蘇聯科學家問NASA：你們什么時候能把人送到月球上去？NASA的人回答道：這決定于我們什么時候能把他們安全地接回來。
筆者講創新課時經常講到這個段子。目的是告訴大家：行動的時候要一步步地走，但做計劃的時候要以終為始地考慮問題。這個講法是有針對性的。許多年前，筆者曾經評審過一個項目。項目負責人想開發一個數學模型，把運輸量降低四分之一。筆者問他：假如這個模型已經有了，你打算如何用這個模型降低運輸量？ 他發現自己無法回答這個問題，就主動撤銷了項目申請。筆者的這個問題，就相當于問登月飛船的設計師：假如你們已經把人送到月球上去了，如何把他們接回來？
在一個網絡會議上感覺到很多科技人員仍然沒有具備這種思維方式：很多人談大數據的時候，就談到如何用深度學習建模。筆者很想問他們：假如這個模型建立起來了，你們打算如何用這個模型解決問題？在我看來，他們顯然沒有把后面的問題想清楚，直接就開始建模了。
“模型都是錯的，但有些是有用的”。
很多人；但對具體的應用場景來說，精度再高的模型可能都是沒用的；反之有些場景可能不需要精度高的模型。所以，要建立一個有用的模型，應該先考慮一下它是怎么用的，再給模型提出要求。正如筆者多次強調的：用戶需要的是個孔，用戶需要的不是鉆頭：用戶要鉆的孔不一樣，鉆頭是不一樣的。
在學術界，執迷于模型的正確、模型的精度高做法是一種通病。這大概就是學術界和工程界的思維差異。學術界建立模型的目的，往往是想著通過它發現一些預料之外的規律。他們認為，只要發現了規律，就是成功的。工程界則注重效率。“以終為始”的思維方式，可以大大提高效率、減少失敗的概率。
有“欲速則不達”，則有“快到斬亂麻”。矛盾的不是方法和觀點，關鍵是用在什么場景。
科學研究確實是“不問目的”的。直接用數據探索規律，有其合理之處。工程界關注經濟性，當然要關注效率，必然要強調以終為始。但我們今天遇到的問題是：學術專家幫著企業和政府解決工程問題，他們把自己習慣的思維方式帶入了工程技術研究中。這種思維方式就有問題了，工程師不是這么做研究的。此所謂：“病變而藥不變，向之壽民今為殤子矣”。工業場景變了，方法自然不一樣。
其實，工程技術問題的數據建模，首先應該對問題本身有深刻的理解。在這個過程中，要仔細研究實際問題，并把實際問題轉化成建模的需求。在更具這個需求建模。按照筆者的經驗，很多人就是在這個環節上做得不夠。他們有了一點膚淺的認識，就開始建模了、開始展示自己的能力了。
換個角度說，他們認為自己對問題的理解是足夠的、做法是合理的，但筆者認為他們對問題的理解不夠、做法有問題。 那么，憑什么筆者是對的？多年來，筆者經歷的失敗很多，遇到的坑很多。筆者覺得他們的研究看不到這些坑，就像不懂數學的人談邏輯，漏洞太多。
希望十年之后，大家都明白“以終為始”的道理。
作者：郭朝暉，工業自動化博士、教授級高工，專注于工業數字化轉型及技術創新研究領域
