安豬瀚的一家之言：多讀書，多看報，少吃零食，多睡覺

想來這是我博客發的第二篇非技術文章了，6年前開博的時候就給本身立下一條規矩，只談技術，不談風月。

一來以爲寫那些心情隨想、人生感悟什麼的，未免有些老氣橫秋的感受，二來是以爲寫這種文章的人未免總有一些居高臨下，假借教誨的感受，由於文字這種東西，讀者在讀的時候只能看到文字，沒法和做者當庭battle，就算實在看不下去，在留言區battle，做者也能夠大能夠置之不理，一副我tm經歷的比你多，你憑什麼質疑個人感受。

那爲何又要本身打臉，寫這篇文章呢。一來是由於最近確實不少讀者朋友經過博客園的渠道私信我一些問題，還有直接發到我公司郵箱討論問題。其中比較多的問題是在問網絡安全和機器學習應該看什麼書之類的話題。我本身以爲本身也不算什麼專業人士，爲何會有朋友問我這個問題呢？洗澡跑步的時候想了一下，大抵是由於你們看我常常在微博裏裝逼，發一些什麼書單推薦什麼的，就造成了一種「觀察者誤差」。

我這裏想對學習、看書、研究這件事發表一些個人一家之言，所謂一家之言，就是不表明客觀立場，不帶理論證實，僅僅是我本身的觀點，若是有不一樣意見的讀者朋友歡迎在留言區battle我，反正我也不會回覆。

 

1、入門時候該怎麼讀書

每一個學科都是一個森林，一頭扎進去，確定一開始是茫然失措的，這時候天然的想法是想要有一個map地圖，看看下一步該往哪裏走。

筆者本身以爲剛開始接觸一個學科的時候，動手的時間最好要大於看書的時間（8：2），這裏的動手就是寫代碼，調試，作demo，這個階段比較適合閱讀一些「xxx從入門到放棄」這類的書籍，能快速給出一個大的road map，創建一些感性認識，沒錯，就是感性認識，這個階段不要求理性的推導和理解，感性和圖像式的認識能快速創建信心，信心超級重要，能催生出繼續往下走的慾望。

幾個月後，「xxx天精通xxx」這類書已經不能知足你了，基本上看一眼標題就知道內容要寫啥了，這類書能夠拿去墊桌子。那接下來怎麼辦呢？立刻拿起「xxx原理深刻分析」嗎？筆者以爲不是。

當已經對一些套路有了基本的熟悉以後，就要開始養成」提問「的思惟模式，所謂的」提問「就是，你看到一篇paper、看到一段代碼、遇到一個問題、看到書上某一行話。忽然間腦子裏蹦出幾句話：

• 這段話對嗎？爲何對呢？
• 做者太tm叼了吧，他怎麼就能想出這個想法呢？我也是人，爲啥我就想不出呢？
• 這段話我好像在哪看過啊，和xxx那本書上xx的定理好像說的差很少意思啊，它們之間是啥關係呢？
• ...

這種想法一旦萌生，就像你在酒吧看到一個美女一我的孤單地坐在吧檯邊上同樣，你會很是地好奇，想深刻了解。

接下來的事情就是，你會對這個問題進行分解，例如：

• 這塊理論涉及到哪些書呢？taobao買起來，pdf也買起來
• 這塊理論的歷史上有沒有前置理論呢？按照時間軸把整個理論脈絡都梳理出來，逐個推演

這個過程會很是痛苦，沒錯，是痛苦，但也快樂着。由於一旦按照理論的前置推導的方式來組織知識，你就發生會發現沒有一個知識是獨立存在的，樸素貝葉斯那種獨立同分布就是扯淡，生活中歐泰少見了，大部分時候，一個知識點會牽扯出另外一個知識點，另外一個知識點又繼續牽扯出另外一個知識點，寫代碼的程序員都知道遞歸，而知識的這種遞歸，十幾層都是很正常的。

大部分時候，你從一開始提出某個問題，到開始研究，過程當中偶爾都會忘記爲啥會買到這本書。例如筆者研究NLP的一個具體問題，居然過程當中發現，必需要讀香濃的信息論，那是一本厚到能夠砸暈你工位旁邊同事的大部頭書，其中酸甜苦辣和幸福感，只有經歷者本身才能體會了。

總結一句話就是：問題驅動的讀書，圍繞具體的理論和應用問題，展開遞歸式的研究。

 

2、怎麼平衡最新論文和經典估計的關係

[arvix]天天都會產生出大量的優秀論文，昨天還在大放異彩的BERT，今天就有被Xnet替代的可能，緊跟科技最前沿彷佛是一個很是苦難的問題。那怎麼辦呢？

筆者本身的觀點是，不要讀最新論文！最多讀一讀序言或者主要思想！

由於若是將每一個人的知識體系看做是一棵樹的話，那些發表出的論文都是這棵樹長出的果實，果實雖然很是可口，可是其底層的核心仍是其樹幹和樹根。是跟和樹幹是果實背後的支撐和基礎。

若是想成爲lecun，hinton，不該該去看他們在今天發表的論文，而應該學習其本科、碩士、博士早年的學習和研究過程。

再進一步，咱們應該逐漸養成學科體系的思惟，從最基礎的地方出發，逐步的推導和演進。

那最基礎的東西是什麼呢？難道是啓蒙運動？亞里士多德？伽利略？筆者以爲那倒也不至於，具體什麼東西是基礎，我以爲這取決於每一個人本身的狀況。

一個很簡單的判斷標準就是：若是一篇論文，你能夠從最簡單的原子公式，一步步推導獲得論文裏的結論和答案，那這篇論文你能夠讀，你的基礎目前就是夠的。反之，若是發現有一些東西看不懂，不知道怎麼來的，就要想一想究竟是缺了什麼東西，多是機率論，多是泛函分析，多是集合論，也多是優化理論。

更進一步地說，筆者認爲：」世界不須要第二個hinton，世界須要一個安豬瀚「，學偶像的成果最多隻能成爲第二個偶像，你本身造成本身的知識體系，經過本身獨特的研究習慣和方式，才能開創出屬於你本身獨特的學派和學術應用成果。

總結一句話就是：多讀經典，少百度，少沉迷論文和最新成果。

 

今天就說這麼說了，忽然發現，不寫技術文章，寫吹牛博的文章，還挺舒服的，至少都是真情流露，不用遣詞造句。

我和同事一塊兒維護的知乎專欄，https://zhuanlan.zhihu.com/cyber-security-data-science

若是有讀者朋友有關於網絡安全和數據分析方面的問題想要探討的話，能夠私信咱們，咱們以後會在知乎發文章進行討論和回答。