《创意特训营——30天超级灵感唤醒术》—第2章2.1节登克尔的蜡烛难题

简介:

本节书摘来自异步社区《创意特训营——30天超级灵感唤醒术》一书中的第2章2.1节登克尔的蜡烛难题,作者【美】Stefan Mumaw,更多章节内容可以访问云栖社区“异步社区”公众号查看。

第2章 目的性+局限性=创造的动力
创意特训营——30天超级灵感唤醒术
目的性和局限性是发挥创造力的必要前提。首先要有一个亟须解决的问题,也就是目标,还需要有一些你在解决问题时需要克服的障碍,也就是局限条件。如果没有这两项前提,创造力也就没有用武之地。这两项前提彼此相依,为创造力的茁壮成长提供了肥沃的土壤。

此外,想要展现出创造力,还有第三项隐含的条件:行动。我们不仅要有解决问题的欲望,还要将其付诸行动,这样才能把握住“创造力”中的核心词——“创造”。


screenshow?key=150672e7a963027929a4

2.1 登克尔的蜡烛难题
1945年,克拉克大学的完形心理学家卡尔·登克尔(Karl Duncker)发表了一则著名的认知行为试验研究,叫做登克尔的蜡烛难题(Duncker’s Candle Problem)。其目的是衡量功能固着性[1]会在人们解决问题时产生多大的影响。登克尔发给参与者们3样东西,一个蜡烛,一盒图钉,一包火柴。题目是这样的:把点燃的蜡烛固定在墙上,并且不能让蜡油滴到地板或桌上。

这样的题目很显然是对创造力的挑战,登克尔在自己的心目中已经有了一个解决方案,他很期待参与者们能够发觉这个小窍门,那就是让这盒图钉发挥多种功能,而不是单纯地局限于唯一的常规用法。确切来说,他就是想看看有多少参与者会重视及使用这个图钉的盒子。登克尔预期的方案其实很简单,就是把盒子里的图钉都倒出来,把盒子钉在墙上,再把点燃的蜡烛放进去。但是由于受到功能固着性的影响,人们对物品的使用意识只限定在了它的常用功能上。所以,参与者们能否突破常规认知,不再将图钉盒仅仅看做装图钉的容器,而是能将其视为一个独立的个体,这便是登克尔测试的核心挑战。

结果,有些人试图将蜡烛融化后黏在墙上(以失败告终),还有一些人甚至企图将蜡烛直接钉到墙上(当然又以失败告终),只有少数人使用了登克尔所期待的方法解决问题。

在后续的研究中,登克尔对题设进行了一些改变,在这种情况下再次考察参与者是否能够达成预期的解决方案。非常明显的是,如果将图钉盒单独摆出来而不是像原来那样装着图钉,大家几乎都想到了这个做法。甚至只是描述语稍微变化一下,在对话中强调蜡烛、盒子、图钉、火柴包,火柴,结果也会发生戏剧性的转变。总而言之,只要把图钉盒单独摆放出来或者在描述语中强调一下,就会给解决方案带来极大的积极影响。

尽管这项练习明显旨在测试功能固着性的影响,我们也应该从这之中吸取到了一个重要的经验:创造需要前提。

相关文章
|
监控 前端开发 Java
事件驱动的奇迹:深入理解Netty中的EventLoop
事件驱动的奇迹:深入理解Netty中的EventLoop
682 0
|
9月前
|
程序员 UED Python
Python入门:3.Python的输入和输出格式化
在 Python 编程中,输入与输出是程序与用户交互的核心部分。而输出格式化更是对程序表达能力的极大增强,可以让结果以清晰、美观且易读的方式呈现给用户。本文将深入探讨 Python 的输入与输出操作,特别是如何使用格式化方法来提升代码质量和可读性。
Python入门:3.Python的输入和输出格式化
|
Java 测试技术 数据库
【达梦数据库】达梦数据库windows安装
【达梦数据库】达梦数据库windows安装
551 0
|
11月前
|
存储 数据可视化 Linux
语雀停机事件后,你也在找替代方案吗?
2023年10月23日,语雀遭遇长达8小时的服务中断,严重影响了用户的日常工作和生活。事后官方提供了6个月免费会员作为补偿。此次事件引发用户对云笔记产品的可靠性思考,Obsidian和思源笔记因注重本地存留而受到关注。Obsidian支持双向链接、Markdown、本地存储及插件系统,适合个人知识管理;思源笔记则强调关系图谱和快速引用功能。此外,也有用户选择印象笔记、腾讯文档等云产品或使用编辑器+网盘的方式。如何选择合适的工具取决于个人需求和偏好。
974 2
|
10月前
|
人工智能 API
MMedAgent:专为医疗领域设计的多模态 AI 智能体,支持医学影像处理、报告生成等多种医疗任务
MMedAgent 是专为医疗领域设计的多模态AI智能体,支持多种医疗任务,包括医学影像处理、报告生成等,性能优于现有开源方法。
544 19
MMedAgent:专为医疗领域设计的多模态 AI 智能体,支持医学影像处理、报告生成等多种医疗任务
|
机器学习/深度学习 PyTorch 算法框架/工具
神经网络中的分位数回归和分位数损失
在使用机器学习构建预测模型时,我们不只是想知道“预测值(点预测)”,而是想知道“预测值落在某个范围内的可能性有多大(区间预测)”。例如当需要进行需求预测时,如果只储备最可能的需求预测量,那么缺货的概率非常的大。但是如果库存处于预测的第95个百分位数(需求有95%的可能性小于或等于该值),那么缺货数量会减少到大约20分之1。
886 2
|
前端开发 UED 开发者
颠覆你的前端知识:防抖与节流的区别及实战解析!
【8月更文挑战第23天】在Web前端开发中,处理用户界面交互产生的事件可能会影响性能。为此,我们有两种优化方法:防抖(debounce)和节流(throttle)。防抖确保函数仅在事件停止触发一段时间后执行一次,适用于如搜索自动补全场景。而节流则确保函数按固定时间间隔执行,不管用户操作频率如何。本篇技术博客将深入解析两者差异并提供示例代码,帮助开发者更好地理解和应用这些技巧以提升应用性能和用户体验。
453 0
|
机器学习/深度学习 人工智能 算法
AI与未来医疗:智能化健康管理的新纪元
本文探讨了人工智能(AI)在医疗领域的应用及其对未来健康管理的影响。通过分析当前AI技术在疾病诊断、个性化治疗及远程医疗等方面的最新进展,文章揭示了AI如何提升医疗服务质量,实现精准医疗。同时,探讨了AI技术面临的伦理和隐私挑战,并提出应对策略。最终,本文展望了AI在未来医疗中的潜力,强调其在提高公共健康水平方面的重要性。
446 1
|
机器学习/深度学习 人工智能 搜索推荐
AI与未来医疗:重塑健康管理新纪元
在科技日新月异的今天,人工智能(AI)已悄然渗透至医疗领域的每一个角落,它正以前所未有的力量重塑着健康管理的新纪元。本文旨在深入探讨AI如何通过精准医疗、远程诊疗、预防医学及医疗资源优化等方面,为人类健康带来革命性的变革。从AI辅助诊断系统的日益精准,到个性化治疗方案的量身定制;从打破地域限制的远程医疗服务,到基于大数据的流行病预测与防控策略;再到医疗资源的高效配置与优化,AI技术正逐步将科幻电影中的设想变为现实。然而,技术的进步也伴随着责任与挑战,数据隐私保护、伦理道德考量以及技术普及的不均等问题亟待解决。最终,我们将展望人机共生的智慧医疗未来图景,思考如何在保障人类福祉的同时,充分发挥A
|
存储 资源调度 JavaScript
pnpm、npm、yarn是什么?怎么选择?
pnpm、npm、yarn是什么?怎么选择?
689 2