數學家的「啟發法」，如何對應到個案教學框架

昨天，我與元智大學的DBA同學們分享了數學家喬治・波利亞（George Pólya）的經典著作《如何解題（How to Solve It）》，並探討如何將其核心思想與商業個案的「教」與「學」進行結合。

接下來的幾個小時，我迅速投入行動：

快速探索、AI輔助深化：我立刻找到了《如何解題》的原著， 在生成式AI的協助下，我克服了初期的閱讀門檻，快速消化並摘要出書中的核心觀點。這是一個艱難但收穫頗豐的過程。

概念整合：我將這些摘要與自己多年來對個案「教」與「學」的思考進行整合，建立兩者之間的對照關係。

即時輸出：最終，我將這些想法匯集成一個完整的網頁，作為知識傳播的載體。

從得到啟發到產出內容，整個過程令人極度興奮（即便整理資料與釐清觀念的過程相當痛苦）。過去，我腦中可能有無數想法在飄浮，總是用「現在太忙，等以後有時間再整理」來說服自己。然而，現在的技術賦予我們「快思快想快行動」的能力。我深切感受到，生成式AI正成為一股打開個人知識疆界的巨大推動力量。

▨ 核心框架：波利亞的四步驟「啟發法」（Heuristic Method）

在深入探討其應用前，讓我們先了解波利亞這位數學家所提倡的「解題方法」。我認為，即便對於像我這樣厭惡數學的人來說，這套方法論都極具啟發性。它讓我們窺見，數學思維中也存在著貼近我們「厭數者」也有的解題思維。

波利亞強調，他的方法並非一套僵化的公式，而是一種「啟發法」（Heuristic），旨在引導思考、激發創意。

他有四大步驟：

理解問題 (Understanding the Problem)：這是解題的起點。要求清晰地識別未知數、已知數據和限制條件。波利亞建議透過畫圖、引入標準符號等方式，來評估問題是否清晰、條件是否充分。

擬定計畫 (Devising a Plan)：找出已知數據與未知目標之間的連結。這一步充滿創造性，可能需要回顧相似問題的解法、尋找相關定理、重新陳述問題，甚至將問題分解再重組。

執行計畫 (Carrying Out the Plan)：嚴格且耐心地執行第二步擬定的計畫。此階段的重點是「紀律」，必須仔細檢查每一步的正確性，並能清晰證明其推論過程。

回顧 (Looking Back)：在解出答案後，進行反思與驗證。檢查結果與論證過程，並思考：能否用不同方式推導？這個結果或方法能否應用於其他問題？這是將一次解題經驗轉化為通用知識的關鍵。

「蛤？就這樣？」

如果只看這四個步驟，你可能會覺得平凡無奇。然而，這套框架的強大之處在於它對人類心智運作的洞察。

波利亞的方法之所以實用，是因為他將抽象的「思考」具象化為一系列可操作的提問與技巧：

清晰辨識問題：許多人卡關的第一步，就是沒搞懂「問題到底是什麼」。波利亞建議用不同方式重述問題，例如自問「所求為何？」、「你想找到什麼？」。這能幫助我們將注意力從雜訊中抽離，聚焦於真正的未知數。我們經常將「信念與假設」誤認為「已知事實」，而這個步驟正是要我們區分兩者。

善用視覺與符號：他提到，使用符號和圖表是專業思考的體現。這不正是商管學院教授在黑板或白板上常用的手法嗎？將不同利害關係人畫成圈、把客觀數據放入方框、用箭頭表示資源流動...這些視覺化工具能極大降低認知負荷，促進思考。

啟動心智的強大連結能力：波利亞進一步提煉出數個啟發思考的關鍵提問，這些正是人類心智最美妙之處——我們可以靈活地類比、降維、連結相關知識、利用既有解法、重新框架（re-framing）、分解與重組、與局部優化。

這些思考工具，可以對應個案教學的核心。一個好的個案分析者，正是在運用這些心智活動來剖析複雜的商業情境。

在生成式AI時代，我認為重新認識人類心智能力的獨特之處是非常重要的。生成式AI以其強大的模式辨識與資料處理能力，確實可以「模仿」上述部分心智活動。然而，在面對高度複雜、充滿矛盾與不確定性的真實商業議題時，機器的判斷、創造力與價值權衡，仍遠遠不及受過精良訓練的人類心智。AI是我們探索知識邊界的強大加速器，但不應成為我們思考的替代品。學習波利亞的啟發法，正是在強化我們自身那無可取代的思考核心。

波利亞的貢獻，不僅是提供了一套SOP，更是揭示了一種回到問題本質的「第一性原理」（First Principles）思考方式。它教我們如何拆解問題、如何系統性地探索解決路徑，以及如何從每次的挑戰中提煉出可轉移的知識。

這正是我希望透過個案教學傳遞給學生的核心能力——不僅是學會分析某個特定個案，而是建立一套屬於自己的、能夠應對未來任何未知挑戰的強大解題框架。

我將波利亞的思維與個案的「教」與「學」整理成了一頁對照網頁，期望能為你帶來一些啟發，一同感受「創造新知、傳遞新知」的樂趣！