有一天，科學哲學的奠基人波普先生走到講臺上：“請觀察！”，就站在那里不動了。聽眾困惑了：讓我們觀察什么呢？其實，波普只是想說明一個道理：先有問題，再有理論。腦子里面沒有問題，也就很難有什么好的理論。
筆者過去做數據建模，遵循的就是問題驅動的原則：先建立一個簡單的模型。模型預報會出現問題，比如某些產品、某些場景的誤差較大。誤差較大就是問題。針對這些問題進行分析，找到產生問題的原因。解決問題之后，模型就進步了。堅持不斷地解決問題，就可以不斷地進步。筆者當年就將這種方法稱之為問題驅動。
工業企業經常采用PDCA、對標找差的方法，改進工廠的運營和管理。PDCA、對標找差，就是要找出差異，而差異就是問題。有了問題就可以解決問題，從而讓技術不斷進步。這些做法可以和數字化方法結合起來：所謂的問題，就是異常；所謂的異常，就是不正常；所謂的不正常，就是超出了正常的范疇；所謂正常的范疇，就是標準規定的范圍。所以，建立好標準以后，就可以讓計算機幫助人們PDCA、對標找差了。
昨天，給交大的研究生上課。有位同學提到一個問題，她有些想法吃不準。我的建議就是：先做起來再說，出現問題后持續改進。其實，我在幾年前就提出一種說法：智能化是先人做再機器做，先做成后做好。
今天早上，筆者從網上搜到兩段視頻，東南大學徐立臻教授講數據庫。聽了大約1個小時，有一種如沐春風的感覺。可以說，徐老師的課就是問題驅動的：人們要用計算機描述世界。客觀世界是怎樣的，當初的想法是怎樣的。當初的想法遇到了什么問題、方法如何完善；新的理論是如何提出的，有什么好處、又遇到了什么問題。所以，徐老師的課，就是用“問題”把理論發展的邏輯串了起來。
今天早上，收到林雪萍先生寄給來的新著《工業軟件簡史》。其實，我很欣賞從歷史的角度研究技術。歷史的視角，往往就容易看到問題驅動的邏輯。理解了過去，才能認清現在、洞悉未來。
但是，很多人還是不明白問題驅動的道理。
我們在宣傳數字化轉型、宣傳工業互聯網的時候，在宣傳5G、在宣傳云原生的時候，在宣傳CPS、數字孿生的時候，缺乏的往往就是問題驅動。沒有“問題”，就不能給聽眾一個合理的理由、就沒有做事的標準，人家自然也就聽不明白。當然，說明白“問題”，往往需要自己做過、有一定的實踐經驗，至少要設身處地地去想想怎么做。
我們的日常生活中，也要學會問題驅動。有鄰居希望和物業簽訂新的服務合同。合同應該做哪些規定？是不是把各種細節都規定下來？這些細節能想清楚嗎、誰來監督執行？其實，有一個簡單的辦法：問問居民對哪些問題有意見，新合同中針對這些問題寫條款就行了。
用實際的問題驅動技術進步，就是讓理論結合實際。反之，不理解現實問題的理論，則必然脫離實際。
作者：郭朝暉(工學博士，教授級高工。企業研發一線工作20年；優也科技信息公司首席科學家；東北大學、上海交大等多所院校兼職教授。國內知名智庫、走向智能研究院的發起人之一。原寶鋼研究院首席研究員)
