關於「學習」的新體悟

我們理解事物的方式和 machine learning 其實沒有兩樣, 就是看很多例子 (input+output) 找出規則 (model), 想辦法套規則預測新的結果

如果這個規則愈有系統性或愈好理解, 就愈有機會擴充成更好用 (通用) 的規則, 解決更多問題

有時候會先學別人整理好的規則, 加速上手時間。累積夠多的規則後, 有更高的機率能「觸類旁通」, 用更少的例子掌握到新的規則怎麼用

不管是什麼規則, 最終都會成為自己理解的版本。使用上有問題時, 和別人比對才會發覺哪裡理解錯了; 或是理解無誤, 是原有的規則有漏洞。無論何者, 結果都是修正自己理解的版本

順著這個思路, 就不需要糾結到底有沒有掌握到「正確」的規則, 反正最後都是自己的版本, 能用來解決在自己情境下的問題即可。有時看得太多反而索引速度變慢, 不見得更好用。

舉例來說, 「一般來說 90% 適合用 A 作法, 10% 適合用 B 作法」, 而我的環境出現適用 B 的情況占 80%, 那我理解的版本就該先試 B 才對。

所以看任何東西就腦補一下, 自己覺得說得通, 就先用這個 0.1 版規則試看看; 之後溝通或使用上有問題時, 再多查一下資料修正成 0.2 版。

長期這麼做都覺得很順暢後, 就會對這個「meta 規則」更有信心, 而能更快理解各種不同規則

目前覺得最大的瓶頸是記憶力, 需要適當的索引方式找回以前建立的各種

對《夏蟲不可語冰》的新體悟

《莊子。外篇。秋水第十七》：

井蛙不可以語於海者，拘於虛也；﹔夏蟲不可以語於冰者，篤於時也；曲士不可以語於道者，束於教也。

最近對此有新的體悟, 想了許久, 難以表達出來。只有個模糊的直覺, 似乎明白了什麼過去不明白的事, 也因此對莊子的智慧有了深一層體會

關於善良偉大的獨裁者

最近看到 Netflix 愛國者法案談到億萬富翁捐款背後的問題，還有和人聊到民主 vs. 善良偉大的獨裁者，有些啟發。

民識還未成熟, 民主不見得有好的表現, 此時, 善良偉大的獨裁者是否比民主更好? 讓我想到:

1. 羅爾斯說的無知之幕:

設想在「原初狀態」下的一方，他們對自己所擁有的技能、品味、和地位於當社會的情況一概不知。而於此狀況下讓他們對權力、地位、和社會資源通過一定的原則分配予諸人。比如說，一個假定的奴隸制社會當中有50%的奴隸，於是做「無知之幕」思想實驗的人們將會基於「進入這個社會的50%的人將會是奴隸」來做出選擇，而不會只去認爲自己是自由民。正如羅爾斯寫道「…這一點保證了任何人都不會在選擇原則時由於天然機會的結果或社會環境中的偶然事件而有利或不利。」這個概念是為了在分配社會合作的原則正義與否時抹除一己之私，或是自我階層的私利而創造的。

2. 邱吉爾說的:「民主是很糟糕的政府型態，但比任何其它存在過的型態都來得好。」

( "Democracy is the worst form of government, except for all the others." )

也就是說, 民主和保險有點像, 用來避免最壞的情況, 但不保證有最佳的情況

民識成熟需要很長的時間, 台灣才實行民主沒多久, 有可能再過個幾百年, 民主會變更成熟, 或是演化出比民主更好的制度

例如科技進步會帶來結構性的破壞, 以前覺得不可行的制度, 也許變得可行, 比方說像關鍵報告那樣或類似的系統搞不好會成真

民主雜感

以前聽到「民主不能當飯吃」, 覺得不容易反駁, 或是像蘋果橘子經濟學提到經濟學家的笑話: 經濟學家羞於被人知道去投票, 因為投票對個人的效用極低, 也覺得是事實

現在比較懂民主的效用。和打流感疫苗一樣, 民主是利他多於利己的行為, 當多數人不這麼作時, 就一起承擔後果。而民主比流感疫苗複雜的點在於, 民主不是投個票就結束, 還包含投票前的觀察和投票後的監督, 藉此不斷修正投票對象。可惜基本國民教育沒有落實教育理財規劃、民主這類重要知識, 出社會後, 更沒時間回頭打好這些基礎知識。

題外話, 和兒子一起成長的過程, 到是一個重新學習歷史、公民教育的機會, 到時也可以理解這三十多年來教育的演變。

要回答民主的用途, 要先理解法律 (=規則) 對生活的影響。

群眾一同生活需要團體規則, 想像和朋友們一起玩大富翁, 若朋友 A 自訂規則一開始就擁有黃金地段, 然後大家再開始玩。這種局面下很難翻盤。或是規定 A 走到你的地只需付 10% 過路費, 你走到 A 的地要付 1000% 過路費, 這遊戲要怎麼玩下去? 為避免大家翻盤不玩, 規則不會這麼極端, 但仍能維持有利於制定規則的玩家。

現今的社會其實和上面舉的大富翁例子沒差多少, 看看歷史了解那些不當取得財產的人後續發展, 還有現今的稅制。在這體制中人們不是習以為常沒查覺異樣, 就是明白不合理卻也無力更改。

換句話說, 有能力制定規則的人主宰了結果。當群眾範圍大到國家層級時, 法律就是規則, 並有絕對優勢的暴力強迫群眾遵守。需要有不斷修正規則的機會, 才能避免規則失衡, 而民主就是這個機會。

從民主能制衡「既得利益者制定損人利己規則」的角度來看, 雖然民主不能直接當飯吃, 卻是維穩生存的必要條件。

眼界

最近聽 Ray Dallo 的 Principles 和看江振誠的訪談, 發現同樣的觀點。

兩人都追求最佳的團隊, 不認同「領導」, 而著重團隊整體呼吸一致。他們優於團隊的能力不是像投資、廚藝這樣的專業技能, 而是視野。他們將自己的眼界傳達給團隊, 打造出能在他們要求文化下自主發揮的團隊。

想通這點後, 更能理解 格局/眼界 的影響, 還在模糊理解中, 似懂非懂, 看看如何運用在日常裡。

階級複製

備忘一些看到特別有感觸的圖文:

• 一張圖片讓你秒懂：貧富差距不可能靠教育翻轉，只能不斷階級複製下去 | BuzzOrange (原文出處: The Pencilsword: On a plate)
• BBC 花了 49 年跟拍真實人生，告訴我們「階級翻轉」的可能性 | BuzzOrange (待看)

從自己的角度看世界

《Sean Cheng: 對話就像傳接球》: 讀了以後大有收獲, 過去也覺得說話直來直往比較好，後來有慢慢修正，視情況調整，但是只是覺得這樣作比較不會惹麻煩。看了這篇的譬喻才想通，考慮對方的個性調整說的內容，是基本該作的。即使是很熟的朋友，家人和女朋友，有時也要思考一下，才能正確地傳達自己的意思。

摘錄幾段文字, 方便日後回想:

兩個人對話就像傳接球一樣。當一個想法在腦中形成，我們將它具象化，像球一樣丟給對方，對方接住，然後再丟回來，一來一往讓彼此的意見交流。

但對方可能手上握的是羽毛球拍或是桌球拍，也一向習慣羽球和桌球的傳接節奏，現在忽然丟過來一顆籃球打到他身上(因為接不住)覺得超莫名奇妙，就會想所以現在你是在挑釁嗎? 為什麼要忽然丟一個這東西過來砸我?

就想像別人在你沒有戴棒球手套的時候，全力向你投出一記速球我們會不會生氣就好。

《[討論] 悲觀者眼中的世界》: 用遊戲來比喻樂觀者和悲觀者的看法，讓我了解一些以前怎麼也想不通的事。悲觀者眼中人生就是款糞Game, 關機會讓週圍的親友痛苦, 但自己又無法從中得到樂趣。樂觀者無法體會悲觀者的想法。想到以前看過一張很傳神的圖，河對岸的人問說「要怎麼才能到對岸?」對岸的人回答「你已經在對岸了」。從自己的角度來看世界，無法理解其它人「理所當然」的困擾。

我沒辦法跳出從自己的角度看世界的框框，至少可以了解有這回事，減少自己先入為主地看待和解讀別人的言行。

理性思維與信任

話說我原本是因工安問題而反對核四, 為了避免確認偏誤 (傾向找支持自己認定結論的證據), 後來開始抽空看核能流言終結者的說明

看了一陣子後, 我降低對工安問題的疑慮, 也發覺之前強調工安問題的一些文宣, 有炒作的嫌疑 (如牆中的保特瓶)。剩下的擔憂是黑天鵝效應內所說的, 對於無法承擔傷害的事件, 即使發生機率再低也不可忽視。應該盡可能降低事件發生後造成的傷害 (例如藉由買保險回避個人身體出狀況或掛掉時的傷害)。

一方面政府在福島後有增加防護措施, 另一方面考慮到零風險偏誤, 讓我重新思考黑天鵝效應的合理性。

思考這些事的過程我發覺一件事, 無論如何理性的分析, 最後還是回歸一個基本的問題: 信任。我們相信轉發資料的人嗎? 相信別人對這些資料的解讀嗎? 相信資料的來源嗎? 即使相信來自台電的資料, 相信背後的政府嗎? 以公司來譬喻, 即使有超精實的員工, 能力和個人操受都值得信任, 上層主管腦殘, 結果還是會很慘。

於是需要有監督機制, 監督機制可信嗎? 朋友和我說, 他們行業 (不是資訊不是電廠) 的產品有個國際安規, 規範相當嚴謹, 認真做要花兩年, 但也有大陸公司可以兩個月通過 (言下之意是買認證)。即使我們相信規範, 也無法相信驗證的機構。

那麼, 提升資料透明度能避開做假嗎? 剛好網路安全的基石 SSL 近年來出過兩個大包, 一個是有更多證據指出美國 NSA 在 public-private key 產生的過程中埋了一個洞 (亂數產生器), 讓 NSA 可以輕易地破解 private key。還有最近才發生的 openssl heartbleed bug, NSA 可能已使用這個 bug 兩年以上獲得私密的資訊。即便 SSL 協定沒有漏洞, 也透過數學證明協定中用到的關鍵技術沒有問題, 實作上仍會有漏洞。即使 openssl100% open source, 還是有問題。

這一連串的思考, 讓我發覺無法完全理性分析地看待這些安全議題。出發點是想理性分析, 但是一層層分析完後, 剩下無法分析的部份, 變成相信與否。並且, 相信與否會直接影響結論。和朋友討論得到這點共識後, 都感到很感慨, 想避開意識行態做理性分析, 最後卻落入意識行態的結論。

定位反思

剛看了 llvm 作者 Chris Lattner 的經歷, 而有一些體會。過去直接或間接地知道一些相當聰明、執行力強、也常期沉浸在學術、技術的人, 感覺上這些人的才智應該不輸那些國際級的名人。除了運氣、環境之外, 現在覺得和專注也有關係。對照自己的過去, 感受更深。

沉思了一陣子後, 決定照《The Power of Less》的建議, 將最重要的目標列出來, 並思考我要如何達到這個目標, 中期短期該做什麼事才對。其實杜書伍在《打造將因基因》裡也提過同樣的觀念。所剩的時間不多了, 不知何時自己才會徹底地覺悟。

依碩士 + 工作第一年讀論文的經驗, 讓我明白自己不會想做 data mining 或 machine learning 的學術研究, 用它們做產品到還不錯。沒看過系統類的論文, 不知這類的學術研究是否有趣, 之前只聽別人提過這類研究很難發論文。

依過去雜七雜八的經驗來看, 鑽研技術比做產品有趣, 雖說做的東西還是要有人用才不會感到空虛, 不過那一步驟可以由其他同伴達成。我的喜好也和大眾使用者不同, 有興趣做工具減省重覆時間, 但抓不到大眾使用者的喜好。朝技術導向走較適當。

若不限領域的話, 解決自己的需求, 還有一路往下挖, 弄懂背後運作的原因, 一直都很有意思。但還是有個專一的目標較好。歸納之前有接觸過的東西, 我最有興趣的三個領域是:

• Programming language
• Machine learning
• Web 相關的技術

軟體工程不算在內, 因為做任何事都會增加這方面的經驗。

其它還沒接觸但有興趣的領域是:

• Compiler
• Operating system

自以為有興趣, 嘗試過後提早封殺的領域是:

• Game programming
• Computer graphics
• Artificial intelligence (到不是沒興趣, 而是相當不適合做為工作)

早期發現, 早期治療。雖說上述三項占了大學時代不少時間, 到是為日後省下繞路的時間。

這樣分析完的結果, 就是主題過於發散而無定論。唯一的體悟是: 察覺這是個錯誤的思考方向。

若以專案來看, 最有興趣的專案是 PyPy (或 CPython)。自己想寫的小東西是

• 帶有客制化自動排序機制的 reader, 可用來讀 Plurk / G+ 訊息
• 某個遊戲平台, 用自動學習的 AI 來個大亂鬥
• 一些雜七雜八的小東西, 讓我可以更方便使用 Chrome。像是 highlight 目前滑鼠游標在的那一行, 還有將目前在用的 ego-post 寫成 extension。

忽然有種開竅的感覺, 應該朝這方向思考才對。千里之行, 始於足下。該花些時間嘗試這些事, 花更多時間探索自己。

待有更多想法後再來補完, 也許是幾年後的事吧。