独立日

未分类 - Written by 刘未鹏 on Saturday, February 7, 2009 12:57 - 1 views - 22 Comments

Mind Hacks, http://mindhacks.cn @ 2/7/2009

前生：C++的罗浮宫@CSDN

简史：2003 年 8 月第一篇博客，最初几年关注C++，后依次关注算法、人工智能、思维与认知科学。

数据：五年零六个月。发文 119 篇。其中原创 111 篇，翻译 8 篇，转载 0 篇。访问量 一百二十万，评论数 1984 （很巧的是，这是我的出生年）

阅读全文 >>

逃出你的肖申克（一）：为什么一定要亲身经历了之后才能明白？

思维改变生活 - Written by 刘未鹏 on Sunday, January 18, 2009 21:32 - 44,520 views - 38 Comments

（一）为什么我们常说很多时候一定要亲身经历了之后才能明白？

1. 切身体验。亲身经历一个负性事件带来的情绪记忆要比看着或听说别人遭受一个同样的事件所感受到的强烈得多，形成的负性条件反射也远远更持久。我们一定程度上的确能够感同身受，但心理学实验同样也表明，自己是无法从强度上真正感同身受别人的痛苦的，《Mistakes Were Made(But not by Me)》 p192 举了一个极聪明的实验：

即便两者实际上是一样程度的，我们自己所感受到的痛苦也总是比观望别人的痛苦要强烈得多。一个古老的笑话是这样说的：别人断了条腿没啥大不了的，我们断了根指甲就要大呼小叫了。这个笑话碰巧生动地描述了我们大脑的神经系统的工作方式。英国的神经科学家们曾经做了这么一个实验：将人们配对进行“以牙还牙，以眼还眼”实验，每对被试食指上都夹着一个夹子，实验者通过这个夹子往其中一个人的食指施加一定的压力，然后让他施加同样的压力给他的同伴。结果是没有一个人能够做到公平，尽管他们很努力地试图做到，然而他们总是施加更大的力道给他们的同伴——他们心里认为这正是他们所受到的力道。研究人员认为这一效应是我们的神经处理机制的自然副产品。这个实验有助于解释一个我们常常注意到的现象：两个人你打我一拳，我还你一拳，结果很快拳头的力道就会越来越重，从打闹变成了真正的打架。每一方都认为自己是在公平地还以颜色，而实际上他们却并不是以牙还牙以眼还眼，而是以眼还牙，结果再弹回来的时候那家伙就想卸你的腿了。（翻译）

阅读全文 >>

锤子和钉子

思维改变生活 - Written by 刘未鹏 on Friday, January 16, 2009 21:25 - 13,686 views - 7 Comments

有这么一句古老的箴言：

如果你手里有一把锤子，所有东西看上去都像钉子。

与上面对应的还有另一句话（实际上这是我杜撰的:D）：

如果你想钉一个钉子，所有东西看上去都像是锤子。

用大白话来说就是：如果你心中专注于你想要解决的问题，那么你所看到的东西就会呈现出以往你没有看到的一面。

阅读全文 >>

什么才是你的不可替代性和核心竞争力

学习方法 - Written by 刘未鹏 on Wednesday, January 14, 2009 21:28 - 23,054 views - 13 Comments

我虽不是经济学专业，但是翻开任何一本经济学的教材，或者直接翻开 wikipedia 的 economics 条目，都会看到物以稀为贵这条铁律。人才作为资源的一种，也是同样的道理。而稀缺性，换种说法也可以叫做不可替代性。一种资源越是稀缺，不可替代性就越强。再加上如果这种资源是一种具有实实在在使用价值的东西（而不是荷兰的郁金香泡沫），那么其价格就会越高。

问题是，如何构筑你的个人知识体系，使得你的知识技能集尽可能成为不可替代的呢？

阅读全文 >>

如何清晰地思考（近一年来业余阅读的关于思维方面的知识结构整理）

思维改变生活 - Written by 刘未鹏 on Thursday, December 18, 2008 20:10 - 18,122 views - 9 Comments

一年前一个偶然的机会我遇到了一本书——《影响力》，看完这本书之后对我们如何思维产生了极大的兴趣，于是在一年的时间里面密集地阅读了以下一些方面的经典著作：社会心理学、认知科学、神经科学、进化心理学、行为经济学、机器学习、人工智能、自然语言处理、问题求解、辩论法（Argumentation Theory）、Critical Thinking、判断与决策。以及大量的 Wikipedia 条目。

这一年来，对以上这些领域的阅读和思考给我带来了极大的价值，我相信他们也会给你带来巨大的收益。

阅读全文 >>

一直以来伴随我的一些学习习惯(四)：知识结构

学习方法 - Written by 刘未鹏 on Friday, December 5, 2008 21:21 - 13,324 views - 3 Comments

抓住不变量

我喜欢把知识分为essential的和non-essential的。对于前者采取提前深入掌握牢靠的办法，对于后者采取待用到的时刻RTM (Read the manual)方法（用本）。

如何区分essential和non-essential的知识想必绝大多数时候大家心里都有数，我举几个例子：对程序员来说，硬件体系结构是essential的，操作系统的一些重要的实现机制是essential的，主流编程范式（OO、FP）是为了满足什么需求出现的（出现是为了解决什么问题），是怎么解决的，自身又引入了哪些新的问题，从而适用哪些场景）。这些我认为都是essential的。我想补充一点的是，并不是说硬件体系结构就要了解到逻辑门、晶体管层面才行（其实要了解到这个层面代价也很小，一两本好书就行了），也并不是说就要通读《Computer Architecture: Quantitative Approach》才行。而是关键要了解那些重要的思想（很长时间不变的东西），而不是很细的技术细节（易变的东西）。《Computer Systems: A Programmer’s Perspective》就是为此目的，针对程序员的需求总结出那些essential knowledge的好书。

阅读全文 >>

方法论、方法论——程序员的阿喀琉斯之踵

学习方法, 思维改变生活 - Written by 刘未鹏 on Wednesday, October 29, 2008 21:09 - 15,670 views - 8 Comments

以前，我认为一个事物对我没有直接用途的时候就不会去理会它，心理学上说我们都戴着自己的认知偏见的有色眼镜去有选择性地看待这个世界，纷繁的信息经过我们的认知图式过滤之后便成为少量有序的事件，所以我们都在有强烈选择性地关注一些事物和忽视另一些事物，然而，这样可能会导致丧失一些很有价值的信息，而总是将知识面停留在自己的小世界中——当然这倒也不是说看到什么都要凑上去学一学。如何在这两者中间取得折中，我觉得一个好的办法是先简略地想一下这是个什么东东，他的本质是什么，出现是为了满足什么需求，等等比较“高层”的问题（即“What”和“Why”而不是“How”），这些问题应该是可以通过简单的调研和思考得出结论的，至于背后的技术细节，如果你打算入行，就可以去学，如果不打算的话则可以免了，至少前面的思考和简单的调研能够一定程度上保证当有价值的信息或机会摆在你面前的时候你不会把眼睛蒙上走开，并且多做做这类思考对于思维的广度也很有价值。最近我开始认为，最佳的学习方法就是先广度优先遍历（先弄清What和Why），然后择最合适的分支深入（How）（算法牛人DD同学在TopLang上的一个帖子里面也提到类似的想法，刚进大学就能够如此清晰地看清前方道路的走法，我对DD很佩服）。

阅读全文 >>

数学之美番外篇：平凡而又神奇的贝叶斯方法

数学, 机器学习与人工智能, 计算机科学 - Written by 刘未鹏 on Sunday, September 21, 2008 19:34 - 24,239 views - 22 Comments

概率论只不过是把常识用数学公式表达了出来。

——拉普拉斯

记得读本科的时候，最喜欢到城里的计算机书店里面去闲逛，一逛就是好几个小时；有一次，在书店看到一本书，名叫贝叶斯方法。当时数学系的课程还没有学到概率统计。我心想，一个方法能够专门写出一本书来，肯定很牛逼。后来，我发现当初的那个朴素归纳推理成立了——这果然是个牛逼的方法。

——题记

这是一篇关于贝叶斯方法的科普文，我会尽量少用公式，多用平白的语言叙述，多举实际例子。更严格的公式和计算我会在相应的地方注明参考资料。贝叶斯方法被证明是非常 general 且强大的推理框架，文中你会看到很多有趣的应用。

阅读全文 >>

一直以来伴随我的一些学习习惯(三)：阅读方法

学习方法 - Written by 刘未鹏 on Wednesday, September 17, 2008 21:18 - 13,021 views - 6 Comments

2. 根据主题来查阅资料，而不是根据资料来查阅主题。以前读书的时候是一本一本的读，眼里看到的是一本一本的书，现在则是一章、甚至一节一节的读，眼中看到的不是一本一本的书，而是一堆一堆的章节，一个一个的知识主题，按照主题来阅读，你会发现读的时候不再是老老实实地一本书看完看另一本，而是非常频繁地从一本书跳到另一本书，从一处资料跳到另一处资料，从而来获得多个不同的人对同一个主题是如何讲解的。比如最近我发现在看蒙特卡罗算法时就查了十来处资料，其中有三四篇 paper 和六七本书；这是因为即便是经典的书，你也不能指望它对其中每一个主题的介绍都是尽善尽美的，有些书对某个主题（知识点）的介绍比较到位，有些书则对另一些知识点介绍得比较到位。而有时候一篇紧凑的 paper 比一本书上讲得还要好。我硬盘里面的书按主题分类，每个主题下面都有一堆书，当我需要学习某个主题的知识时（譬如贝叶斯学习或者神经网络），我会把里面涉及这个主题的书都翻开来，索引到相关章节，然后挑讲得好的看。那么，如何判断一个资料是好资料还是坏资料呢？

阅读全文 >>

机器学习与人工智能学习资源导引

机器学习与人工智能, 计算机科学 - Written by 刘未鹏 on Thursday, September 11, 2008 19:29 - 7,835 views - 2 Comments

我经常在 TopLanguage 讨论组上推荐一些书籍，也经常问里面的牛人们搜罗一些有关的资料，人工智能、机器学习、自然语言处理、知识发现（特别地，数据挖掘）、信息检索 这些无疑是 CS 领域最好玩的分支了（也是互相紧密联系的），这里将最近有关机器学习和人工智能相关的一些学习资源归一个类

阅读全文 >>