← 返回文章

未标日期 · vc_methodology / startup_fundraising / ai_agent

你是不是在假装学习?

前些日子,王左中右推了一篇嘲讽知识付费的文章,文末笔锋一转,为腾讯课堂做了个广告。本来这种拿人钱财,为人打call的文章无伤大雅,但估计是文中多次提到了『认知升级』『财富自由』等各位老师的专属词汇,引来一番口诛笔伐。刚好,我也借此回顾一下去年付费和不付费换来的一些收获。

段小张 1159 字

在小说阅读器中沉浸阅读

前些日子,王左中右推了一篇嘲讽知识付费的文章,文末笔锋一转,为腾讯课堂做了个广告。本来这种拿人钱财,为人打call的文章无伤大雅,但估计是文中多次提到了『认知升级』『财富自由』等各位老师的专属词汇,引来一番口诛笔伐。刚好,我也借此回顾一下去年付费和不付费换来的一些收获。

记得是万维刚老师提到了几个概念,理清了我对『学习』的认知。信息大体上分为几种:

  1. 故事(主要以娱乐为目的,比如明星八卦,和看电视剧)
  1. 情报(得知在何处能够获取一项知识,例如要健身找斌卡)
  1. 知识(能够直接解决某个问题的信息,例如一元二次方程的求解公式)

有了这个分类,我快速浏览了某『主流媒体』的标题,可以看到其实『故事』居多,例如:『云锋入股恐生变,A站再临生死劫』,『暴跌的不止币圈』,『李彦宏登上时代周刊』。这些故事,其实和『王菲结婚』这类娱乐八卦,或者『奇点临近』这样的科普娱乐,都没有太大的区别。

图片

再来看看昂贵的混沌大学课程。每年一千元的App课程,我们隐去讲者的名字,从标题看有『成为独角兽:融资的九大原则』,『机器学习:观点与挑战』,『零售变革:渠道为王到产品为王』。总体上是能够做到围绕一个话题,展开足够的长度和深度,也包含了理论、案例、讨论等必要的环节。投入2-3个小时时间,足以对某个领域/问题形成初步了解。

图片

那么问题来了,世间『知识』辣么多,迭代那么快(新材料,工业4.0,AI,区块链),是不是都要学,怎么学呢?

『一张蓝图绘到底』,30岁的我,在北三环的人行道上看到这句标语,若有所思。作为投资者,学习的目的主要是辅助自己的判断,其次是增强自己的说服力和影响力。为了这两个目的,在知识获取的过程中,我认为应当把每天见到的新领域的信息汇总起来,放在一个相互关联的『蓝图』中,进而做到交叉验证。

举几个栗子。近期在看雷达时,遇到了FMCW(Frequency-Modulated Continuous-Wave)调频连续波这个概念。即发出一段频率随着时间变化的波,通过观察接受时反射波的频率,可以知道是什么时间发出的,从而计算距离。这个概念本身并不复杂(此处略过公式若干…),在毫米波雷达中普遍应用。但在火热的激光雷达(Lidar)领域却很少应用,因为光的波长很短(几百纳米),对应频率非常高(在THz量级,是毫米波雷达的1,000倍),调制的难度很大。这点也验证了之前看毫米波雷达时,得到的『77GHz比24GHz开发难度大』的信息。如果画成知识图谱,大体如下所示。这样我们就在两个相邻领域间建立了一个链接。

图片

另一个有意思的例子是,脑神经科学研发发现,人脑约有100亿神经细胞,每个神经细胞有1,000-10,000个突触(对应一个链接)。突触之间不仅释放神经递质,进行电化学的转换,同时释放递质的多少,信号的强弱也包含了信息。而人类学习到的知识,就对应了通过一组神经突触链接的强弱。而在卷积神经网络的计算中,输入的信息(一个矩阵)也是通过一个权重的矩阵,得到一个卷积的特征。所谓的模型训练,目的就是得到这个『权重矩阵』。从这个角度讲,深度学习确实和人脑中的信息流有些类似。

图片

有了明确的目的,以及构建自己『知识图谱』的方法,再去获取信息时就能有的放矢,日益精进。最后,推荐一下万维刚的精英日课,万老师能够不断追踪英文世界的新书,讲得通俗且有深度,功力确实不一般。在斯坦福的书店看到万老师讲过的这本Tegmark的《Life 3.0》, 很是亲切。

图片
  • * *
图片