心里有数: 生活中的数学 学习笔记

心里有数: 生活中的数学 学习笔记

思维篇 用理性思维看待世界

1. 平静接受现实, 努力改变概率: 事在人为和命中注定的生活态度都是有问题的, 是否成功是一个概率事件, 需要努力提高概率. 但是谋事在人成事在天, 通过增加尝试次数和成功概率追求最终的成功
2. 不要高估解释低估预测: 解释展现的只是信息搜集能力和问题归因能力, 只有预测才能直接展现你对于事件理解的深度, 以及证明你逻辑的正确性. 如果一个人能够充分解释, 其不一定能够正确预估, 因为充分解释可能是由于过度学习
3. 三个臭皮匠未必顶的过诸葛亮: 群策群立需要的是不同的视角不同的背景才能达成对于事件全面分析的目的, 过分相似的背景和视角会导致分析陷入共同的视野盲区, 虽然交流过程中会互相附和而愉快, 但是其实际无法产生价值
4. 频繁的小确幸和偶尔的大幸福: 从平均幸福水平的视角而言, 具有能够发现小确幸的能力, 能够提高生活的平均幸福程度. 背单词也是一样充分进行小刺激比间隔很久进行一次大刺激的效果更好
5. 深层剖析利与弊: 不同的工具其存在性能上的利弊关系, 但是对于某个特定的问题某些功能能够最大化提供支持. 例如 GPU 比 CPU 单线程执行效率差但是能够处理机器学习和图像任务. 旅行销售员的NP难问题的启发式算法是通过降低结果的最佳程度但是优化结果的求解速度, 可控的与可接受的弊如果能换来目标的利则是有价值的
6. 世界是稀疏的, 复杂现象背后有简单规律: 信号能够被分解为不同波的聚合, 看起来拥有智能的复杂系统只是通过简单规则的涌现, 需要能够从复杂现象中获取其中真正的简单规律
7. 看似相关实则独立, 条件独立的启示: 统计学上的相关性并不意味着事件之间具有因果关系, 可能只是一个事件的两个结果, 可以通过条件独立的方式进行分析, 如果在某条件下这两个事件是独立的, 则这两个事件间没有因果关系. 情绪也是一样, 使用不同视角观察世界同样的事情可能会映射为不同的情绪
8. 空气净化器和卡尔曼滤波器: 滤波器思维在现实生活中的应用在于在具有噪音的体系中获取真实的目标值, 其能够结合事情本身的变化规律和当前的观测结果得到对于最终状态的判断

方法篇 解决难题的策略与技巧

1. 稳定与跃迁, 负反馈和正反馈: 在追求稳定的时候需要构建负反馈的激励体系, 在积极进取的时候需要构建正反馈的激励体系, 如何想要锻炼身体需要能够为锻炼这一事件建立起正向的反馈
2. 什么是好的设计, 底层更重要: 最初的设计确定的是基本的思路和项目的基础, 需要充分考虑底层的需求和基础的匹配程度, 如果在基础阶段出现问题则会在上层体系中出现无法弥补的问题. 设计好的蒸饭锅不需要温度传感器, 设计避免忘记身份证的识别机不需要复杂的判断逻辑. 设计的重要性远远大于优化
3. 模仿, 抓住本质, 摆脱限制: 模仿的核心是抓住本质与摆脱限制. 通过学习已有系统中的核心思维进行迁移应用, 但是不能被局限于模仿对象的外在表现或者是一些受到环境约束的妥协设计
4. 何时守成, 何时冒险, 看基础概率: 通过大数定理对于自己做某个决策的时候进行分析, 当出现基础概率不佳的情况下就不要进行冒险, 而当基础概率能够支持冒险再进行冒险
5. “执两用中”的智慧, 最小二乘法: 对于无法精确计算的体系需要是的总体误差最小的结果
6. 精益求精与步步为营: 精益求精是使用一步到位的形式进行完成, 在完成过程中做到最好, 步步为营则是通过划分实现步骤, 每个步骤提供一个更加逼近最终结果的项目.
7. 变换的思维: 当问题不好解决的时候通过转化问题的形态进行问题的解决. 如何避免切洋葱呛人? 将洋葱放到水中切
8. 模拟退火算法对于人生优化的意义: 在年轻的时候多去尝试, 随着年龄的增加找到最适合自己的领域进行发光发热, 而不是被局限于一个局部最优解而无法再进行进步

学习篇 如何学习与表达

1. 怎样学习最快: 有自己思考的学习最快, 不是简单的接收他人的观点, 而是基于他人提出的问题进行自己思考后进行比对
2. 好的学习方法论, 人工智能学习策略的启发: 参考人工智能的学习方法.
   1. 单任务学习: 监督学习的思维, 不断对于输入进行预估, 将预估的结果和真实结果进行比对
   2. 多任务学习: 使用相互关联的学习任务进行学习, 能够提高自己的学习效果
   3. 迁移学习: 相似环境中通过简单规律进行映射
   4. 元学习: 学习如何学习
3. 如何清晰地表达一件事: 从大层面总结到细节的方式进行描述能够最符合听众预期地进行事件的描述. 先给出总体的概念, 范围较广的概念, 然后再进行细化. 描述事情的时候由基本判断, 事情概况, 详细经过的形式进行描述. 进行图片传送的时候应当先传输大致轮廓, 再填充细节