写在建群100天

未分类

To All AI-hackers:

这本来是我为第三期学员准备的小小致辞，后来决定扩充一下给更多人看，包括未来我们可能有的新伙伴，关于这个群是如何存在，未来又会去哪里的一点想法。

今年3月份的时候，李世石对战AlphaGo，世界瞩目。李开复在他的一个访谈里面提到说美国一些名校做机器学习的博士生在硅谷可以拿到250万美元的年薪。当时大家都觉得是不是搞错了，应该是25万，后来发现真的是250万。在开智青年之长三角群里讨论很热烈，我就说我们是不是应该赶紧转行学机器学习。这个提议得到了阿纪的响应，然后就拉了几个人建了一个叫“薅机器学习”的微信群。

那么拉了人以后要干什么呢？我们做了两件事。一个是启动正式的学习，也就是大家现在在学的这门 Coursera上Andrew Ng 开的机器学习课，以及买了周志华老师出的《机器学习》教材（又称西瓜书）。另一个就是抱大腿。我们拉了几位专门做机器学习人工智能相关研究的博士生，tangtang和mew，又拉来几位在这个领域已经有很多经验的老师，包括鲍捷老师和肖凯老师。一开始是有点开玩笑的性质，但是这些人拉进来以后我们觉得确实可以走得更远一点。从世俗的角度衡量，我们中间可能诞生出未来的250万美元年薪精英；对一部分人，这可能是一个转到更有前途的领域的机会；对一部分人，也许会对自己原先的工作有所帮助；还有一部分人，可能就仅仅是通过这里来了解机器学习和人工智能的潮流究竟意味着怎样的一个未来。

事实上我们都很想知道未来AI是不是真的会颠覆很多领域。但是这一点我们肯定并不会比那些一辈子钻研人工智能的人更有发言权。想要能够洞察未来甚至在这个机遇里面获益，还是得靠踏实的求知。开Slack账号的时候我给team取了一个AI-hackers的名字。我的想法是：人工智能对于所有人来说都是一个迅速变化中的领域。我们确实需要学习，但是未必是按照学校的模式去一门门课地学习，而更多可能是用黑客的方式，在实践中学习，在浪潮中翻滚，甚至直接用来解决自己遇到的问题。

所以我想通过这个机会让大家思考一下：你在这个群体里面，对自己未来有什么样的设想，然后你又如何以黑客的方式去达成。这是没有标准答案，没有统一做法的。我作为班长和一系列活动的组织者，实际上大部分时间是在按照自己的设想来开辟战场。你们应该有自己的主张。你当然也可以自己一个人埋头学习，但是如果你真的有想法和规划，这个平台是开放的。你可以另选一门课，用自己的方式去组织集体学习；你可以针对一个实际问题，拉人和你一起摸索着解决；或者有什么比赛，你找几个人组队去刷。我巴不得你们都主动这么去做，这样氛围更浓厚，而我更轻松，何乐而不为？

但是这种开放、松散、自组织的方式只是事情的一面。我相信要真正做成什么事，选人时应该是有标准的。加入这个群，首先门槛就是，你已经是被开智筛选过的靠谱青年或他们的朋友们。而Andrew的这门课是第二次筛选。在某种程度上，它会过滤掉那些：不是真心对机器学习有兴趣的人、无法抽出业余时间来持续学习的人、以及基础技能尚未达标的人。如同任何一种一刀切的筛选一样，它会出现第一类错误和第二类错误。但我认为通过了这层筛选的人，极大可能是非常靠谱的。未来我们要深入学习，要组队，要推荐工作，肯定是会优先考虑把这门课刷完的人。而这门课对每一个人而言也是个自我测验：我是真的对机器学习感兴趣、有决心，还是仅仅在跟风和投机？后者很快就会被新的潮流带跑，在困难面前止步。

而在刷课之外呢？我建议大家多做分享。我们有Slack，可以长期记录每个人的细微表现。如果你默默地学习，对你自己来说也许没问题，但是有很多潜在的附加的可能性就没有了。对外分享也是在逼迫你下功夫去学到真本事。不知道你们有没有观察到一个现象，在学校里的时候，第一名比第二名会强很多。他为什么会那么强？因为所有人有了问题都是优先来找第一名问。他有无数的机会，在讲的过程中去锤炼自己的思维，去加深对事情的理解。我以前不懂，以为我学了一遍，懂了，记住了，就算完成。而其实这离“掌握”还差得很远。今天我占了大家一个便宜，由我来给大家讲课，这其实已经是我第二次讲。我想有没有可能，下一次来这里讲的人就不光是我。还有其他人也来争取这个机会。哪怕不来讲课，你在Slack上贴一下笔记，发一段代码，提一些问题，或是回答别人的问题，或是自问自答，都是利人利己的。

还想说一点怎么去学习。这里稍微分享一点经验和方法，也许你已经知道但是没有真正用起来。我们在学习的时候，是先把学的东西放到工作记忆里，再转到长期记忆。日后提取的时候，是从长期记忆里提取到工作记忆里面再用。而人类的工作记忆容量是很有限的，同时只能储存4个信息块。所以需要对要放进记忆工作区的信息进行组块，从而放入更多信息。一个组块可以是一些相互联系的概念，可以向下分解成更小的组块。就如同我们记手机号通常是分成三个组块记的，每个组块包含3-4个数字。而一个手机号作为整体又是一个组块。有时候你可能会觉得学习的内容太多了记不住。那么这个时候你可能需要先把内容分解成小的，能记得住的组块，反复学习直到能够掌握小的组块，再去记忆新的内容。

在这个过程里面，遗忘是经常发生的。如果说你每周都快到deadline的时候才去一下子学很多内容，你就没有足够的时间去掌握。可能到了下周就又得从头学起；隔了一个月以后把前面的也忘得差不多了。所以尽管说每周的内容可能突击三四个小时就能完成，我建议你们分解到每一天里面，不断重复，不断巩固。同时，如果你养成每天学习的习惯，也就不需要每隔一段时间，非常痛苦地逼迫自己去做这个对你来说是额外负担的事。有时候大家都会说坚持一件事情多么不容易；实际上问题不在于坚持，而在于养成习惯之前就放弃了。而跟流行概念不同，形成新习惯21天是不够的，60天可能是个更好的估计。

还有就是你需要利用一开始的三分钟热度。当你还感觉新鲜，好玩，或者今天看到我在发鸡汤打鸡血，又燃起了学习的热情的时候，你就稍微多学一点，多做一点。比如说搭一个写笔记的网站，比如说画一个思维导图，比如说把习题里面不需要你去编的代码也读一遍。总而言之，就是不要想着花最少的代价来完成这门课，而是预先留出充裕的时间，多想想怎么利用好这段时间多学一点。当然我更是强烈建议你来把这门课的内容给其他人讲一遍。如果机器学习未来真的成为你工作的一部分，我想你永远都不会后悔当初多花了一些时间进行过度学习，只会后悔当初怎么没多花一些时间把基础打好。

那么在做完这些事之后，你接下去要做什么，未来究竟会得到什么？正如前面所说，对每个人都是不同的。具体来说，学习高阶在线课程、根据相关书籍来练习、参加kaggle比赛，都是本群未来半年内很有可能会涉及的。对那些严肃把机器学习当作未来职业选择可能的人来说，也许会选择在这个领域深造，也许会找相关的工作，这里会持续成为一个沟通、互助、提升的平台。对那些想要让机器学习对自己工作有帮助的人来说，也许会从这里获得专业的帮助，找到解决问题的灵感甚至方案。而对于剩下的人，也许锻炼了一下大脑，培养了一点学习的习惯，享受了一段求知的乐趣，并不亏，不是吗？

至于我，还有一个使命是让大家在这里玩得开心一点。我会努力的^o^