話說上次說過的小程序本週末就可以上線了，是不是小小的期待了下，雖然我不敢保證會延期。（延期的話你們說怎麼辦）
最近也很少看後臺，然後有一些留言過了48h就無法回覆了。不過你們可以留言，註明要不要放出來就可以了......
以下內容是近來聽吳軍的《谷歌方法論》有感所得：
你可能並不同意其中觀點，但我一直篤信的是：一篇文章或一個觀點，包括一部電影，是都不會讓100%人滿意的；
如果你同意其中的觀點，那麼就是你所得；如果不同意，那麼可以當作聽故事一樣一笑而過，也可以去查資料來反駁，這樣同樣有所得。
和菜頭的文章下邊通常會有一句意味深長的話，我看後感慨萬分，等下放在文章末尾。
歡迎大家在評論區留言......
系統學習的重要性
系統學習是一種學習方法，是指把所學內容當成是一個系統看待，力求從大方向出發指導學習，這樣，在學習和複習的時候不是按部就班按章節行進，而是先模糊概括，再逐漸在大框架下逐步明晰細節、完善結構、針對缺陷和不足專攻的學習方法。
把想要學習的整理出一個框架，明白哪些是需要學習的，哪些是不必要的。例如 如何成為一個合格的計算機工程師，那需要什麼樣的知識體系？
第一步需要會寫程序，瞭解數據結構、算法。這個可能需要一年的時間去學習，然後去實踐一年。
第二步去寫效率較高的程序，需要了解計算機能給你多少資源
第三步實踐的時候，需要具體去做，例如如何用計算機識別人臉？ 先看看別人是怎麼做的，要學計算機視覺，要學算法等等。
總結，需要通過學習一門課，有切身的感受；也需要不斷的練習，練習多久，需要看個人。
系統學習的四個現象和原則
1.要了解知識的背景和相關性。任何一個知識點都需要放到更大的環境中去理解。
2.今天的信息很多，大部分人要做的事情不是更多的接受信息，而是選擇和過濾信息。把所學的知識使用好。學會使用Google查找信息及講述知識的視頻非常重要。在需要使用時手到擒來。不要把有限的腦容量記憶不常用的信息
3.學習的目的不能是為了解除焦慮，而是為了解決你真正遇到的問題。學習的目的應該集中在解決問題，並且為了解決問題進行深度思考，直到問題解決。
4.系統地學習離不開討論。
人的認知有三個來源
認知學上知識的獲取有三種
1.親身感知： 旅行是親身感知的一種方式，這些感知到的東西有些時候他人告知是無法領悟的；但是所有的事情都靠親身感知，就太慢了，例如數學，不能靠自己去推理出來，這樣花費時間太久，在已有的知識體系，可以快速獲得的情況下，他人告知是最快的學習方式，教育就是如此。
2.他人告知：上學讀書是學習新知的絕佳途徑；
3.邏輯推知：人類新知的來源，一個人一輩子通過這種形式得到的新知是很少的，牛頓發現萬有引力，大多數人達不到的。
旅行的意義
1.是為了增長見識，他人告知的事情自己驗證一下才能記住，變成自己的一部分。
2.瞭解別人沒有告訴你的，自己旅行時知道了，可以告訴他人
3.其次也可以放鬆心情，尋找靈感。迪士尼為了寫劇本；會給編劇放半年的假期去非洲大草原或其他地方尋找靈感。
當然不止這三點，如果你有其他的見解，歡迎補充
把事情做好需要搞清楚的三條邊
1.第一條邊是基線，你可以理解成直到今天為止人類或你所掌握的知識。不同人的基線不一樣，我們所有的工作，都應該建立在這條線的基礎上，並想辦法提升它。
對於不同的人，這條線的高度是不同的，對於專家，基線就很高；對於入門初學者，基線就很低；
我們所有的工作，都應該建立在這條線的基礎上，而不是從它的下面開始做起，這一點很重要；
例如，今天搞飛機研發的專業團隊所在的基線是三層樓高，北航發動機專業畢業生的基線是在地平線上，那些民間發明家的水平就是地下室三層。
2.最上面那條線，是理論給出的極限，是無法突破的。可以認為是造物主創造這個宇宙時留下來的。例如光速、絕對零度，能量守恆定律。
在工程上，專業人士和業餘愛好者的差別在於是否瞭解極限的存在
工程師和科學家又一個不同，科學家常常告訴大家這件事可以做，但是工程師要明白怎麼做
3.第三條邊是能夠扶著向上攀登的繩子，或者說階梯。它需要你把目標拆解為具體的行動步驟，並專注其中。
為什麼下面粗，上面細呢？
因為靠近基礎的部分，全世界做的人很多，各種行之有效的方法也很多，而越到上面，越接近有難度的目標，常常就沒有太多的道路可供選擇，甚至很多道路都要靠自己探索因此就越畫越細
計算機思維有7對關係
機器思維是什麼，從下面7個方面來解釋
1.大和小
什麼是大，什麼是小呢？我說1個、2個、3個可能都明白，我說銀河系中有2000多億個恆星，你會說哦，2000多億啊，但是2000多億到底有多少，可能就沒有概念，如2000多億個乒乓球能裝進多少個100立方米的房間呢？
人類是無法計算大數的，所以有了計算機。計算機每秒運行百萬或上億次的計算，我們也沒有概念。這就是量級的差別，什麼事量級呢？舉個例子，芝麻，西瓜，多少個芝麻也比不上一個西瓜對吧。好，接下來這樣來對比，芝麻——西瓜——山脈——地球——太陽——銀河——宇宙。
2.快和慢
人的進化很慢，每個世紀只有百分之幾；經濟和社會發展也很慢，每年幾個百分點；人本身不適應於非常快速的的發展變化；計算機的發展變化是18個月翻一番，10年增加100倍，在智能時代人要適應這種變化。
3.多維度和單一維度
從總體來講，人腦是線性處理事物的，看問題是一個角度，也沒有能力把很多角度綜合起來；但是計算機有這個能力，佔了多維度的便宜。
4.網絡和個體
人的思維是個體行為，做決定彼此不干擾。這有好的一面，但也難以集中很多人的智慧，產生疊加的效果。事實上，群體智慧的簡單疊加甚至不如個人的智慧。但是人工智能是建立在網絡效應的基礎上的，它是通過彼此聯繫的計算機共同協作工作而產生的。
5.自頂向下和自底向上
自頂向下做事這一點是計算機的精髓， 而人更適合自底向上。在一個組織內，自底向上的做事方式更容易激發群體的積極性，但是容易造成資源的浪費。
6.全部和局部
人做事情時限於自己的認知，通常得到的是局部最佳，失去對全局的優化的可能性。由於計算機有處理大數的能力，以及是自頂向下的做事方式，共容易得到全局最佳。這一點在AlphaGo和人際對弈時表現得淋漓盡致
7.成本和表現
人很多時候喜歡強調對錯，喜歡追求絕對的公平，喜歡要求最好的結果。但是，從工程的角度講，好和壞只是在固定成本下相對的表現，計算機裡邊無論是軟件設計，還是硬件設計，都是在平衡性能和陳本的關係。
掌握計算機思維還需要理解下面兩個原則：
1.等價性原則
很多時候，一個較難的問題A和相對容易的問題B是等價的，但是人類常常容易給什麼問題就解決什麼問題，給了A就解決A，儘管它很難。而計算機則會試圖解決等價，但是卻更簡單的問題。
2.模塊化原則
我們在生活中，做一個桌子或椅子，會直接去做。而在計算機世界裡，永遠是限制做幾個非常簡單能夠大量複製的樂高積木塊然後用很多這樣簡單的模塊，搭出複雜的桌子和椅子。
和菜頭曰：我所說的每一句話，都是錯的！
閱讀更多 理論塢 的文章
