受试者@人工智能之父：提升认知水平才能看得更高更远( 三 ) |火柴|野人|爬山

总结以上几种解决问题的方法，我们看到，初次接触一个问题的人之所以能够解决这个问题，就在于他可以把过去已经掌握的一般解决问题的方法应用到新的情境中去。
心理学的智力测验并不是测受试者已经知道的东西，而是测他将过去掌握的一般知识应用到解决测验的项目中去的能力。

我们通常把不依赖已有的具体知识来解决当前问题的方法称作弱方法。

前面提过的假设检验法就是弱方法。用假设检验法解决密码算术题时，任意给每个密码设想一个数，然后再进行检验，这里并没有运用已有的具体知识。
爬山法也是弱方法。这些方法是最粗糙的方法，其效率是很低的。

如果是利用已有的有针对性的知识来解决某个问题，这就是强方法。

例如，让受试者找X、Y的函数关系，如果他没有微积分知识，就得一点一点地试，使X值逐渐增大，看Y的变化，一直到找到最高点，得出结果。这就是弱方法。
如果他已经具备数学方面的知识，那么就可以利用微积分把最高点定为0 ，这就是强方法。
选择性搜索是利用过去已有的知识经验，有针对性地提出假设，然后再进行检验得出结论。
这是有效的解决问题的方法，是一种强方法。在解决某个问题的时候利用强方法，是非常重要和有效的。
手段目的分析法
人类解决问题有一个很重要的方法，即手段目的分析法(means-end analysis) 。这种方法的复杂性在于我们现有的状态与目标之间会有多种差异，而不是一种差异。
我要去听课，却忘记带本子和笔，要解决本子和笔这两个差异，才能在课堂上记笔记。
我发现身上带着几角钱，于是就产生了买纸和笔的活动。但是，买了纸后再买笔，钱又不够用了，这时我就发现自己做错了，于是又把纸退了，用退了纸的钱去买笔，买过笔再用剩下的钱去买纸。
解决问题中出现多种距离和差异的情况是常见的。我们解决了第一步问题，然后再解决第二步问题，可是在解决第二步问题时，第一步问题又出现了。
因此，为了更好地运用手段目的分析法解决问题，就需要有解决问题的结构。
例如，玩魔方时，我们可以先把其一面完全变成单色，比如先把第一面变成白色，然后再想办法把其他几面分别变成红的、黄的等等。这里的问题是，在变第二面时不能破坏第一面；变第三面时不能破坏第一、第二面。
我们也可以用手段目的分析法来解决这个问题。使用这种方法我们在变第二面时，可以破坏第一面，但只是暂时的，还要很快地恢复第一面的全白色。
事实上，这种一面一面地解决的方法不一定是最好的方法。这是个慢的方法。我们最好能用更简单的方法，从整体上来考虑如何把魔方恢复为六面单色。
为了学会这种整体性的动作，或者说是“宏观动作” ，我们不如买一本魔方解答指南一类的书，从中学会这种“宏观动作” 。这种“宏观动作”不是原来的一个动作，而是一系列的动作，包括暂时破坏某一面又将其恢复的过程。
这种解魔方的宏观方法，平时我们就称其为“计划” 。
心理学教科书中时常引用的画4条直线通过9个点的问题图(见下图) ，看起来容易，做起来却很困难。这个题可采取的搜索树的分枝并不多，但人们考虑问题时却往往忽略某种可能性，即为了解决这个问题，解题人所画的直线一定要超出这9个点所形成的正方形，否则就无法解决。
尽管出题的人并没有限制解题者，也没有禁止他超越正方形，但解题者却常常自己限制了自己，他没有考虑到利用某种算子来解题，因而使问题变得很难。