谷歌方法论：系统学习和机器思维

以下内容是近来听吴军的《谷歌方法论》有感所得：

    你可能并不同意其中观点，但我一直笃信的是：一篇文章或一个观点，包括一部电影，是都不会让100%人满意的；

    如果你同意其中的观点，那么就是你所得；如果不同意，那么可以当作听故事一样一笑而过，也可以去查资料来反驳，这样同样有所得。

    和菜头的文章下边通常会有一句意味深长的话，我看后感慨万分，等下放在文章末尾。

    欢迎大家在评论区留言......

系统学习的重要性

    系统学习是一种学习方法，是指把所学内容当成是一个系统看待，力求从大方向出发指导学习，这样，在学习和复习的时候不是按部就班按章节行进，而是先模糊概括，再逐渐在大框架下逐步明晰细节、完善结构、针对缺陷和不足专攻的学习方法。

    把想要学习的整理出一个框架，明白哪些是需要学习的，哪些是不必要的。例如 如何成为一个合格的计算机工程师，那需要什么样的知识体系？

    第一步需要会写程序，了解数据结构、算法。这个可能需要一年的时间去学习，然后去实践一年。

    第二步去写效率较高的程序，需要了解计算机能给你多少资源

    第三步实践的时候，需要具体去做，例如如何用计算机识别人脸？ 先看看别人是怎么做的，要学计算机视觉，要学算法等等。        

    总结，需要通过学习一门课，有切身的感受；也需要不断的练习，练习多久，需要看个人。

系统学习的四个现象和原则

    1.要了解知识的背景和相关性。任何一个知识点都需要放到更大的环境中去理解。

    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，而是选择和过滤信息。把所学的知识使用好。学会使用Google查找信息及讲述知识的视频非常重要。在需要使用时手到擒来。不要把有限的脑容量记忆不常用的信息

    3.学习的目的不能是为了解除焦虑，而是为了解决你真正遇到的问题。学习的目的应该集中在解决问题，并且为了解决问题进行深度思考，直到问题解决。

    4.系统地学习离不开讨论。

人的认知有三个来源

认知学上知识的获取有三种

    1.亲身感知： 旅行是亲身感知的一种方式，这些感知到的东西有些时候他人告知是无法领悟的；但是所有的事情都靠亲身感知，就太慢了，例如数学，不能靠自己去推理出来，这样花费时间太久，在已有的知识体系，可以快速获得的情况下，他人告知是最快的学习方式，教育就是如此。

    2.他人告知：上学读书是学习新知的绝佳途径；

    3.逻辑推知：人类新知的来源，一个人一辈子通过这种形式得到的新知是很少的，牛顿发现万有引力，大多数人达不到的。

旅行的意义

    1.是为了增长见识，他人告知的事情自己验证一下才能记住，变成自己的一部分。

    2.了解别人没有告诉你的，自己旅行时知道了，可以告诉他人

    3.其次也可以放松心情，寻找灵感。迪士尼为了写剧本；会给编剧放半年的假期去非洲大草原或其他地方寻找灵感。

    当然不止这三点，如果你有其他的见解，欢迎补充

把事情做好需要搞清楚的三条边

1.第一条边是基线，你可以理解成直到今天为止人类或你所掌握的知识。不同人的基线不一样，我们所有的工作，都应该建立在这条线的基础上，并想办法提升它。

    对于不同的人，这条线的高度是不同的，对于专家，基线就很高；对于入门初学者，基线就很低；     我们所有的工作，都应该建立在这条线的基础上，而不是从它的下面开始做起，这一点很重要；     例如，今天搞飞机研发的专业团队所在的基线是三层楼高，北航发动机专业毕业生的基线是在地平线上，那些民间发明家的水平就是地下室三层。

2.最上面那条线，是理论给出的极限，是无法突破的。可以认为是造物主创造这个宇宙时留下来的。例如光速、绝对零度，能量守恒定律。

    在工程上，专业人士和业余爱好者的差别在于是否了解极限的存在 工程师和科学家又一个不同，科学家常常告诉大家这件事可以做，但是工程师要明白怎么做

3.第三条边是能够扶着向上攀登的绳子，或者说阶梯。它需要你把目标拆解为具体的行动步骤，并专注其中。

为什么下面粗，上面细呢？     因为靠近基础的部分，全世界做的人很多，各种行之有效的方法也很多，而越到上面，越接近有难度的目标，常常就没有太多的道路可供选择，甚至很多道路都要靠自己探索因此就越画越细。

计算机思维有7对关系

    机器思维是什么，从下面7个方面来解释

1.大和小

    什么是大，什么是小呢？我说1个、2个、3个可能都明白，我说银河系中有2000多亿个恒星，你会说哦，2000多亿啊，但是2000多亿到底有多少，可能就没有概念，如2000多亿个乒乓球能装进多少个100立方米的房间，这个问题我们如何去估算呢？

    人类是无法计算大数的，所以有了计算机。计算机每秒运行百万或上亿次的计算，我们也没有概念。这就是量级的差别，什么事量级呢？举个例子，芝麻，西瓜，多少个芝麻也比不上一个西瓜对吧。好，接下来这样来对比，芝麻——西瓜——山脉——地球——太阳——银河——宇宙。

2.快和慢

    人的进化很慢，每个世纪只有百分之几；经济和社会发展也很慢，每年几个百分点；人本身不适应于非常快速的的发展变化；计算机的发展变化是18个月翻一番，10年增加100倍，在智能时代人要适应这种变化。

3.多维度和单一维度

    从总体来讲，人脑是线性处理事物的，看问题是一个角度，也没有能力把很多角度综合起来；但是计算机有这个能力，占了多维度的便宜。

4.网络和个体

    人的思维是个体行为，做决定彼此不干扰。这有好的一面，但也难以集中很多人的智慧，产生叠加的效果。事实上，群体智慧的简单叠加甚至不如个人的智慧。但是人工智能是建立在网络效应的基础上的，它是通过彼此联系的计算机共同协作工作而产生的。

5.自顶向下和自底向上

    自顶向下做事这一点是计算机的精髓， 而人更适合自底向上。在一个组织内，自底向上的做事方式更容易激发群体的积极性，但是容易造成资源的浪费。

6.全部和局部

    人做事情时限于自己的认知，通常得到的是局部最佳，失去对全局的优化的可能性。由于计算机有处理大数的能力，以及是自顶向下的做事方式，共容易得到全局最佳。这一点在AlphaGo和人际对弈时表现得淋漓尽致

7.成本和表现

    人很多时候喜欢强调对错，喜欢追求绝对的公平，喜欢要求最好的结果。但是，从工程的角度讲，好和坏只是在固定成本下相对的表现，计算机里边无论是软件设计，还是硬件设计，都是在平衡性能和陈本的关系。

掌握计算机思维还需要理解下面两个原则：

1.等价性原则

    很多时候，一个较难的问题A和相对容易的问题B是等价的，但是人类常常容易给什么问题就解决什么问题，给了A就解决A，尽管它很难。而计算机则会试图解决等价，但是却更简单的问题。

2.模块化原则

    我们在生活中，做一个桌子或椅子，会直接去做。而在计算机世界里，永远是限制做几个非常简单能够大量复制的乐高积木块然后用很多这样简单的模块，搭出复杂的桌子和椅子。

 和菜头曰：我所说的每一句话，都是错的！