高考刚刚结束，很多学子都放下疲惫的伪装，在这几天试图回归童真与无邪。眼睛盯着新出炉的高考语文题目，思绪回到若干年前肝题的年代，回到小升初的语文考试上。

记得考试前夕，老师在课堂上叮嘱着我们几个班级里成绩比较好的学生，大家在考试时，尽量帮助其他同学理解作文题意，以防大家跑题。那个年代，文章跑题是不得分的，而由于语文的博大精深，往往有很多同学会错了出题老师的意。所以我在监考老师的同意下，我大声问出语文题目到底是A意思，还是B意思。具体的题目我早已经记不清了，但是只要不傻的同学，听到这两个意思，都会毫不犹豫的选A，也就不会有直接选B的那种跑题了。老师没有正面回答，只是让我继续考试，不过从两名老师的小声嘀咕中，我仿佛听到了这次考试没有难住人之类的话。

当然，现在想起还在为那时的机智点赞，看似一个弱智的提问，而且没有得到正面回答，但是全部小伙伴都已经得到自己想要的答案。与此同时，一个在脑海中把玩了很久的概念重新浮在脑海中——一个好问题，胜过十个好答案。

在贾里尼克之前，人们觉得识别语音是一个智力活动，比如我们听到一串语音信号，脑子会把它们先变成音节，然后组成字和词，再联系上下文理解它们的意思，最后排除同音字的歧义性，得到它的意思。为了做到这件事，科学家们就试图让计算机学会构词法，能够分析语法，理解语义。但事实证明这件事是不可行的。

著名的信息论专家贾里尼克来到IBM后，天才的找到了语音识别和机器翻译的等价问题，即通信问题，从而通过解决通信问题解决了上述智能问题。他是这样考虑问题的。当说话人讲话时，他是用语言和文字将他的想法编码，这就变成了一个信息论的问题。语言和文字无论是通过空气传播，还是电话线传播，都是一个信息传播问题，在通信中有一套对应的信道编码理论。在接收方那里，再做解码工作，把空气中的声波变回到语音文字，再通过语言文字的解码，得到含义。

在贾里尼克之前，全世界努力了十几年，只能识别几百个英语单词，而且错误率还高达30%以上，贾里尼克带了几十个科学家干了五六年，就能识别22000个英语单词了，而且把错误率降低到10%。

贾里尼克可不仅仅是给出了语音识别问题的好答案，他相当于问了全世界一个新问题，语音识别到底是通信问题，还是智能问题？以此为基准，贾里尼克实际上推动了一系列等价问题的解决。

如贾里尼克的大学同事萨尔兹伯格教授，采用了一个全新的视角来看待基因测序问题。他认为，人的基因不过是一本特殊的书，书中的字母只有A、G、C、T这四种，因此任何识别语言文字的算法，比如语音识别和OCR的算法，都可以用于基因测序。有了这个想法后，他离开了大学，到专门从事基因测序的研究所TIGR，转行从事基因测序研究了，并且后来获得了那个领域的最高奖。他以此为钥匙解决问题，开创了人类基因测序的新篇章。

这一类的等价问题还可以举出很多。简单地讲，它们可以概括为两类：第一类是直接等价问题，包括股票市场的分析和预测；第二类是间接的、广义上的等价问题，包括今天很多图像识别，特别是人脸和医学影像识别的问题。

再看看前几天罗胖讲的太空望远镜的故事。太空望远镜，镜面越大，接收能力越强，效果越好。但是火箭的运载能力有限，镜面越大要求火箭就越大，而火箭的规模是有限的，这限制了太空望远镜的发展。

针对这个问题，如果你问的是，如何设计一款太空望远镜？聊聊就好了，你不可能得到一个靠谱的答案。

如果你的问题改良成了，如何解决太空望远镜的口径大小和运输可行性之间的矛盾？这问题就好多了，问题变得可以被解决了。

但是问题可以再进一步收窄，如何借鉴折纸的方法，设计一款太空望远镜的可折叠结构？这就像数学题一样，是最终可能把它解开的。

阿奇舒勒说：“创造力就是正确表述问题的技能。”

对，创造力，不是什么神秘的东西，它的起点，是正确表述问题。一个好问题，就是看见矛盾，承认这个矛盾，然后到别处找到答案，这的的确确能胜过十个好答案啊。