提高智商的法宝

深入思考。比如我大三暑假思考概率论,写了至少十几页的思考结果。还比如我做毕设的时候,用一个叫做hslx的word文档,不停的思考这个问题。

思维显化。将我思维中的内容显化到一个客观的物质载体上,大大降低了思考对大脑的各项能力的要求。

物质刺激。比如咖啡、可乐,但是咖啡的效果强,对身体的伤害也很大,特别是胃。

=======上面是比较抽象(大)的手段,针对具体问题还有其他手段=======

化抽象为具体,化特殊为一般。因为抽象思考,总是比形象思考更容易,所以xu’yao

我的失败AI自学生涯(总结经验)

为了写邮件,弄清楚自己有几斤几两(尤其是在我引以为傲的DL/ML/NLP方面),才发现,我在这些领域拥有的知识,简直可以说不值一提!

我真的是很难受很难受很难受很难受很难受。因为这意味着我他妈两年的时间,几乎都在做无用功!

,,,,,主要是总结经验,因为这是非常难得的失败教训,,,,,

1. 为了学习而学习,缺乏实践缺乏对算法深入理解的途径。(如果我搞ACM,每天刷一道POJ,那么成长是肉眼可见的,而学ML,说实话,大多数时候都只是临时背住了这个东西,然后就忘了,因为我在闭上书以后,就再也没有思考这个知识机会了!){但是如果我能去实验室,能够做ML相关的项目,}

成长的感悟

很烦恼啊,成长啊。成长啊。一个人一直做着同样的一件事,为什么就长大了呢,为什么一切就不一样了呢。

  • 有些无奈,不知不觉就长大了,似乎我除了年龄又长了一岁,也没什么收获。
  • 我已经23岁了,我是爸这边的亲属中,最年老的,可是为什么,我感觉自己仍然是个孩子,还在逃避长大,不想承担责任。

显化思维

其实显化思维的方法,不仅仅可以用在显化我的思维,同样还可以显化其它的东西,比如,我在tensorflow的教程上,看到一大块的代码,各种nn的堆叠,这时候,我就可以拿起我的笔和纸,把这个代码,“显化”成一个层次化的图的结构。

在提升我的智商的方面,我现在有两大法宝,第一个法宝是深入思考,比如我写文档之前的胡思乱想,解决问题时,把对问题的解决思路记录下来都是属于深入思考,第二个法宝是显化思维,由于显化思维具有很强的发展潜力,所以在这篇文章中,我就深入讨论,怎样进行显化思维。

显化思维主要借助的,还是利用文字,将思维显化到某个载体上,比如笔记本,比如草稿纸。

然后显化思维的具体方式。

  • 最基础的阶段。只是将所看到的,或者所想到的,都写出来。
  • 初级阶段。对所看到的,或者所想到的,进行提炼归纳,有了稍微深入的个人认识

密码

简单的密码:

a193746528

hkwn60950491

mei2462242715

一般的密码

hkwn60950491.

复杂的密码

google1314nuli

google1314nuli.

wnsr19960312a.

hwnsr19960312a.k

ZGZ4jqzzyd48.(找工作是近期最重要的事吧.)

论“基础”

“基础”是一个很重要很重要的东西,可是它却又因为身处最底层,而不被人重视。【一个不恰当的比喻来证明基础不容易被人重视,一栋1000m的高楼,由于这栋楼在地上的太高了,以至于人们认为支撑起这栋楼这么高的东西,是楼层之间的结构,但事实上,最根本的支撑不应该是这个地基吗?】

一些想到的事例:

  • 规律的睡眠与起床时间(也许还可以加上吃饭时间),是一切生活习惯得以坚持的最根本的支撑。比如如果我不早起,睡一会懒觉,那么我可能牙不刷、鼻子不洗,然后这些原因又会导致我身体状态不好,进一步导致各种各样的问题。
  • 比如土地问题,是一个国家最核心的问题。毛主席说,“中国国民革命是农民革命”,“中国革命的中心问题是农民问题”。然而现代社会这么发达,就会让人产生怀疑,似乎土地不是最核心的,最核心的是社会上过了多好的生活,赚了多少钱。
  • 唯物主义。物质决定精神,精神反作用于物质,但是人们往往忽视物质的基础,犯唯心主义的错误。
  • 比如芯片。仅仅几个关键核心芯片,中兴这家大公司就跨了,可见,芯片这个信息时代最重要的物质基础,往往被人们忽略。

基础的结构:层状结构。

就好比网络的四层结构一样,尽管有跨层的少数例子,但是绝大多数情况下,高层服务的运行,是建立在底层服务的基础之上。

操作系统可以看做一种基础,上面运行的程序是高层的应用。

社会中,经济基础是基础,上层建筑是高层的建设。

国家中,土地是最底层的基础,是比经济更底层的基础。

所以,当我们讨论基础的时候,其实已经默认了,还有更高的一层,以这个基础为成长的根本,是一种层状结构。

所以基础是很重要的,因为基础不好,上层的建设就不扎实,不稳固。所以我们学习的时候,也要注意打好专业基础。

自然语言处理的应用需求

我大一的时候,写那篇关于AI的英语作文,就列举了很多AI的很多应用需求。然而那个时候还不太明白AI背后的技术支撑。

现在我投身于自然语言处理领域,支撑我对这个领域的热爱,首先自然是它是人类交流信息的主要载体,然而这个支撑并不够稳固,我必须要在现实中,寻找更稳固的支撑我的兴趣实际需求。【我的写作动机,这是非常重要的,因为NLP的基础性决定了纯粹研究NLP是会很枯燥的,所以寻找到与上层应用结合的兴趣支撑点是非常重要的!】

ps:其实了解应用场景,也有助于我了解我应该学习什么样的知识。

这篇文章用于分析自然语言处理的应用需求,当然,需求可能不是直接的,比如自然语言处理,可能作为某个需求的基础支撑而出现如语法解析,有时候又可能是直接的,比如对话系统。

暂时先列个提纲,以后再思考:

信息检索:

  • 针对有明确答案的的信息检索需求。【这方面感觉Google做的很不错了,比如人口有多少】
  •  

教育领域:

  • 24小时不停的英语口语教练啊!
  • 万能的百科全书

医疗领域:(这是我很想进入的一个领域,因为我想要帮帮护士,也想要减轻看病困难的压力。对护士,我的想法是这样的,如果通过人工智能技术,降低了医生的需求,而护士的需求并不会降低,那么由于医生需求数量的减少,护士的工资就能提高!这样就能间接帮助护士了。)【但我并不知道该如何进入这个领域,并且也缺乏深入的了解。】

对话领域:

  • 情感需求(就是想和人说话!)
  • 直接查询需求(解释**是什么?)
  • 功能需求(比如操控台灯,播放音乐,听歌,算数学。。。)【功能需求的以达特点是可以通过非常清晰的规则解决】
  • 突然想到,要是人去世了,但是我们利用数据再克隆一个虚拟的人,用来交流,那也能缓解我们对逝去的人的怀恋啊!【不过感觉这个太难了,并且如果能实现有一种恐怖的感觉】

机器翻译

  • 这是一个比较难的方向,因为如果能够真正做到翻译准确,即使是形式的学习,达到极限,也无法做到的。【不过这个方向,招聘的人比较少。。。】

文本分类:

  • 一个经典的问题,不算特别难。。。

 

========================================================

其实上面说的都是一些一般规模的应用,不过其实我之前分析为什么我要研究NLP的时候,就已经明白一点,即NLP其实是一个基础的学科【比如搜索是应用,而分词、语义分析等就是NLP的内容了】,因为它的基础性,所以除非我是提供底层技术支持的,不然基本上不能产生多大的价值【不过NLP属于算法,基本上不太可能出现专门提供技术支持,除非是如BERT这种大型的模型,我可以给一个api,提供云服务来收费】。

所以我可以去那些有大量文本/语音应用场景的领域,利用NLP技术去极大的提高这些场景的文本/语音处理效率。

不过由于语言是一种显化的工具,其实我最希望的【不过也许难度有些高】,就是从存在信息,但是没有语言的地方,用语言,显化出其中的信息。【比如给视频生成字幕、识别出图片中的动物(或者描述图片的内容),是一种最基本的显化】。

面试问题

如果你想要找技术方面的工作,那么请先确保,你是一个技术大牛,擅长各种技术。

如果你想找研究方面的工作,那么请先确保,你是一个研究大神,擅于探索各种前沿知识。

【似乎不同档次的人,面试的方式完全不同,很明显,我是最底层的人,我的面试,和一般人的面试应该差不多。。。。不过我现在连简历的关都过不了,更别说什么面试了】(自我定位)

面试职位专业基础

  • Machine Learning 基础
  • DeepLearning 基础
  • NLP 基础

算法基础

计算机专业基础

  • 数据结构(各种操作)
  • 操作系统(Linux等)