科技启发思维 的子部分
问题定义和解决方案是多对多关系
最初人们研究语音识别，是把它当作语音学、语言学问题，总不得要领，识别错误率很高。后来从信息论、概率论、统计学方向入手，把识别转换成概率计算，很快就把错误率从30%降低到了10%以下。
比如识别一句语音：今天下雨了。
早期思路：先研究发音的声学特征，然后制定规则：这种频率、这种共振峰应该是i，那种应该是t……一步步拼成字。由于现实中的口音、语速、噪音等问题，这种规则识别很容易出错。
概率思路：先让计算机把每个词识别出来，识别不准没关系，今天还是金天？过程中不断计算词的概率，今天的概率>金天，于是就用今天；最后是今天下雨了，还是今天大雨了？按概率很可能是前者，就用前者。
语音识别，它可以是语音学、语言学问题，也可以是信息论、概率论、统计学问题。所以对于同一个问题，看待它的视角有很多，视角不同，定义就可能不同。定义不同，解决方案也就不同。
所以问题的定义和解决方案，它俩是一个多对多关系，不要轻易的下死结论。
问题如何来定义？又都有哪些解决方案呢？这些没有标准答案，需要针对特定的问题，反复琢磨、思考。比如脱发，它同时是生物问题、医学问题、心理压力问题，也是一个商业问题，可以通过植发来解决等。
好的思维习惯：可以把现实问题分成几大类，物理/生物/化学、信息、商业、人性等，每次思考新问题的时候，都挨个过一遍，强制自己用不同的维度来考虑和解决问题。
看待每个人、每件事，既然都有很多视角，能得出不同的结果。这翻译成数学语言就是：用多维向量来描述一个对象。如果再把这些向量投射到高维坐标系中，就会发现很多看似不一样的人、不一样的事儿，它们很有可能在某些维度上是相通的，甚至可以说，在华尔街上演的事情、人际关系，和我家旁边工地上的事情、人际关系，本质上没有什么区别，人性和商业的底层规律，几千年来都是没有变过的，只是在不同的场景反复发生而已。