- 1 -算法
趨勢和隨機編程
13年的時候,公司編程大賽的題目是蟻羣算法。靈感源自,科學家對一羣螞蟻作了個實驗,在蟻羣和食物源之間設置了兩條長短不一的通道,沒過多久,幾乎整個蟻羣都發現了最短的路線。iphone
爲何呢?學習
螞蟻在爬行過程當中會釋放某種信息素,其餘螞蟻會跟蹤信息素強的路徑走。相同時間內,路短的通道,螞蟻來回次數更多,釋放的信息素就會比路長的強,而後吸引更多的螞蟻選這條路,越多的螞蟻選這條路,這個地方的信息素就越濃,更多的螞蟻就過來了。spa
這就是趨勢。設計
固然,編程大賽的題目不會就這麼簡單,給定的再也不是兩條通道,而是隨意設計的一張很大的地圖,有無數條通道從蟻羣通往食物源。可是,通道太多,螞蟻第一次放出去遠遠覆蓋不全,由於新的通道上沒有信息素,根據趨勢,全部的螞蟻都會愈來愈集中到已知覆蓋範圍內的最短路徑上,也就是螞蟻變聰明瞭,沒有螞蟻願意放棄已知捷徑,去尋找新的路徑。blog
這樣就會面臨一個問題,如今找到的最短路徑,並非真實的最短路徑,甚至差的很遠。這個時候就要引入新的機制,機率隨機。一隻螞蟻大部分時間按照趨勢運動,必定機率下,須要隨機運動,來探索未知領域,尋找到新的趨勢。已知領域越大,真相就越近,當已知擴大到整張地圖時,真相就浮出水面。事件
這就是隨機。ip
- 2 -產品
蟻羣模型
咱們姑且把上面講的蟻羣覓食現象,稱爲蟻羣模型,這個模型裏,除了趨勢和隨機,還須要加入另一個因素,就是眼界。
你可能會以爲,最短路徑不就是兩點之間取直線麼,但那是人的視角,螞蟻是二維動物,它只能看到先後左右各一步的距離,人的視角之於螞蟻,就至關於上帝視角之於人。就比如,十年前的你能預測到十年後的今天,社會能發展成這等模樣麼?
梳理一下這個模型:螞蟻的眼界很是窄,單靠一隻螞蟻不可能找到目標,可是能夠用本身和其餘螞蟻的信息素做爲反饋機制,找到眼界裏的趨勢,又經過隨機機制,擴大眼界,找到新趨勢,無限逼近或找到目標。
好,這個模型創建起來後,咱們看看這個模型能不能套用在人身上。
對於人來講,方向遠遠比努力更重要。
好比你的孩子在菜場剁魚頭,那麼不管他比別人早起三個小時,仍是晚睡四個小時,收入增長都是有限的。可是你發現,村裏原來出去上了大學的人,過年回家都人五人六了,在你的眼界裏,讀書上大學就應該被定義爲趨勢,你的孩子不該該再無比努力的雕琢刀工,而是放下菜刀,讀書考大學。
再好比,你村裏的青年馬雲,已經意識到考大學是一種趨勢,發憤圖強,連考了三次,終於如願。後來作了英語老師,他當時的趨勢應該是成爲全國十佳優秀青年教師,可是他在西湖邊接待老外拓寬了視野,並在一次偶然的隨機事件--去美國討債--中接觸到了互聯網,無心鏈接到了一個更大的趨勢,成爲了後來的馬雲。
- 3 -
學習敏捷力
那麼,你是想成爲菜場的剁魚小販,仍是英語老師,仍是馬雲呢。
你可能會說,你並不想成爲一個剁魚小販,但也無心成爲下一個馬雲,安靜的作一個英語老師就能夠了。可是,當今社會發展之快,常常會讓你基於老模式下的努力,變得毫無心義。
好比,你是一個諾基亞手機鍵盤的設計工程師,爲了解決用戶的痛點,加班加點,準備設計出一款更好的鍵盤,可是iphone出現了,它雖然沒有解決鍵盤的老問題,可是卻讓你準備解決鍵盤問題的努力變得毫無心義。
你兢兢業業,勤勤懇懇想要維持的穩定,可能由於時代的某一個小浪潮,瞬間就化爲烏有。
那應該怎麼作呢。
判斷趨勢,若是你所處的行業,大量優秀的人已經開始流失,人才再也不進來,留下的都是混吃等死,巴不得體制一萬年不變的人,那麼這個行業可能就不在趨勢上,若是你的公司裏面長久以來都是一批人,用同樣的流程作同樣的產品,公司的增加可能也就消失了,若是你本身,還在一直使用10年前的技能包打天下,失去了對新事物的好奇心,失去了學習的動力,懼怕變化,成長也就再也不了。
對於我的而言,判斷行業或者公司的趨勢是很難的,須要很大的運氣成分。
可是,敏捷裏有兩個概念,一個是迭代,一個是小步快跑(或者說精益),這是一種不知道將來具體是什麼的模式,經過設定開始和規則,而後不停的迭代,把當下每一個迭代的事情作到極致,每一個迭代後的反饋和輸出,又從新做爲輸入,進入到下一個迭代。以此無限接近趨勢。
放大到通用層面,咱們先在本身眼界範圍內,不斷學習身邊、或者網上的牛人的工做方法,思惟方式,甚至生活節奏,把這些牛人在作什麼定爲本身的趨勢,而後不斷迭代,讓本身保持在趨勢中。
除此以外,能夠每一年都作一件過去沒作過的,有趣或者有價值的事情,讓本身的生活存留必定的機率隨機,保持鏈接到其餘各類新趨勢的可能性。
一段時間回過頭,你或許會發現,追求穩定是多麼好笑,將來在哪裏也已經再也不重要,只要保持敏捷力,過程的每一刻都是美麗的。