大数时代下的思维模式

作为一个还未正式步入IT行业的本科生程序员，时常会对自己的未来产生如下的思考：
      1.智能时代的到来和变化如此迅速，各类语言应用每十年都又是一番景象，现在的所学以后又将如何发展？
      2.以后我又会不会成为IT行业中所谓的 "码农 " ？
      3.不想成为 " 码农 "，我又该具备什么样的能力？
      吴军先生是一位 IT行业很有名气的成功人士，在<<吴军的谷歌方法论>>中，我得到了些许的启发，我明白了在专业能力人人都具备的情况下，什么才是智能时代下少有人考虑而我们应该学习的

---

大数时代带来了什么

      其实在计算机被引入我们的生活那一刻开始，我们的知识体系就发生了重大的变化，但我们并没有意识到这件事。按吴军先生的说法，人对大数是无感的，就像古人掰手指头查数，如果这时让他们想象最大的数字，这个数字不会超过10，直到兽骨这一通过刻划计数的工具出现，人们认知数字世界的局限才被第一次打破了。同样得，计算机被引用后，我们原本所处的数字世界也发生了翻天覆地的变化，这种变化史无前例。因为计算机带来的变化远超历史任何一个进程带来的变化。从我们认识数字到计算机出现前认识一个亿，每十年的进步速度微乎其微，反观现在，iphone8 相较十年前第一部 iphone，速度翻了100倍上下。这就是我们所面临的时代 —— " 大数时代 ", 在这样的时代下，人们最缺少的就是能跟得上这种变化的思维。因为我们从未接收到过这样的变化，即使中国飞速发展的社会经济，计划生育前猛增的人口数，也不过是每年增加几个百分点。这就是大数时代的不同之处。

---

大数时代该如何改变自己

      时代改变之下，受计算机影响的绝不止是IT行业，吴军先生举了很好的例子，也就是阿里巴巴的蚂蚁金服利用互联网数据量的优势对还在手工审批贷款的各大银行产生的冲击。相信这件事足以令大多数即将迈入金融行业的应届毕业生平添一份担忧。包括很多畅想未来的人，想到人工智能的飞速发展都会不由得思考，人类会不会被人工智能取替，答案当然是会的，不过只是一部分，而我们要做的，就是改变自己不成为那一部分。我们要改变自己的思维模式，要让自己的思维紧跟时代，大数时代的特点就是数的量级发生了翻天覆地的变化，我作为一个IT行业的学生，之前都没有完全认识到这一点。在计算机的数学排序算法中，有这么两种排序，传统的简单排序和后来研究推广的快速排序，学校都有过讲解，两种算法的时间复杂度分别是 n² 量级和 nlogn 量级。我一直认为专业知识的理解比学校里的很多同学要高，但却一直没有仔细考量过这两个量级间的差距。如果实际验证一番，在数据量不过百时，两者耗时别无二致；而当数据量破万，这就是亿和百万的差距；那么数据量百万，上亿呢？那可能就是运行一秒与运行一辈子的差距。许多程序员在使用类似算法的时候，因为有的程序部分数据量需求少便选择了容易编写的简单排序。而具有大数思维的人生活在大数的世界里，他们不会考虑是否用解决小数的思维来解决小数的问题，就像Google搜索引擎开发团队在语言搜索问题上的解决方法，不是其他门户网站的逐一击破，而是找到所有语言的共性，交给机器同时完成。这使得Google用不到10%的人力资源拿到了全球70%的搜索流量。
      同样的，在大学的课程中绝大多数大学生都修习一门课程叫做线性代数，而这门课程在西安电子科技大学中却有另一个名字 —— " 经典线性代数 “，为什么叫做 " 经典线性代数 " ？因为这门课程主要局限在了数学领域上的研究，人力终究有限，我们做的行列式计算也只是到3阶4阶为止，而真正的工程所需要的是几十阶几百阶的计算量。直到一款强大的数学计算软件matlab的出现，打破了线性代数的境地，上万阶的行列式计算不过一条代码 —— " det(a) " 。这让线性代数的地位不断提升成为大学数学的重点课程。但时间过了这么久，大多数学校似乎还未找到大数时代下数学教学模式改进的出路，整个学校线性代数的教学依旧沿袭着过去的教学方式，而像西安电子科技大学则为数学专业和非数学专业以后要走上工程实践操作的学生建立两种课程，” 经典线性代数 " 和 " 实用线性代数 “。” 实用线性代数 "则基于matlab对学生进行授课，我觉得这种改变就是大数时代下计算机思维的体现。
      依赖摩尔定律增加硬件性能结合算法的不断改进，计算机的发展可达到每10年增加100倍，在到达计算机的边界极限前必定会不断地发展变化，这就是大数时代，只会看着前方，不会等待不适应快速变化的人类。所以我们要认识到量级的差距，认识到大和小的概念，用大数的眼光看待问题、思考问题并试图解决问题，这才是为了不被这个时代淘汰应具备的素质 —— 计算机思维。