我希望20歲時就知道的七件事
最近正是各大學的開學季,疫情後初次重返校園,相信大家都滿懷欣喜和對未來的憧憬。當我20歲的時候,也在大學裡享受著求知的樂趣,當然,也少不了年輕的困惑、迷茫。
今天想跟大家分享我的人生經歷,有找到一生所愛的欣喜,也有做錯事的失落,還有銘記至今的感動。如果人生可以從頭再來,我希望自己在20歲時就知道這些。
一、“奇妙的錯位”,讓我找到人生熱愛
20歲時,我就讀于哥倫比亞大學文理學院。我當時不知道文理學院和工程學院的區別,我作為一個工程師卻在文理學院讀書。
但就是這樣一個奇妙的錯位,讓我讀到了很多經典,學習到了許多在工程學院根本學不到的內容。這些人類智慧和文學知識豐富了我的讀寫能力,一定程度上幫助我實現了很多寫作和演講上的成就。
在那個年代,律師和醫生是大家最嚮往的職業。我本以為自己也會成為一名律師,所以最初學的是法律專業。但一段時間之後,我發現法律不太適合我。我經常上課睡著,而且成績也不好,對同學們都很喜歡的內容提不起興趣。
於是,20歲的我做了一個決定,轉去電腦專業,學習程式設計和人工智慧,最終找到了我一生所熱愛的事情。
作為一個年輕的工程師,電腦令我癡迷。我發現我十分擅長電腦科學,不用怎麼費勁就可以輕鬆拿到A。
電腦和人工智慧是很棒的學科,奠定了我職業發展的基礎。有一句名言說,“當你從事喜歡的工作時,就不會覺得自己是在工作”,儒家有句話也說“知之者不如好之者,好之者不如樂之者”。
這其中蘊含著大智慧:當你從事喜歡的事情,睡覺、吃飯、洗澡你都會不自覺地去思考這件事;同樣,你會越來越擅長,更加喜歡它,形成良性迴圈。
二、“我不同意你,但我支持你去做”
從哥大畢業後,我前往卡內基·梅隆大學學習語音辨識和人工智慧。
那時的AI研究形勢並不好,雖然我的導師瑞迪教授(Raj Reddy,圖靈獎得主、卡內基·梅隆大學電腦系終身教授) 希望我採用“專家系統”,但我卻不是很認同。
我認為,機器學習應該讓電腦發揮長處,而不是跟著人的想法亦步亦趨。於是我鼓起勇氣,對瑞迪教授說“感謝您的指導,但我不想再繼續研究專家系統了,我希望用基於統計學的機器學習。”
我以為瑞迪教授會有些失望,沒想到他卻一點都沒有生氣。教授仔細聽我解釋完之後跟我說:
“開複,你對專家系統和統計的觀點,我是不認同的,但是我可以支持你用統計的方法做,因為我相信科學沒有絕對的對錯,我們都是平等的。而且,我更相信一個有激情的人是可能找到更好的解決方案的。”
那一刻,我的感動無以倫比。這不僅僅是一種慷慨,也是對科研新人的尊重。不僅如此,他還給我提供了很多資源,包括資料、設備和資金,對我最後取得博士學位幫助很大。瑞迪教授既是我AI科學研究的導師,也是我人生道路的導師。
“我不同意你的看法,但我支持你”這句話我記了很久。在我進入企業界之後,每當同事們有不同意見時,我都會鼓勵他們勇敢嘗試自己的想法:當這個想法成功時,對他個人和對企業都會帶來益處;而當這種想法失敗時,這種被信任和支持的感覺也會讓他們越挫越勇。
三、創新不重要,實用性創新才重要
畢業一段時間之後,我選擇去蘋果公司工作,也把這種語音辨識技術應用到了蘋果的產品中。現在Siri研發小組的成員,就有很多是我當年的同事。再後來我去了SGI公司。這家公司現在已經聲名不顯,但在當時的矽谷,SGI是一家和谷歌齊名的公司。
在SGI,我做的產品叫“3D流覽器”。大家可能都沒聽說過,其實這純粹是一群科學家的想法:在流覽器裡建一個3D世界,能夠導航,移動物體,和做非常酷炫的廣告。
我們當時已經做出了產品,並且運行得相當不錯了。我們盲目地相信,只要做出高科技的產品,就自然會有顧客和市場。然而事實是,沒人想購買和使用這個產品。
後來,SGI換了一個新的CEO,他為這個項目以及所耗費的公司資源感到失望。我告訴他,“這是世界上最好的VR技術,如果你不想留著,至少我們可以賣點錢。”
新CEO給了我一個期限,讓我尋找買家。我本以為能賣個好價錢,但最後還是以比較便宜的價格賣出去的。我感到十分內疚,自責當初就不應該組織這樣一個專案,看起來很酷,卻沒考慮實用性。
其實很多年輕人創業都會做出類似的決策,所以我非常建議大家再三考慮這些創新想法。創新不是最重要的,有實用性的創新才重要。
當你在設計一個技術、產品或創辦一家公司時,要想到你的投資者們正為此冒著巨大的風險。
四、如果想要,就積極主動地去爭取
從SGI離開之後,我就回到了中國,創辦了微軟中國研究院(後來的微軟亞洲研究院),《麻省理工技術評論》將其評為全球最熱門的電腦實驗室之一。當時研究院的主要成員,如今大都已成為中國知名科技企業的CTO或高管,像百度、阿裡巴巴等。
互聯網崛起之後,我對這個神秘的世界興趣日濃。當時最火的互聯網公司是谷歌,大家開玩笑說,如果你沒有得到谷歌的面試機會,就證明你不夠聰明。於是我給谷歌時任CEO埃裡克·施密特寫了封郵件,希望獲得面試機會。2005年,我正式加盟谷歌,擔任中國區總裁。
你們可能會問,你這麼資深還要自己寫信?他們不會直接聯繫到你,提供一個職位嗎?這就是我想告訴你們的另外一件事。其實當時谷歌和微軟正試圖達成人才競爭的約定,禁止主動挖對方牆腳。雖然這個約定沒有談成,但是當時要不是我的自薦,谷歌根本不會發現我,也就不會有後來的工作機會。所以,如果你想要,就積極主動地去爭取。
五、跟隨自己的心,找到心底的熱愛
隨著移動互聯網的快速發展,一大批創業公司開始湧現,我意識到中國的創業時代已經來臨,就像當初蘋果、微軟等公司創立時一樣,北京很可能變成中國的矽谷。
我想起了史蒂夫·約伯斯在斯坦福大學演講時說的一句話,跟隨自己的心,找到心底的熱愛。我們的人生由無數的節點構成,當你跟隨自己的內心,多年之後回首過往,會發現每一個節點的每一個選擇都是互相聯繫的。
你無法準確的預測未來,但是要相信,只要傾聽內心的聲音,這些選擇都會對你產生潛移默化的影響。
2000年左右,我給中國的大學生們寫了7封信,這也是追隨我的內心,幫助年輕人成長。我曾經為大約50萬名學生做過演講,出版了10本書,其中有5本都是寫給學生們的。
在微軟中國、SGI以及谷歌的工作,也讓我對科技瞭解頗多,所以我希望成為一名科技投資人,為初創科技公司提供幫助,創新工場的成立因此就自然而然的發生了。
這張圖是創新工場成立第一年的校招海報,上面寫著“加入你的公司”。我們的目標是讓年輕人以工程師的身份進入創新工場,通過技術創新得到資金支援,成為下一個成功公司的CEO。
這張海報中隨機挑出的八個人裡,有五個市值2億美元以上公司的CEO。所以我對於我們孵化創業公司的成績還是很驕傲的。
當AI時代來臨,創新工場投資了幾十家AI公司,其中包括五家獨角獸,我們還創建了AI工程院,並從中培育出了AI賦能與技術方案公司創新奇智。這些節點串起了我的經歷,也串起了中國過往10年的創業歷程。
六、世界上最富有的不是擁有的最多的人,而是想要的最少的人
回首過往,我真的是全心全意地投入到工作之中,一定程度上算是一個工作狂,我因此取得了一些成就,獲得了團隊的支持和外界的稱讚,我認為這樣的自己非常幸運。
上面這張圖片是2000年拍的,那時我剛做完一個手術,不能下床,於是讓團隊幫我做了這樣一個架子,我可以躺在床上繼續看電腦和工作。
這份熱情持續到六年前,直到我被診斷出患有淋巴癌四期。擴散的癌細胞取代了我的野心,我不得不接受生命可能只剩下幾個月的現實。朋友看我很痛苦,特地帶我去拜見星雲大師。
有一次,大師突然問我:“開復,有沒有想過,你的人生目標是什麼?”
我不假思索地回答:“‘最大化影響力’、‘世界因我不同’!”這是我長久以來的人生信仰:一個人能在多大程度上改變世界,就看自己有多大的影響力;影響力越大,做出來的事情就越能夠發揮效應……
大師沉吟片刻後說:“改變世界這個想法太狂妄了,也許只是貪婪的藉口。什麼是‘最大化影響力’呢?一個人如果老想著擴大自己的影響力,你想想,那其實是在追求名利啊!人生一回太不容易了,不必想要改變世界,能把自己做好就很不容易了。
我無法反駁他,我的那些聽起來宏大的目標,其實只是貪婪和欲望的藉口。他送給我一句話,“世界上最富有的不是擁有的最多的人,而是想要的最少的人”。
這句話讓我警醒,後來每當我覺得自己被欲望佔據時,都會想到這句話;每當我有想改變世界的想法時,我會讓自己思考,我這樣做究竟是不是為了追逐名利……
我學到這一課太晚了,之前的努力工作讓我錯失了很多與家人相處的機會:我的父親去世了,我甚至沒能來得及告訴他我愛他;我的母親得了失智症,認不出我了;我的孩子們已經長大,而我還不太瞭解她們……
我在化療期間讀了一本書,是Bronnie Ware所著的《臨終前最後悔的五件事》。正如書裡所寫,在臨終之時,沒有人會因為沒有努力工作而後悔,絕大多數人最後悔的事情,都是未能花更多時間與所愛之人相處。
我從星雲大師和Bronnie Ware學到了很多。我開始改變自己的工作方式,花更多的時間陪伴家人。母親去世前,我搬回家陪她度過了最後的時光;當孩子需要我時,我會把她們放在第一位,工作第二;我會花更多的時間和家人在一起,比如說出去旅行……
七、毫無保留地愛你所愛之人
這段人生經歷改變了我的想法,人生的意義應該是給予他人無條件的愛。在AI時代,這種愛更加難能可貴。
AI在做重複性工作方面比我們有優勢,但將人類與AI區別開的,是愛與創造。不管科幻小說如何描述,AI終究是沒有感情的。AlphaGo不喜歡下棋,它贏了比賽不會覺得開心,輸掉比賽也不會難過,事實上,它可能根本就不知道我們為什麼要下棋。
AI承擔重複性的工作並不意味著人類沒有工作可做,需要人情味和愛的工作仍然只有人類才能從事,比如導遊、禮賓、護士、教師等。
長遠來看,我更願意相信30年之後,我們會覺得AI的出現是件幸事:它沒有搶走我們的工作,而是將人類從繁瑣的重複性工作中解放出來,讓我們有時間去做自己喜歡和擅長的事情,構建出人類與AI共存的美好藍圖。
這就是我在過往的人生歲月中學到的七件事。當我在SGI公司的項目失敗時,我知道了創新不能忽略實用性;當我面臨死亡時,我學到了要毫無保留地愛你所愛之人。
One more thing -- 你看了這篇文章可能會發現我最重要的人生教訓不是來自成功,而是來自我的失敗。所以,請記住,你人生中的失敗,並不是對你做錯事的懲罰,而是一個學習人生課程的寶貴機會。
同時也有1部Youtube影片,追蹤數超過5,870的網紅珊蒂微AI,也在其Youtube影片中提到,【人物專訪|臺北大學商學院 統計系教授 吳漢銘 Han-Ming Wu】 時常有朋友問說:『以前統計學得很爛,也可以接觸與學習AI嗎?』 這個問題的描述看起來很簡單,但它並不是一個『能 vs. 不能』的是非題而已,其答案是有分層次的。趁著這次訪問問 臺北大學商學院 統計系的吳漢銘(Han-Ming...
機器學習與統計學 在 謝伯讓的腦科學世界 Facebook 八卦
認知神經科學之父葛詹尼加的新書《切開左右腦》中文版出版囉!感謝貓頭鷹出版社邀請我審定譯稿。以下來向大家推薦一下這本書,並分享一下我寫的審定序文。
2003年,一封來自美國達特茅斯學院(Dartmouth College)的博士班入學許可通知書,把我捲入了認知神經科學的歷史發展洪流之中。當時,正值本書作者葛詹尼加(Michael Gazzaniga)在達特茅斯執掌認知神經科學研究中心的期間。
當年一心想要研究人類意識現象的我,正是因為葛詹尼加的大名,才申請了這一所位於冰天雪地中的美國常春藤盟校,而這一封入學許可通知書,也徹底改變了我的一生。
1961年,葛詹尼加畢業於達特茅斯學院的大學部。隨後前往加州理工學院追隨斯佩里(Roger Sperry,1981年諾貝爾生醫獎得主)研究裂腦病患。
1985年,他第一次回到達特茅斯任教,之後又搬到加州。
1999年,因為發現裂腦病患似乎擁有兩個不同心靈而名滿天下的葛詹尼加再度回鍋達特茅斯,並為學校帶來前所未見的資金挹注,他當時所取得的研究經費,超過了全校總研究經費的一半以上。
在他刮起的「認知神經科學」熱門旋風的影響之下,達特茅斯成立了全美國第一個認知神經科學中心、以及全美第一棟擁有功能性磁振造影機器的心理系研究大樓。
在這段風起雲湧的時期,許多對認知神經科學有興趣的頂尖研究生、博士後研究員以及年輕學者都蜂擁齊聚於達特茅斯。只可惜,在我入學時,葛詹尼加正忙於行政與管理工作,並且在我入學兩年後便離開達特茅斯前往加州大學聖塔巴巴拉分校,因此我並沒有太多機會直接和他共事學習。
不過在葛詹尼加離開達特茅斯之後,我仍有機會結識書中第八章所提到的許多關鍵人物,例如心理物理學高手芬卓奇(Bob Fendrich),幾乎沒有預測錯誤過的心理統計學教授沃福特(George Wolford)、精力充沛的精神醫學科學家格萊弗頓(Scott Grafton)、青少年大腦的專家蓓爾德(Abigail Baird)、以及聰明過人的牛津大學教授布萊克摩爾(Colin Blackmore)等人。至於書中提到的那家催生出神經影像共享資料庫的「髒牛仔咖啡店」,更是我在學生時代光顧不下百次的熟悉老地方。
葛詹尼加在這本書中,以裂腦症的研究貫穿了他豐富宏大的一生。
如果你對大腦和裂腦有興趣,那你應該「閱讀」這本書,因為你可以在書中看到關於裂腦研究的第一手資料。
如果你對認知神經科學的研究方法有興趣,你應該「研讀」這本書,因為葛詹尼加為了研究大腦,無所不用其極地使用了各種可得的研究方法,並且對它們作出了最佳示範和描述。
如果你對科學假說的演進有興趣,你應該「猜讀」這本書,因為葛詹尼加清楚的展現出如何針對一個現象提出假說並進行驗證的科學活動過程。
如果你對科學家之間的社會互動有興趣,你應該「感讀」這一本書,因為你可以從這本書中看到人與人之間的互動、情感與想法衝擊如何改變一個科學領域的走向。
如果你是想要進入這個領域的學生,你應該「熟讀」這本書,因為你可以透過這本書知道其中各個相關研究主題的靈魂人物到底是誰。
如果你已經是這個領域的研究者,你應該「偷讀」這本書,因為你可以看到諸多名人、師長、同事和朋友的軼聞趣事與八卦。
如果你是科學領域中的領導者與管理者,那你更應該「搶讀」這本書,因為你將可以從中學到一個新科學領域的開創與領導先鋒如何展現其華麗的政治與管理手腕。
在葛詹尼加等身的諸多科普書籍當中,如果你想選擇一本起手、或者暫時只有時間閱讀其中一本,那就先從這本精彩絕倫的科學家自傳開始吧!
博客來連結:http://www.books.com.tw/products/0010713443
機器學習與統計學 在 寫點科普 Facebook 八卦
【早在三十年前,深度學習早就紅過了──淺談類神經網路曾經的瓶頸與衰頹】
人工智慧「現代鍊金術」的惡名,一直到 1980 年代開始才又復興。此時科學家不再使用傳統的邏輯推理方法,取而代之的是結合機率學、統計學等大量統計理論,讓電腦能透過資料自行學會一套技能,稱為「機器學習」。
機器學習方法有許多種不同的模型,此間爆發了兩次浪潮,第一波興盛的模型為「類神經網路」、又稱人工神經網路。類神經網路在剛出現時大為火紅、然而在不久後卻遇到了運算瓶頸,一下又沒落了下去,1980 年代中期,由其他機器學習模型,如支持向量機 (SVM) 模型作為主流。
一直到 2006 年,多倫多大學的 Geoffrey Hinton 教授成功解決了類神經網路所遇到的問題、讓類神經網路重新換上「深度學習」的名字捲土重來;如今深度學習技術對各大產業領域都將產生深遠的影響,堪稱第四次工業革命。
今天就讓我們來談談,機器學習模型的第一波浪潮「類神經網路」、其原理和瓶頸;與第二波浪潮「淺層機器學習」如:支持向量機 (SVM),之所以一時間取代類神經網路、作為機器學習的主流熱門技術的原因。
機器學習與統計學 在 珊蒂微AI Youtube 的評價
【人物專訪|臺北大學商學院 統計系教授 吳漢銘 Han-Ming Wu】
時常有朋友問說:『以前統計學得很爛,也可以接觸與學習AI嗎?』
這個問題的描述看起來很簡單,但它並不是一個『能 vs. 不能』的是非題而已,其答案是有分層次的。趁著這次訪問問 臺北大學商學院 統計系的吳漢銘(Han-Ming Wu) 教授 ,我們來跟他聊聊這件事。
然而,吳老師除了自身的數理統計專業,也相當注重生活各面向的平衡,是一位很有層次的老師,因此我們話匣子一打開,聊的議題就更多了。
影片分前中後三個層次:
👉前:我們與統計的距離是否就是與AI的距離/推薦統計書
👉中:導覽北大校園/老師講笑話的功力/對小孩的教育觀(意志力訓練)
👉後:人工智慧的跨領域精神 (興趣廣泛/嘗試新事物/素養/終生學習的態度)
【延伸閱讀】
統計學和機器學習到底有什麼區別?:https://mp.weixin.qq.com/s/xCJBowXS89UlHA07R8WNuw
#統計老師推薦統計書
#我們與惡的距離
#我們與統計的距離是否就是與AI的距離
#機器學習與統計學
#人工智慧的跨領域精神
#臺北大學
#統計系
#吳漢銘
#人工智慧
#AI
#跨領域
#AACSB
#紙飛機路跑
#台灣人工智慧學校
![post-title](https://i.ytimg.com/vi/qlrl8dfMJpY/hqdefault.jpg)
機器學習與統計學 在 機器學習中的統計基礎– Hoeffding Inequality - YouTube 的八卦
機器學習 中的 統計 基礎– Hoeffding Inequality. 251 views 2 years ago. PyInvest. PyInvest. 7.36K subscribers. Join. Subscribe. 8. I like this. ... <看更多>