科技发展过程中，常有“领域变迁”的问题。
比如，最早的自动化理论是针对线性单变量的。随着技术的发展，从单变量走到多变量、从线性走到非线性、从确定系统走向不确定性系统等。在这个过程中，“问题的领域”基本上是不变的，但“方法成熟的领域”在不断拓展。在这种拓展的过程中，问题的难度会不断地增大，后来会变得举步维艰。尽管如此，“方法成熟的领域”或许永远都无法覆盖“问题的领域”。
但科学发展往往不会一直沿着这种模式发展，而是会发生“领域”的变迁。
比如，从自动化到智能化的过程，其实就改变了领域：自动化系统一般是封闭的小系统，智能化系统一般是相对开放的大系统。这时，如果还想采用自动化理论中“建立模型、提出要求、数学推导、仿真验证”等套路时，就会发现：第一步就会被卡住，而数学推导更是难上加难。
很多同志对数学有个印象：除了个别“世界难题”，似乎再难的数学题目都能得到解。后来笔者才发现：现实根本不是这样。许多个性化的问题，根本没有办法理论求解。我们看到的“每个问题都能解决”，其实是一种“幸存者偏差”：能解决的问题，才会写成论文、写入教科书和习题集；解决不了的，也就写不成论文、写不到教科书和习题集中了。现实的论文是怎么写成的呢？有位老师总结了两个字“猜、凑”：猜出结论、凑出条件。通
比如，最早的自动化理论是针对线性单变量的。随着技术的发展，从单变量走到多变量、从线性走到非线性、从确定系统走向不确定性系统等。在这个过程中，“问题的领域”基本上是不变的，但“方法成熟的领域”在不断拓展。在这种拓展的过程中，问题的难度会不断地增大，后来会变得举步维艰。尽管如此，“方法成熟的领域”或许永远都无法覆盖“问题的领域”。
但科学发展往往不会一直沿着这种模式发展，而是会发生“领域”的变迁。
比如，从自动化到智能化的过程，其实就改变了领域：自动化系统一般是封闭的小系统，智能化系统一般是相对开放的大系统。这时，如果还想采用自动化理论中“建立模型、提出要求、数学推导、仿真验证”等套路时，就会发现：第一步就会被卡住，而数学推导更是难上加难。
很多同志对数学有个印象：除了个别“世界难题”，似乎再难的数学题目都能得到解。后来笔者才发现：现实根本不是这样。许多个性化的问题，根本没有办法理论求解。我们看到的“每个问题都能解决”，其实是一种“幸存者偏差”：能解决的问题，才会写成论文、写入教科书和习题集；解决不了的，也就写不成论文、写不到教科书和习题集中了。现实的论文是怎么写成的呢？有位老师总结了两个字“猜、凑”：猜出结论、凑出条件。通