Pull to refresh

Ричард Хэмминг: Глава 29. Вы получаете то, что вы измеряете

Reading time 18 min
Views 13K
Original author: Ричард Хэмминг
«Цель этого курса — подготовить вас к вашему техническому будущему.»

imageПривет, Хабр. Помните офигенную статью «Вы и ваша работа» (+219, 2365 в закладки, 360k прочтений)?

Так вот у Хэмминга (да, да, самоконтролирующиеся и самокорректирующиеся коды Хэмминга) есть целая книга, написанная по мотивам его лекций. Давайте ее переведем, ведь мужик дело говорит.

Это книга не просто про ИТ, это книга про стиль мышления невероятно крутых людей. «Это не просто заряд положительного мышления; в ней описаны условия, которые увеличивают шансы сделать великую работу.»

Мы уже перевели 12 (из 30) глав.
За перевод спасибо Валерию Дмитрущенкову, который откликнулся на мой призыв в «предыдущей главе». Кто хочет помочь с переводом — пишите в личку или на почту magisterludi2016@yandex.ru (Кстати, мы еще запустили перевод еще одной крутейшей книги — «The Dream Machine: История компьютерной революции»)

Глава 29. Вы получаете то, что вы измеряете


Вам может показаться, что название главы подразумевает, что при тщательном измерении мы получите точный результат и нет в противном случае, но на самом деле, оно относится к существенно более тонкой вещи — выбранный вами способ измерения, в значительной степени влияет на результат. Вспомним историю Эддингтона о рыбаках, ловивших рыбу сетью. Они измеряли пойманную рыбу и пришли к выводу, что есть минимальный размер рыбы, плавающей в море. То есть, используемый вами инструмент существенно влияет на то, что вы видите.

В данный момент популярным примером этого эффекта может служить использование нижней строки квартального отчета о прибылях и убытках для оценки успешности работы компании. Это хорошо работает для компании, заинтересованной в основном в краткосрочной прибыли, но слабо связано с долгосрочной прибылью.

Если в рейтинговой системе стартовая оценка каждого равна 95%, то ясно, что человек мало что может сделать для поднятия своего рейтинга, но многое для его снижения. Таким образом, разумная стратегия для сотрудников сводится к тому, чтобы работать без риска и, вследствие этого, в конце концов подняться на вершину. На более высоких уровнях, возможно, вы захотите повысить допустимый уровень риска, так как класс людей, из которых вы можете выбрать, в основном консервативен.

Рейтинговая система на ранних этапах может иметь тенденцию к удалению именно тех сотрудников, которых вы хотите иметь на более позднем этапе.

Если же использовать рейтинговую систему, в которой среднестатистический человек имел бы оценку около 50%, то такой подход был бы более сбалансированным. А если бы вы хотели поощрить риск, то можно было бы начать с рейтинга в 20% или меньше, тем самым побуждая людей увеличивать свой рейтинг, используя в том числе и рискованные методы, поскольку в случае неудачи их потери были бы не слишком велики, а в случае успеха, награда сполна бы оправдывала риск. Для принятия риска в организации вы должны поощрять разумную степень риска на ранних стадиях, используя такой подход при карьерном продвижении, чтобы в итоге часть рисковавших сотрудников может появиться на вершине.

Из вещей, которые вы хотите измерить, некоторые являются количественно измеримыми, например, высота и вес, в то время как другие измеримы лишь категориально, в частности, социальные установки. Всегда есть тенденция заниматься количественными измерениями, хотя такой подход может быть заведомом проигрышным по сравнению с категориальными измерениями (оценками?), которые в конечном итоге могут оказаться более уместным для ваших задач. Точность измерения, зачастую, путается с релевантностью (уместностью?) измерений, причем это происходит намного чаще, чем считает большинство людей. То, что измерение является точным, воспроизводимым и легко выполнимым, не означает, что именно оно должно быть выполнено, вместо этого измерение более сложное, но теснее связанное с вашими целями, может быть предпочтительнее. Например, в школе легко оценить подготовку и трудно оценить образованность, вследствие этого, вы чаще всего видите в оценках на заключительных экзаменах акцент на подготовке и заметное пренебрежение к образованности.

Позвольте мне обратиться к другому эффекту измерительной системы и проиллюстрировать ее определением и использованием показателя IQ. Формируется список вопросов, кажущийся приемлемыми, исходя из предшествующего опыта, а затем он тестируется на небольшой выборке людей. Те вопросы, которые показывают внутреннюю корреляцию с другими, сохраняются, а те, которые коррелируют не слишком хорошо, отбрасываются. Затем обновленный тест калибруется с помощью тестирования уже на гораздо большей выборке людей.

Каким образом? Просто взяв накопленные баллы (количество баллов людей, которые ниже заданной величины) и построив график этих чисел как представление вероятностей, на котором кумулятивные вероятности нормального распределения представлены горизонтальными линиями. Затем точки, в которых кумулятивные фактические баллы попадают в заданные процентные пункты, через калибровочную таблицу связываются с соответствующими точками на кривой кумулятивной нормальной вероятности. В результате получается, что интеллект населения имеет нормальное распределение!

Конечно, это так — сам метод подразумевал именно такой результат! Более того, показатель интеллекта был определен как результат измерения откалиброванным экзаменом, и при таком определении интеллекта, разумеется, что он имеет нормальное распределение. Но если вы считаете, что показатель интеллекта — это не совсем то, что определяют откалиброванный экзамен, то вы имеете право на сомнения в том, что данный показатель имеет нормальное распределение среди населения. Опять же, вы получаете то, что было измерено, и объявленное нормальное распределение является артефактом метода измерения и вряд ли имеет отношение к реальности.

При сдаче заключительного экзамена по курсу, скажем, математического анализа, я могу получить практически любое распределение оценок, которое хочу. Если бы я мог составить экзамен, в котором вопросы были бы одинаковой сложности, тогда каждый студент, как правило, получал бы все верные или неверные ответы. Следовательно, я получу распределение оценок, которое достигает максимума на обоих концах (рисунок 29.I). Если же, наоборот, я задал бы несколько простых вопросов, большую часть вопросов средней сложности, и несколько очень трудных, то я бы получил типичное нормальное распределение; небольшое количество оценок на каждом из концов и большую часть оценок в середине (рисунок 29.II).

Вполне очевидно, что если я знаю класс, то я могу получить почти любое распределение, какое захочу. Обычно на заключительном экзамене я больше всего интересуюсь границей «сдал/провалил» и выстраиваю экзамен таким образом, чтобы у меня было как можно меньше сомнений в том, как действовать, а также иметь веские доказательства своей правоты в случае жалобы.

image

Еще одним аспектом рейтинговой системы является ее динамический диапазон. Предположим, вам дана шкала от 1 до 10, при этом 5 — среднее. Большинство людей будут присваивать рейтинги 4, 5, и 6, и редко прибегать к экстремальным значениям 1 и 9. Если Вы дадите оценку 6 тому, что вам нравится, я же буду использовать весь динамический диапазон и назначу оценку 2 тому, что мне не нравится, в этом случае результат наших оценок дает, несмотря на различия нашего мнения, сумму рейтингов 6+2=8, при этом среднее будет 4 — эффект моего мнения окажется больше, что стирает вашу оценку!

При использовании рейтинговой схемы вы должны пытаться использовать весь динамический диапазон, в этом случае у вас будет гораздо большее влияние на конечное среднее — при условии, что оно будет считаться, как и в большинстве таких случаев, слепым усреднением присвоенных рейтингов. Помните, что теория кодирования говорит, что энтропия (среднее отклонение) максимальна, когда распределение равномерно. У вас наибольшая информация, когда все оценки используются в равной степени, как вы знаете из главы 13 «Теория информации».

Если вы рассматриваете присвоение оценок в курсе как канал связи, то, как только что было отмечено, равное использование частоты всех оценок будет давать максимальное количество информации — в то время как типичное для аспирантуры использование в основном двух самых высоких оценок, А и B, значительно уменьшает количество передаваемой информации. Я понимаю, что Военно-Морская Академия использует ранг в учебном классе, и, в некотором смысле, это единственная защита от “инфляции оценок” и неспособности использовать равномерно весь динамический диапазон шкалы, при этом сообщая максимальный объем информации, учитывая фиксированный алфавит для оценок. Основная ошибка, возникающая при использовании ранга в качестве оценки — когда все очень хорошие люди окажутся в определенном классе, но некоторые из них при этом все же должны быть внизу!

Также возникает вопрос о том, как вам изначально привлечь людей в определенную область деятельности. В психологии часто можно заметить, что люди, входящие в новую область, имеют в головах гораздо большую путаницу, чем средний профессор и средний студент в колледже — курсы влияют на это в меньшей степени, хотя я подозреваю, что они помогают запутать студента дальше, но первоначальный выбор оказывает гораздо большее влияние. Точно так же точные и гуманитарные науки имеют свою притягательные и негативные стороны, основанные скорее на первоначально воспринимаемых особенностях областей, а не обязательно на фактических особенностях области. Таким образом, люди склонны входить в сферы деятельности, которые будут благоприятствовать их особенностям, как они их воспринимают, а затем, когда они входят в область деятельности, эти особенности часто будут еще больше усиливаться. Результат — плохо сбалансированные, но узкоспециализированные люди, без которых часто нельзя обойтись для достижения успеха в нынешней ситуации.

В математике и в информатике имеет место аналогичный эффект начального отбора. На более ранних этапах изучения математики вплоть до математического анализа, так же, как и в информатике, оценки тесно связаны со способностью учитывать большой объем деталей с высокой надежностью. Но позже, особенно в математике, необходимые для успеха качества изменяются, требуется доказывать большее количество теорем, лучшие способности рассуждать и предполагать новые результаты, теоремы и определения, которые будут иметь важное значение. Еще позже на первый план выходит умение видеть все область в целом, а не множество фрагментов. Но процесс оценивания в значительной степени удалил ранее многих из тех, кого вы могли бы хотеть использовать, и кто действительно был бы необходим на более позднем этапе! Очень похожая ситуация и в информатике, где способность справляться с массой программных деталей благоприятствует одному типу ума, который часто отрицательно коррелирует с видением более общей картины.

Департамент по трудоустройству персонала также влияет на то, кто именно набирается в систему. Если требуется рекрутинг для исследовательской работы, то типичный сотрудник отдела кадров в большой организации скорее всего не захочет привлечь нужных людей. В силу того, что хорошие исследователи имеют оригинальность мышления в науке и технике, они обычно бывают оригинальны в других аспектах своего поведения и одежды, а это означает, что они не привлекают типичного рекрутера из отдела кадров. Следовательно, как и в «Bell Telephone Laboratories», обычно исследовательские люди терпят неудачу при попытке устроиться на работу в исследовательскую область, а отдел кадров содрогается! Это не тривиальный момент, так как рекрутинг одного поколения определяет следующее поколение организации.

Существует также порочная особенность продвижения по службе в большинстве систем. На более высоких уровнях нынешние участники выбирают следующее поколение — и они склонны выбирать людей, похожих на себя, людей, с которыми они будут чувствовать себя комфортно. Совет директоров компании имеет сильный контроль над должностными лицами и будущими членами Совета директоров, выдвинутыми на выборы (результаты которых зачастую более или менее предсказуемы). Вы склонны к воспроизводству себе подобных («инбридингу»), но также вы, как правило, приобретаете особенности организации. Следовательно, распространенный метод продвижения по собственному выбору на более высоких уровнях организации имеет как хорошие, так и плохие черты. Этот вопрос по-прежнему на тему «Вы получаете то, что вы измеряете», поскольку здесь присутствует определенный вопрос оценки, а используемые критерии, хотя и бессознательные, все еще существуют.

В далеком прошлом для борьбы с «инбридингом» большинство математических факультетов (тема, с которой я больше знаком, чем для других сфер) придерживались общего правила, состоявшего в том, что они не нанимали своих собственных выпускников. Правило сейчас не так широко применяется, насколько я могу видеть, напротив, по-видимому, существует тенденция предпочтения найма собственных выпускников над посторонними. Было несколько случаев, когда экономические факультеты были настолько подвержены «инбридингу», что высшее руководство Университета должно было вмешаться и производить процедуру найма, так сказать, через «трупы профессоров», чтобы организовать в Университете разумный баланс разных мнений. То же самое произошло на факультетах психологии, юриспруденции и, без сомнений, в других.

Как уже упоминалось, рейтинговая система, которая позволяет тем, кто находится внутри, выбирать следующее поколение, имеет как хорошие, так и плохие черты, и требует тщательной проверки, чтобы не допустить слишком большого «инбридинга». Некоторый «инбридинг» означает общую точку зрения и более гармоничную работу изо дня в день, но, вероятно, не позволит осуществить больших инноваций в будущем. Я подозреваю, что в будущем постоянные изменения будут нормальным состоянием дел, и эта тема приобретет большее значение, чем это было в прошлом, а она определенно была проблемой в прошлом!

Я верю, что вы понимаете тот факт, что я не пытаюсь быть слишком придирчивым в данном отношении, скорее я пытаюсь проиллюстрировать тему этой главы — «вы получаете то, что вы измеряете». Об этом редко задумывается люди, устанавливающие рейтинг, способы измерения или другие схемы регистрации вещей, и все же в долгосрочной перспективе это оказывает огромное влияние на всю систему — обычно в тех направлениях, о которых они никогда не думали вообще!

Хотя измерение явно плохо, когда проведено неудачно, все же нет возможности избежать измерений, оценки вещей, людей и т. д. Одновременно руководителем организации может быть только один человек, а при отборе должно использоваться образование, оцененное по простой шкале рейтинга, чтобы можно было провести сравнение. Невзирая на то, что люди по крайней мере столь же сложны, как векторы, и, вероятно, даже более сложны, чем матрицы или тензоры чисел; сложный человек, плюс эффект окружающей среды, в которой он работает, должен быть каким-то образом сведен к простой мере, которая произведет упорядоченный массив вариантов.

Это процедура может быть выполнена в уме, без здравого размышления, но она должна быть произведена независимо от того, верите вы в рейтинг людей или нет — этого не избежать в любом обществе, в котором есть различия в ранге, возможности управления, или любой другой функции, которую вы пожелаете. Даже в развлекательной программе должен быть первый и последний исполнитель — все не могут быть поставлены на одну очередь. Вы можете ненавидеть оценивать людей, как я, но этим необходимо заниматься регулярно в нашем обществе, и в любом обществе, в котором нет абсолютного равенства, это должно происходить очень часто. Вы также можете принять этот факт и научиться выполнять эту работу более эффективно, чем большинство людей — они просто продолжают делать выбор, а не анализируют досконально весь процесс, и наблюдают, как это делают другие, и учатся у них.

Теперь вы видите, я надеюсь, как различные шкалы измерения влияют на то, что получается в итоге. Они имеют фундаментальное значение, но обычно им уделяется очень мало внимания. Чтобы подчеркнуть то, о чем я говорил, я просто расскажу вам больше примеров того, как шкала измерения влияет на систему.

Землетрясения почти всегда измеряются в шкале Рихтера, которая эффективно использует логарифм от предполагаемого количества энергии в землетрясении. Я не говорю, что это неправильная измерительная шкала, но ее эффект заключается в том, что у вас мало действительно сильных землетрясений с магнитудой 7 и 8, и множество слабых с магнитудой 1 и 2. Подумайте об этом. Я не знаю распределения по шкале матери-природы, но я сомневаюсь, что она использует шкалу Рихтера. Линейные преобразования, например, из футов в метры, не являются сложными, но другие нелинейные преобразования масштаба — это другое дело.

Большую часть времени мы измеряем стимулы, применяемые к людям по логарифмической шкале, но для веса и высоты мы используем линейные шкалы. Они позволяют легко добавлять аддитивность, но для нелинейных масштабов у вас нет подобной возможности. Например, при измерении размера стада вы склонны подсчитывать количество животных в стаде. Таким образом, у вас есть аддитивность — соединение двух стад вместе дает правильное количество комбинированного стада. Если у вас есть стадо из 3 голов и к нему добавляется такое же по численности, это одно, но, если у вас есть стадо из 1000 голов и к нему добавляется стадо из 3 голов, это совсем другое дело — следовательно, аддитивность числа в стаде не всегда является надлежащей мерой для использования. В этом случае процентное изменение может быть более информативным.

Как же тогда решить, какую шкалу использовать при измерении вещей? У меня нет простого ответа. Действительно, у меня есть ужасное наблюдение, заключающееся в том, что одна шкала измерения подходит для одного вида результатов в какой-то области, другая шкала измерения может быть более подходящей для какого-то другого вида результатов в точно такой же области! Но как редко это признается и используется! Конечно, вы можете иногда наблюдать, что мы спокойно делаем преобразование, когда применяем установленную формулу, но какую именно шкалу измерения использовать, трудно решить в каждом конкретном случае. Многое зависит от области и существующих теорий, а также новых теорий, которые вы надеетесь найти! Все это не очень поможет вам в любой конкретной ситуации.

Есть еще один вопрос, о котором я упоминал в предыдущей главе, и теперь должен к нему вернуться. Это скорость, с которой люди реагируют на изменения в рейтинговой системе. Я рассказал вам, как между мной и пользователями компьютера была постоянная битва, я пытался оптимизировать производительность системы в целом, а они пытались оптимизировать собственные сценарии использования. Любое изменение в рейтинговой системе, которое, по вашему мнению, улучшит производительность системы в целом, не будет хорошо работать, если Вы не продумали реакцию людей на изменение — они, безусловно, изменят свое поведение. Вам нужно только подумать о собственной оптимизации своей карьеры, о том, как изменения в рейтинговой системе в прошлом изменили некоторые ваши планы и стратегии.

Некоторые системы измерения явно имеют плохие особенности, но традиции и другие тонкости, поддерживают их существование. Например, состояние готовности военного подразделения. В военно-морском флоте корабли проверяются на регулярной основе, одна стандартная функция за другой, и шкипер получает корабль и экипаж, готовые к каждой из них, в значительной степени пренебрегая другими, пока они не проявляются. Конечно, шкипер получает высокие баллы. Но когда мы сталкиваемся с военными учениями, какова истинная готовность флота? Наверняка не такая, как сказано в отчетах — как вы легко можете себе представить. Но что в таком случае мы должны использовать? Конечно, мы должны использовать приведенные данные — нам бы не доверяли, если бы мы использовали другие данные! Таким образом, мы приучаем людей в военных учениях использовать идеализированный флот, а не реальный! То же самое происходит в деловых играх: мы обучаем руководителей побеждать в моделируемой игре, а не в реальном мире. Я оставляю этот момент вам, чтобы подумать о том, как вы будете действовать, когда вы будете ответственны, и захотите узнать истинную готовность вашей организации. Будут ли случайные проверки решать все? Нет! Но они немного улучшат ситуацию.

Всякая организация сталкивается с этой проблемой. Сейчас вы находитесь на низких уровнях в вашей организации, и сами видите, что сообщается о событиях и как отчеты отличаются от реальности, и ничего не измениться, до тех пор, пока вы не получаете власть, позволяющую радикально изменить ситуацию. Военно-воздушные силы используют предположительно случайные инспекции, но, как мой друг — отставной капитан флота, однажды заметил мне, каждый командир базы имеет радар и знает, что находится, что находится в воздухе, и если инспекционная группа оказалась сюрпризом для него, тогда он, должно быть, круглый дурак. Тем не менее, в этом случае у него меньше времени, чтобы подготовиться, чем в случае плановых проверок поэтому, по-видимому, отчеты об инспекциях, пожалуй, ближе к реальности, чем, когда инспекции происходят только во время, известные заранее. Да, инспекции — это измерения, и вы «получаете то, что измеряете». Данная ситуация не слишком сильно отличается в других организациях — новость о грядущем измерении (инспекции) «влезает на виноградную лозу сплетен», а адресат известия, притворяясь удивленным, часто готов к ней уже утром.

Еще одна вещь, которая очевидна, но, как мне кажется, ее необходимо упомянуть; популярность той или иной формы измерения мало связана с ее точностью или актуальностью для организации.

Еще одно замечание — все сверху до низу в организации, каждый человек, преломляет факты так, чтобы они сами выглядели хорошо — по крайней мере с их точки зрения! Единственное, что спасает топ-менеджмент, — что различные уровни ниже, каждый из которых может немного преломлять факты, часто имеют разные цели, и, следовательно, многие изменения фактов чаще всего частично аннулируют друг друга из-за слабого закона больших чисел. Если вся организация работает вместе, чтобы обмануть верхушку, то руководство мало что может сделать с этом. Когда я состоял в Совете директоров, я так четко осознавал этот факт, что часто приходил либо на день раньше, либо задерживался на день позже, и просто бродил, задавая вопросы, глядя и спрашивая себя, были ли вообще факты о которых сообщалось. Например, однажды, когда складской запас был очень большим, из-за изменения в линейке компьютеров, которые мы производили, что заставило нас иметь части обеих линий под рукой в одно и то же время, я шел, внезапно повернулся к кладовке и просто вошел. Затем я осмотрелся, чтобы решить, было, по моему мнению, какое-либо существенное несоответствие или сообщенные суммы были достаточно точными.

Опять же, были ли вычислительные машины, которые мы должны были отправлять на погрузочный док, или они были мифическими, как это произошло во многих компаниях? Обнюхивая вокруг, я обнаружил, что в конце каждого квартала машины, которые нужно было отправлять, действительно были отправлены, но часто в процессе выпуска более поздних машин на производственной линии, и, следовательно, следующие несколько недель были потрачены на то, чтобы вернуть выпущенные машины в надлежащее состояние. Я никогда не мог остановить эту плохую привычку сотрудников, хотя я был в Совете директоров! Если вы будете только смотреть вокруг в Вашей организации вы найдете много странных вещей, которые на самом деле не должны происходить, но их считают обычной практикой персоналом.

Еще одна странная вещь, которая случается, заключается в том, что на одном уровне рассматривается как одно, иначе рассматривается на более высоком уровне. Например, часто бывает, что оценки возможностей организации на одном уровне интерпретируются как вероятности на более высоком уровне! Почему это происходит? Просто потому, что более низкий уровень не может выполнить то, что хочет более высокий и, следовательно, делает то, что он может сделать, и более высокий уровень умышленно, потому что он хочет получить свои числа, предпочитает изменять смысл отчетов.

Я уже обсуждал вопрос жизненных тестов — что можно сделать и что нужно, совсем не то же самое! На данный момент мы не знаем, как выпускать то, что нужно; обеспечить надежность в течение многих лет работы с высоким уровнем доверия к частям, которые были впервые поставлены нам вчера. Эта проблема не исчезнет, но многое можно сделать, чтобы спроектировать необходимую надежность вещи. Одна из моих первых задач в Bell Telephone Laboratories была разработка серии концентрических колец из меди и керамики, таких что для заданных радиусов, при изменении температуры керамика всегда была бы сжата и никогда не растягивались, так как при этом она имеет низкую прочность. Конструкция имеет степень надежности, встроенную в нее! На мой взгляд, в этом направлении было сделано слишком мало, но, как я уже отмечал, когда они говорили, что не было времени на это, «никогда не бывает времени, чтобы сделать работу правильно, но всегда есть время, чтобы исправить вещи позже».

Существуют рейтинговые системы, в которые встроили некоторую степень человеческого суждения — и это звучит хорошо. Но позвольте мне рассказать вам историю, которая произвела на меня большое впечатление. Я разработал вычислительный метод для оценки фазовых сдвигов от измеренных коэффициентов усиления при различных частотах сигнала, который заменил ручной метод. Я не утверждаю, что он был лучше, однако ручной метод не мог решить новую задачу, когда мы перешли от голоса к диапазону полосы ТВ. Один умный человек сказал мне однажды: «раньше, когда люди делали вещи, мы не могли сделать дальнейшие улучшения из-за случайных человеческих вариаций; теперь, когда вы удалили случайный элемент, мы можем надеяться узнать вещи, которые не были очевидны раньше”. Методы оценки, которые не имеют человеческого суждения, имеют некоторые преимущества, но не считайте, что я против того, чтобы вкладывать элемент человеческого суждения. Большинство формальных методов обязательно конечны, и сложность реальности почти бесконечна, поэтому разумно применяемое человеческое суждение часто является хорошей вещью — хотя, как только что отмечалось, оно стоит на пути дальнейшего прогресса со своими субъективными аспектами.

Из всего этого, пожалуйста, не делайте вывод о том, что измерение не может быть сделано — это может быть ясно, но вопрос о релевантности и эффекты формы измерения следует продумать как можно лучше, прежде чем вы начнете какое-то новое измерение в вашей организация. Неизбежные изменения, которые произойдут в будущем, и увеличение мощности компьютеров для автоматического мониторинга вещей, означает, что многие новые измерительные системы будут использоваться, которые вам самим придется разрабатывать, создавать и устанавливать. Поэтому позвольте мне рассказать вам еще одну историю о влиянии измерения.

В информатике, сложность программирования часто измеряется числом строк кода- что может быть проще? С точки зрения кодера нет абсолютно никаких оснований пытаться очистить фрагмент кода; напротив, чтобы получить более высокий рейтинг по шкале производительности, есть все основания оставлять там лишние инструкции, действительно, включите несколько «наворотов», если это возможно. Этот показатель производительности программного обеспечения, который широко используется, является одной из причин, почему в наши дни мы имеем такие раздутые программные системы. Он не стимулирует разработку чистого, компактного и надежного кода, который нам всем нужен. Кроме того, используемая мера влияет на результат способами, которые наносят ущерб всей системе! Он также порождает привычки, которые позже трудно изжить.

Когда настанет ваша очередь установить измерительную систему, или даже прокомментировать что кто-то другой использует, попробуйте продумать свой путь ко всем скрытым последствиям, которые будут происходить с организацией. Конечно, в принципе, измерение — это хорошо, но оно часто может причинить больше вреда, чем пользы. Я надеюсь, что идея прозвучала громко и ясно:

Вы получаете то, что вы измеряете.

Продолжение следует...

Кто хочет помочь с переводом — пишите в личку или на почту magisterludi2016@yandex.ru

Кстати, мы еще запустили перевод еще одной крутейшей книги — »The Dream Machine: История компьютерной революции")

Содержание книги и переведенные главы
  1. Intro to The Art of Doing Science and Engineering: Learning to Learn (March 28, 1995) (в работе) Перевод: Глава 1
  2. «Foundations of the Digital (Discrete) Revolution» (March 30, 1995) Глава 2. Основы цифровой (дискретной) революции
  3. «History of Computers — Hardware» (March 31, 1995) (в работе)
  4. «History of Computers — Software» (April 4, 1995) Глава 4. История компьютеров — Софт
  5. «History of Computers — Applications» (April 6, 1995) (в работе)
  6. «Artificial Intelligence — Part I» (April 7, 1995) (в работе)
  7. «Artificial Intelligence — Part II» (April 11, 1995) (в работе)
  8. «Artificial Intelligence III» (April 13, 1995) Глава 8. Искуственный интеллект-III
  9. «n-Dimensional Space» (April 14, 1995) Глава 9. N-мерное пространство
  10. «Coding Theory — The Representation of Information, Part I» (April 18, 1995) (в работе)
  11. «Coding Theory — The Representation of Information, Part II» (April 20, 1995)
  12. «Error-Correcting Codes» (April 21, 1995) (в работе)
  13. «Information Theory» (April 25, 1995) (в работе, Горгуров Алексей)
  14. «Digital Filters, Part I» (April 27, 1995) готово
  15. «Digital Filters, Part II» (April 28, 1995) в работе
  16. «Digital Filters, Part III» (May 2, 1995)
  17. «Digital Filters, Part IV» (May 4, 1995)
  18. «Simulation, Part I» (May 5, 1995) (в работе)
  19. «Simulation, Part II» (May 9, 1995) готово
  20. «Simulation, Part III» (May 11, 1995)
  21. «Fiber Optics» (May 12, 1995) в работе
  22. «Computer Aided Instruction» (May 16, 1995) (в работе)
  23. «Mathematics» (May 18, 1995) Глава 23. Математика
  24. «Quantum Mechanics» (May 19, 1995) Глава 24. Квантовая механика
  25. «Creativity» (May 23, 1995). Перевод: Глава 25. Креативность
  26. «Experts» (May 25, 1995) Глава 26. Эксперты
  27. «Unreliable Data» (May 26, 1995) (в работе)
  28. «Systems Engineering» (May 30, 1995) Глава 28. Системная Инженерия
  29. «You Get What You Measure» (June 1, 1995) Глава 29. Вы получаете то, что вы измеряете
  30. «How Do We Know What We Know» (June 2, 1995) в работе
  31. Hamming, «You and Your Research» (June 6, 1995). Перевод: Вы и ваша работа

Кто хочет помочь с переводом — пишите в личку или на почту magisterludi2016@yandex.ru
Tags:
Hubs:
+14
Comments 1
Comments Comments 1

Articles