有一天，科学哲学的奠基人波普先生走到讲台上：“请观察！”，就站在那里不动了。听众困惑了：让我们观察什么呢？其实，波普只是想说明一个道理：先有问题，再有理论。脑子里面没有问题，也就很难有什么好的理论。
笔者过去做数据建模，遵循的就是问题驱动的原则：先建立一个简单的模型。模型预报会出现问题，比如某些产品、某些场景的误差较大。误差较大就是问题。针对这些问题进行分析，找到产生问题的原因。解决问题之后，模型就进步了。坚持不断地解决问题，就可以不断地进步。笔者当年就将这种方法称之为问题驱动。
工业企业经常采用PDCA、对标找差的方法，改进工厂的运营和管理。PDCA、对标找差，就是要找出差异，而差异就是问题。有了问题就可以解决问题，从而让技术不断进步。这些做法可以和数字化方法结合起来：所谓的问题，就是异常；所谓的异常，就是不正常；所谓的不正常，就是超出了正常的范畴；所谓正常的范畴，就是标准规定的范围。所以，建立好标准以后，就可以让计算机帮助人们PDCA、对标找差了。
昨天，给交大的研究生上课。有位同学提到一个问题，她有些想法吃不准。我的建议就是：先做起来再说，出现问题后持续改进。其实，我在几年前就提出一种说法：智能化是先人做再机器做，先做成后做好。
今天早上，笔者从网上搜到两段视频，东南大学徐立臻教授讲数据库。听了大约1个小时，有一种如沐春风的感觉。可以说，徐老师的课就是问题驱动的：人们要用计算机描述世界。客观世界是怎样的，当初的想法是怎样的。当初的想法遇到了什么问题、方法如何完善；新的理论是如何提出的，有什么好处、又遇到了什么问题。所以，徐老师的课，就是用“问题”把理论发展的逻辑串了起来。
今天早上，收到林雪萍先生寄给来的新著《工业软件简史》。其实，我很欣赏从历史的角度研究技术。历史的视角，往往就容易看到问题驱动的逻辑。理解了过去，才能认清现在、洞悉未来。
但是，很多人还是不明白问题驱动的道理。
我们在宣传数字化转型、宣传工业互联网的时候，在宣传5G、在宣传云原生的时候，在宣传CPS、数字孪生的时候，缺乏的往往就是问题驱动。没有“问题”，就不能给听众一个合理的理由、就没有做事的标准，人家自然也就听不明白。当然，说明白“问题”，往往需要自己做过、有一定的实践经验，至少要设身处地地去想想怎么做。
我们的日常生活中，也要学会问题驱动。有邻居希望和物业签订新的服务合同。合同应该做哪些规定？是不是把各种细节都规定下来？这些细节能想清楚吗、谁来监督执行？其实，有一个简单的办法：问问居民对哪些问题有意见，新合同中针对这些问题写条款就行了。
用实际的问题驱动技术进步，就是让理论结合实际。反之，不理解现实问题的理论，则必然脱离实际。
作者：郭朝晖(工学博士，教授级高工。企业研发一线工作20年；优也科技信息公司首席科学家；东北大学、上海交大等多所院校兼职教授。国内知名智库、走向智能研究院的发起人之一。原宝钢研究院首席研究员)
