我的个人成长参数调优方法论

个人成长

在2016年的最后两天，我想写下自己在过去一年领悟到的生活调优方法。之所以取了上面的标题，是做了一个和个人专业相关的类比。这个类比不是本文原创，但有足够的普适性，所以这里也在做一下解释。

我的专业和机器学习相关，工作中相当大比例的内容是针对某一具体问题，首先进行抽象描述，建立模型；然后利用原始数据训练模型，调整优化模型参数；最后利用训练好的模型去预测判断解决问题。

如果在做一个简化抽象的描述就是：输入、处理、输出。这个过程和人的认知世界的过程，甚至更广泛一些，和整个人生的成长过程都是完全一致的。

新旧交替之际，有必要对这三个阶段的定位进行全新的思考和梳理，一则对自我生活的原则有更深的理解，二则分享出来，期望能给你带来启发。

归纳起来就一句话：扩大输入的带宽、加快处理的速度、提高输出的质量。下面逐一解读。

1. 扩大输入的带宽

输入决定着输出，为了保证有原料可以处理、有内容可以输出，增加输入是必须的。输入量就像训练模型所需的原始数据规模和质量一样，对模型的效果起着至关重要的作用。而输入主要受到三个因素的影响，分别是输入时长、输入速度、输入质量。

每个人每天都只有同样长度的24小时，毫无疑问，在这个维度上，天才和普通人、富豪和穷人之间，并无本质差别，最终输入量的大小，并不主要取决于这个因素。任何人都可以通过付出更多时间，来积累、提升相对与之前更大的输入量。

输入速度这个因素有两层含义，一是直观的输入速度，即是相同时间内能够实际get到的输入量，这个有很多技巧，指读法、扫读法、精读法、主题阅读法等等，不同书籍类型采用相应的方法。但是，我想说的是，绝对的速度并不是最关键的，快慢也不是绝对的，还会受到输入质量的影响，关于输入质量稍后会有详述。对于一些经典书籍，李笑来甚至提出只字不差的阅读方法，需要反复的阅读。从我个人的体验来看，这个方法是先慢后快型的，效果显著。

输入速度的第二层含义，是指最新有价值的知识和信息，你是否能够第一时间触达到，并且发挥它的价值。这层含义在商业上有更直接的应用，甚至被一些大佬转换为更有江湖侠气的口号『天下武功，唯快不破』。这意味着，只要跑的足够快，跑到领头羊位置，只要整个架构不散架，那么就有更大机会获取成功。

在个人成长的意义上，有相当大比例的原始信息，是以英文形式出现的，那么对于英语不过关的同学，获取输入的速度天生就要比那些直接从英文中获取原料的人慢，因为信息流转多一个环节，要等到各类从业者将英文原料加工、翻译、转换之后，才有机会得到。

影响输入的第三个因素是输入质量。怎么衡量质量的方法，每个人都有各自的方法。我个人的标准是，输入是否能够作用于自身，是否影响践行，是否丰富完善知识框架，是否加速个人成长。这个标准，在很多书中都得到了不同程度的印证，作者包括查理芒格、李笑来、金克木、采铜等。

基于以上对输入的理解，我个人在2016年给自己制定了相应的策略，以期扩大输入的带宽：

1. 利用主题阅读的方法来学习『怎么阅读』，先学会阅读之后，才能更高效的阅读。这部分内容，将会有专门的文章总结分享；

2. 强制每天通过英语获取一定比例的信息，包括持续阅读英语原版书（目前主要是技术专业类），跟踪最新的专业技术文章，Medium推荐文章，Quora热门问题等。2017年将加大使用英语获取新鲜输入原料的占比，甚至加入一个专门的英语学习社区；

3. 每日完成固定阅读时长，我的方案是早起，至少维持一个输入量的基准线，同时调整作息时间，确保不影响平时的工作；

4. 主动涉猎某些新的领域，进行快速的调研、归纳和输出。比如，次债危机到底是怎么回事？海外购房投资的可行性？AR/VR未来是一个什么类型的机会？电动车牌价值会逐年递增吗？等等。要想回答这些问题，需要一个足够开放的资源输入，得出的结论不一定完全准确，但是可保持输入通道的畅通。

这些方法在2016年收到一些成效，但仍有改进的空间，需要持有更开放的心态，包括和更多领域的人聊天学习等。大的方向是持续扩大输入带宽。

2. 加快处理的速度

在机器学习上，处理速度主要取决于模型的合理性以及CPU、GPU的性能，更多的是硬件。而在个人成长中，加快处理速度，主要是提高自己的分析和理解能力。也分为两方面，一是分析问题的深度，二是分析问题的效率。

首先来看分析问题的深度，这里有一个类比。在数据分析领域，最基本的一个能力就是『细分』。比如某业务的一个关键指标昨日大跌，想要知道大跌的原因，怎么办呢？答案是细分！分解到每个具体的渠道来源上，观察每个渠道的变化趋势。如果能够定位到某个渠道上，那就看看在该渠道上发生了什么，这个过程可以逐级进行，直到发现问题的源头。

其实对于任何问题的分析，都可以借鉴这一思路。首先定义问题，当前有哪些影响因素，逐级细分，找到问题的源头，反问当前所得的原因是该问题的本质吗？是否还有更进一步的推导？逐级细分，就是逐级的趋近问题的本质，从而制定相应的解决问题的策略。

分析能力第二个关键能力和细分正好相反，更强调整体，以及和外部事物的链接所带来的影响。这就像前文中所述，个人的知识框架越完整，那么带来的有关链接的分析可能就越全面。

需要特别的说明，分析问题的思路深度依赖逻辑能力和个人的知识框架。而这两个能力的获取，则是通过持续高质量的输入和训练逐渐积累而来的，没有捷径。

而针对分析问题的效率的加速，无他，见的多了，自然就快了。这也是查理芒格极力推崇的构建跨领域思维框架的重要性所在，当你拥有了100个领域知识的基本框架，那么对任何问题，基本上都可以能够快速的类比起来，能够将问题的触角和知识框架进行全方位的比较，那么分析问题的效率想慢都很难。

同样，在以上理解的基础上，我个人使用了如下的具体策略：

1. 注重积累碎片知识，但不止于碎片。有意识的将新获取的点状知识，有效的融合渗透到知识框架中，当你能够比较契合的建构某一领域框架之后，在观察某些现象和问题，会有既见树木，也现森林的感觉；

2. 对接触到的任何领域，打开眼界，保持琢磨的态度，不排斥不设防，努力看到一切事物的好的一面，持续升级新老概念；

3. 定向内省自我的认知偏差，很多错误结论，不是逻辑错误，而是源头上的认知偏差。有关认知偏差最有名的一个例子，大概就是幸存者偏差，一句话来说明就是，二战飞机通过返回来机身上的弹孔分布情况来优化飞机的结构，很不幸这样分析得到的结论完全错误，只是因为那些被击落的飞机根本就没有回来。

4. 增加独处时间，尽可能的放弃多任务，更聚焦的解决独立问题。一方面是期望在独处、静思方面能有新的体验，同时也是提升内在的感受力和灵敏度，为“输出“提供更多的内在养料发现机会。

如果还按照前面计算机硬件的比喻的话，那么处理能力的加速，升级大脑操作系统，也相当于不断的调整人生模型的参数，持续优化升级大脑的认知框架和破解自我偏差。

3. 提高输出的质量

在机器学习过程中，输出相当于将训练出来的模型应用到新的样本上，用来预测、判断和决策新样本的特征和结果。类比到个人成长上，输出也是将大脑处理器已有的能力，作用到新问题、新场景上，提供有效正确的解决方案。

输出的形式多种多样，最重要的场景有三个，分别是工作、家庭、思维。

工作场景，将是我们立足社会，创造价值的最重要的方式。在这里，将内心的冲动转化为一种可以预见的未来，全力以赴的践行，从行动中得到反馈，从身边的同事和朋友身上学习。

家庭里，将对于家庭关系的理解，将对于关怀、爱、付出和沟通的理解应用到实际生活中。

在思维上，写作、演讲、聊天等都是有效的渠道。可以说，到处都是练兵场，思维锻炼的机会无处不在，比如此时此刻敲出这篇文章也在进行着思维的锻炼。

但是尽管如此，还是要找到符合自己的有效输出方式。工作中，通过设计产品、编写程序等方式将一次性的工作，无差别的提供给用户使用是高效的；家庭中付出时间陪伴，打造亲密夫妻亲子关系，从时间轴的角度看也是高效的；在思维层面，公开写作、讲演分享，理论上可以提供给未来的所有人同样是高效的。

对于我个人，以上几种方式，都是正在努力践行的。如果在给2017年几点更具体的期望，大概有如下几点：

1. 放弃部分安全感，可能会尽快的投入到一个更早期的初创公司中，以期能遇到更多的惊喜；

2. 在家庭中，更勤快多做一些，为家人多分担一些，加固家庭整体单元的和睦，承担更多的责任；

3. 持续写作，保持至少每周更新的频率，倒逼自己进行更为有效的总结沉淀，也期望能增加一些影响力。

2016年即将过去，回头望去，有做到好的，更多是做的不好的。最不好的地方，在于认识到了某个道理，但是却没有坚决的、毫不迟疑的践行！

为此，给自己2017年的寄语，用一句话就是：坚决践行、主动成长。

有这样的机会，已是人生所给予的最大恩赐！

还要什么自行车？