top of page

終身學習應對多變時代

Updated: Apr 28

很榮幸得到加拿大卑詩大學(University of British Columbia)中國峰會的邀請,讓我有機會分享自己的一些經歷和觀點。首先,我覺得成功的起點,肯定是能找到自己喜歡的、並且堅持繼續做,及懂得怎麼樣增加成功率。或者說,需要找到自己喜歡及熱愛的領域,這樣可以讓自己一直堅持下去,過程中不斷學習如何做 得更好。 在人生路上有四個方面的積累很重要:財富、人際關係、知識和思維方式。財富和人際關係很容易理解──沒有財富很多事情辦起來有困難,多個朋友多條路。但知識的獲取和思維方式卻沒有前者這麼明顯了。 數據量漸多 試錯成本降 二十世紀五十年代,教育學家諾爾斯奠基了成人教學(Andragogy)。Andragogy由古希臘詞andros即「人」和agogos即「指南」所組成的,意指的是成年後的知識取得方法。有一個針對200名高管的研究表明,每個人有着各種學習方式,但傳統的學習只佔了總體學習時間的10%。在技能日益快速變化的時代,非正式學習對於個人能力培養反而更加奏效。所以學者認為建立終身學習文化應該始於成年之前。我們正處於高度聯繫的世界中,在更多的智能終端(包括智能手機)出現之後,非正式學習的可能性激增:我們從接觸一個辦公室的人到有機會接觸到無限制的互聯網用戶,從看一本書到訪問維基百科上280多種語言的數千萬篇文章。唯一的限制可能是每天你還是僅有24小時的時間。 古人說的好,「人無志不立」,如果你有了志向及目標之後,下一步是什麼? 橋水基金的瑞.達利歐(Dalio)曾經說過,他是一個專業的試錯者,我覺得這個說法特別適合於大數據時代。因為當數據量足夠大的時候,在機器學習的驅動下更有利我們從錯誤中分析出改進的辦法,甚至發現新機會。當試錯成本會隨着數據量而減低,創新的門檻也自己降低。所以在20年的互聯網工作過程中,已經養成了我的一句口頭禪:與其討論半天,不如快速測試。

Recent Posts

See All
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
智能代理編程戰 懂人機協作致勝

上周把兩個消息放在一起看,很有意思。 第一個,Anthropic宣布Claude Code推出Artifacts,讓軟件工程師在寫程式的過程中,業務主管能同時打開網頁儀表板,就能看到軟件即時更新及開發的狀態。 第二個,中國人民大學和微軟亞洲研究院聯合推出一個叫Arbor開源自主人工智能體的新框架,系統能自動提出假設、修改代碼,運行真實實驗並從結果中學習,自動優化解決問題。 過去一年大家比併的是模型

 
 
集結舊手機算力 媲美當今伺服器

你可曾想過,你抽屜裏那部4年前的舊手機,可能很有價值? 這個星期,Google Research聯同加州大學聖地牙哥分校(UCSD)公布一項創新計劃:運用2000部退役的Pixel手機,構建一個真實可用的雲端計算平台。這不僅是概念驗證,更是一個供數百名學者與研究人員實際操作的生產級環境。處理方式十分直接,將舊手機的熒幕、電池、外殼全部移除,僅保留主機板,透過Kubernetes技術組成叢集,直接轉

 
 
bottom of page