakie występują w opisach, a jakimi się posługujemy, jakie są traktowane jako oczywiste, a jakie są uznawane za niezwykłe ? Wielkie osiągnięcia – kiedy powstawały. Podstawy nauk, a ich zastosowania. (c) 1999. Tralvex Yeap. All Rights Reserved

Życie jest w kolorze, który ma twoja wyobraźnia. Naturalna inteligencja czerpie również z wyobraźni i kreatywności, emocji oraz skłonności do twórczego irracjonalizmu Życie jest w kolorze, który ma twoja wyobraźnia. Marek Aureliusz

DEFINICJE KREATYWNOŚCI MOŻNA WYRÓŻNIĆ: KREATYWNOŚĆ PRZEŁOMOWĄ, twórcze POMYSŁY nieznane dotąd w historii ludzkości; KREATYWNOŚĆ LOKALNĄ, twórcze ROZWIĄZANIA nowe dla TWÓRCY, który je wygenerował. KREATYWNOŚĆ SYSTEMOWĄ, twórczość opartą na eksploracji przestrzeni koncepcyjnych, inkrementalną, kombinatoryczną. KREATYWNOŚĆ DOTYCZĄCĄ PODSTAW, transformacje podstaw koncepcyjnych, zmiany paradygmatu. POSTĘPOWANIE kreatywne TO NIE TYLKO znajdywanie rozwiązań nowatorskich i stosownych do PROBLEMU, a więc nie tylko nowych teorii i wynalazków, lecz również codziennych decyzji, rozumienia języka, interakcji między ludźmi. (c) 1999. Tralvex Yeap. All Rights Reserved

„wiedza bez możliwości wyjaśnienia skąd to wiemy”. Intuicja Intuicja jest rzadko badana ale MAMY PRZEKONANIE o jej występowaniu. Najczęstsza definicja: „wiedza bez możliwości wyjaśnienia skąd to wiemy”. Stwierdzono korelację pomiędzy skalą intuicji a skalami kreatywności. Intuicja jest wynikiem złożonych ocen na podstawie podobieństwa, które trudno jest wyrazić w symboliczny (logiczny) sposób, oraz utajonego uczenia, zachodzącego w nieświadomy sposób. (c) 1999. Tralvex Yeap. All Rights Reserved

Cechy osób kreatywnych Mózgi osób kreatywnych reagują na więcej sygnałów dochodzących ze środowiska, nie blokują mocno sygnałów, które wcześniej były nieistotne, nie ulegając łatwo habituacji (Carson, 2003). Może się to wiązać z bogatszą reprezentacją koncepcji i sytuacji w umysłach osób kreatywnych. Podobne zachowania obserwowano u mnichów Zen. (c) 1999. Tralvex Yeap. All Rights Reserved

Co wpływa na kreatywność Hipoteza: kreatywność zależy od pamięci skojarzeniowej, zdolności do łączenia odległych koncepcji ze sobą. Rezultat: kreatywność jest skorelowana ze zdolnością do skojarzeń i podatnością na torowanie; trudniejsze skojarzenia mają dłuższe latencje (czas od wystąpienia przyczyny do zaistnienia skutku). Torowanie neutralne działa dziwnie: dla prostych skojarzeń i nonsensownych słów torujących osoby kreatywne kojarzą gorzej niż niekreatywne; w pozostałych przypadkach jest odwrotnie dla odległych skojarzeń torowanie zawsze zwiększa siłę skojarzeń, u osób kreatywnych dając najsilniejszy efekt. Podobnie zagadkowe są wyniki dla czasów reakcji. Konkluzje autorów: Gęstsze połączenia => lepsze skojarzenia => większa kreatywność. Wyniki dla neutralnych słów torujących są niezrozumiałe. (c) 1999. Tralvex Yeap. All Rights Reserved

Dyfuzja informacji

Model rozprzestrzeniania się informacji

MODEL ZAPOMINANIA

Wiedza, skuteczność zastosowań i fascynacja Szczyt fascynacji i oczekiwań Grań produktywności KOMPUTERY PC METODY SZTUCZNEJ INTELIGENCJI Fascynacja skutecznością INTERAKTYWNE MEDIA W DOMU Wzrost zastosowań Świadomość, że nie ma cudownych rozwiązań Nowe odkrycia Odkrycia i nowe koncepcje 2012 Czas

Problemy wymagające wiedzy ROZWIĄZYWANIE PROBLEMÓW PRZEZ EKSPERTÓW: Jak wiedza wpływa na reprezentację problemu? Jak zmienia się reprezentacja pod wpływem wiedzy? Eksperci pracują „w przód”: Eksperci pracują nad danymi wyciągając wnioski „w przód”, nowicjusze zaś „wstecz”. Badania nad inżynierami: Eksperci – stosują prawa dotyczące problemu, nowicjusze – podobieństwa powierzchowne.

Metody (chwyty) wynalazcze CHWYTY WYNALAZCZE (PROGRAMISTYCZNE, DECYZYJNE). ASYMILACJA Wykorzystywanie rozwiązań koncepcyjnych znanych w innych dziedzinach np. w technice wojskowej, w innych zastosowaniach, w innych językach programowania, zawartych w innych algorytmach, innych metodach przetwarzania danych 2 ADAPTACJA Dostosowanie znanych rozwiązań do innych warunków np. modyfikacje znanych rozwiązań do aktualnych sytuacji, wykorzystywanie znanych cech technicznych, modyfikacje znanych algorytmów, przeniesienie znanych konstrukcji programistycznych

Metody cd2 MULITIPLIKACJA Zwielokrotnienie cech, liczby elementów, liczby funkcji, liczby obiektów, liczby modułów, liczby buforów, procesów kontrolnych np. programy wielomodułowe, równoczesna realizacja wielu funkcji, wielowariantowość konfiguracji, elementy rezerwowe DYFERENCJACJA Podział zadań zwiększenie niezależności elementów zespołu, programu, osłabienie lub ograniczenie związków funkcjonalnych, uwypuklenie odrębności np. oddzielne podzespoły, programy współpracujące, wydzielone funkcje, podział danych, podział opcji na kategorie INTEGRACJA Połączenie cech, funkcji, integracja elementów, połączenie funkcji, integracja danych danych, agregatyzacja zmiennych, grupowanie funkcji, współzależność np. stosowanie struktur, klas, upakowanych danych

Metody cd3 INWERSJA Odwrócenie funkcji w projekcie, odwrócenie właściwości, odwrócenie układu programu, powiązań, kolejności zadań, odwrócenie form dialogowych np. obliczenia w innej kolejności, odrzucenie planowanych powiązań, odwrotne relacje w dialogu z użytkownikiem IMPULSACJA Wprowadzenie celowej nieciągłości przebiegu procesu lub działania urządzenia, nieciągłości programu, nadawanie większego znaczenia cykliczności i powtarzalności zadań np. przerwy w drukowaniu na wysychanie druku atramentowego, stosowanie dużych buforów DYNAMIZACJA Wprowadzenie płynnej zmiany funkcji urządzenia, wprowadzenie elementów w ruch pomocniczy, wykonywanie zadań podczas transportu, dynamizacja interfejsu programu np. podręczne zmienne opcje, wyświetlanie zawartości okien podczas przemieszczania lub zmiany rozmiaru

Metody cd4 ANALOGIA Wykorzystywanie podobieństw cech, funkcji, obiektów, znanych form, sposobów rozwiązywania zadań bez dysponowania ich szczegółowym opisem np. stosowanie mechanizmów znanych ze środowiska naturalnego, znanych z budowy materii, sztucznych sieci neuronowych, tworzenie modeli i algorytmów genetycznych, stosowanie wnioskowania rozmytego IDEALIZACJA Poszukiwanie rozwiązań idealnych nawet nierealnych, a następnie zbliżanie się do realizowalnych, przyjmowanie założeń o braku ograniczeń, np. materialnych, energetycznych, ekonomicznych, technologicznych, wytwórczych, zakładanie samoczynnej konfiguracji programu, zależnej od środowiska, a nawet zmiennej podczas realizacji zadań

Dziękuję za uwagę DZIĘKUJĘ ZA UWAGĘ

UZUPEŁNIENIA