科技之神

这是一碗被科学充分严谨证明、而且能让人的学习能力终生受益的科学鸡汤。
其蕴含的补益，属于朝闻道、夕可死矣的档次，一入口就是一甲子的内力。放到武侠里，主角不跳个十次崖都不配得悟这种宇宙本源之道。
而顾玩此时此刻，就是在给麻依依描绘如何测量出这碗科学鸡汤。
只不过，很多先知先觉的话，他要修饰一下才好说出口，所以就成了下面这种诱导性的对话：
“你有没有想过一个问题：你这辈子读了十三年书了，你的学习效率一直是这么高，而且很稳定的么？
难道就没有什么时候学习效率低、自习了一晚上什么都没进步，做了一张卷子也毫无收获的时候？”
麻依依立刻觉得心有戚戚焉。
学霸和学神，虽然学习能力比正常人强，但他们对效率的变化也更敏感。有些时候学了一会儿毫无收获，就会比普通人更焦虑，然后调整学习方法和节奏。
要是没心没肺的学渣，说不定做一晚上毫无收获的重复劳动，他也乐呵呵的不觉得有什么问题。
“当然，我经常对自己的学习效率不满，有时候又觉得课上老师在浪费我时间。”麻依依感同身受地说。
顾玩笑道：“这个问题，其实说到底，是因为学习的节奏，跟你的能力区，没有精准匹配。你也学了一学期的心理学和认知神经科学了，下面这几个概念你应该不陌生，那就是学习中的‘学习区’、‘舒适区’和‘恐慌区’。”
麻依依：“这个我当然知道，舒适区就是我完全懂了的东西。比如我们高考前很多时候在做卷子，有些简单题已经滚瓜烂熟，哪怕是为了加深印象，一个月练三四遍也就足够了。
但题海战和做模拟卷的时候，不得不每个月练几十遍甚至上百遍，何止三五遍，做到后来情绪都毛了，很不耐烦。这个就是舒适区嘛，练了也没进步，全都懂了。
至于恐慌区，就是一张卷子看下来，有些题目什么都不懂，一点头绪都没有。不但不知道怎么解，连解它需要的前置知识都不知道，完全听天书。
而最后的学习区，就是介于舒适区和恐慌区之间的，这里的难度对你刚刚好。有一点挑战性，有一些你不懂的东西，但是只要你用心，借助你现有知识结构体系内的已有知识，重新嫁接、归纳、演绎、推演，可以把这个不懂解决掉。
在学习区的时候，如果不懂的比例太高，就会恐慌，厌学。如果不懂的比例太低，就会疲掉，懒得走心。只有不懂的比例刚刚好，才最容易进入最高效学习状态按照大心理学家米哈利的理论，这种状态就叫‘心流’。”
“心理学和认知神经科学的基础还不错嘛。”顾玩表扬了女朋友一句，
确实，作为才双修心理学一个学期的新人，有这种见解已经很牛逼了。
然后顾玩话锋一转:“不过，以往我们都认为，心流是一种可遇而不可求的状态，但很快，随着对机器学习的剖析，我们会发现，进入心流或者说最高效学习状态，是有科学的最优解的。
这个最优解，就需要我们把一张卷子、一次学习、一个机器大数据训练集的对错比例、难易比例，调到一个最优化的玄妙数值上。只有量身定做了这个数值，无论人还是机器，都能达到最完美的学习效率。哪怕一个学渣，都能在学习中感受物我两忘开天眼的高效。”
“具体要怎么做到？？”麻依依已经忘了自己是在聊学术问题了。
……
对啊，具体要怎么做到？
在地球上，2018年的时候，亚利桑那大学和布朗大学的两位人工智能算法专家，就给出了最优解。
他们的结论是，让一个机器学习的训练集中，对错比例控制在%时，可以达到机器学习算法效率最高、进步最快的状态。
比如让计算机用人工智能图像识别，来鉴别一万张类似猫的图片，来学习“怎样判断图里面的东西是不是一只猫”。
这时候，你要拿8413张真的是猫的图片，和1587张似猫非猫的图片，去给人工智能喂数据，那么机器学完这10000万图片、得到对错评分后，得到的提高是最多的。
这个是自然数学法则的最优解了，换句话说，你拿8414张真猫图和1586张似猫非猫图去喂，机器吃完这1万个大数据之后，进步量也会比岗前前一组略低。
这个数据具体怎么来的呢？是人类算法学家，从2010年，谷歌开始操练深度学习以来，不断反复试验，全人类算法专家共同实验了八年，摸出来的。
更奇妙的是，地球人后来做了更多深入实验，发现这个学习效率机制，真的不仅适用于机器学习，也适用于人类大脑。
在“试错型学习”，或者说早期认知方面，人脑和模拟人脑宏观运作规律表现的深度学习，是一致的。
地球人当时设计的人体实验，主要是拿婴儿做实验，因为可以尽量减少干扰项。选取原本认知发育水平差不多的婴儿，让他们认图片训练，就跟现在一两岁的小孩，看画本教他们什么是猫、什么是狗。这个训练跟深度学习的机器视觉训练，是很相似的。
然后放大样本容量，给每个婴儿的画片对错比例不同。结果最终果然是错误率接近%的婴儿，认知新事物进步速度最快。成年人的话，实验暂时还没法设计，因为干扰项太多。
这就最终引申出一个惊人的结论：怎么样的学习，才是最高效？最容易进入心流的？
结论就是：对于活人而言，也是一个知识点里，有15%点几的内容，是你不懂的，还有85%的基础知识，是你懂的。
这时候，你的好奇心会被调动到最高，你对完全未知的恐惧心和排斥感也会压低到一个恰到好处的水平。
那么多学渣为什么学渣？为什么学习效率低？还不是因为他的成绩，并没有刚好契合老师教育难度的“懂与不懂对错比例”？
为什么有那么多段子，说数学差生当年只是数学课上捡了一下笔，再次抬起头已经不懂老师在讲什么了？
这段子虽然是段子，但理科学渣很多都是一点一滴从学习区脱节到恐慌区，最后放弃治疗的。
这时候如果有个家教，知道你跌入恐慌区了，肯了解你，摸清你的水平，给你一个你最舒服的学习区对错比例节奏、略微调低难度，说不定这些人的一辈子是可以拯救的。
很多有经验的金牌老师，其实就是干的这个活儿，因为书上那点知识点，老师其实都懂。好老师和差老师的区别，就在于好老师经验丰富，稍微几道题一测，就知道孩子目前是什么水平、落后到什么程度、该用什么样的难度和节奏去因材施教。
只不过，大多数好老师只是凭经验，没有从科学的角度系统、精确总结过数据。
事实上，对于人类学习而言，也不可能做到精确到%的不懂率难度。
但基本上，一道题目或者一个知识块，打包成“七道里面，对六错一”的比例，那也已经很高效了，至少能把人的学习热情和好奇心，调动到理论峰值的90%以上。
（这里的“对六错一”不是简单的对错配题，只是说，要让一个学习的知识块，有七分之六你懂的，七分之一你还不懂。
而且这七分之一要跟前面懂的那七分之六有继承性。你可以通过总结、归纳前面的七分之六，融会贯通学会最后的七分之一。然后再把饼往前多画一点，再划七分之一不懂的进来，各个击破。）
考虑到中国人最功利了，也最重视教育和往上爬。
顾玩相信，真要是有绝对科学的、让人掌握心流、随时让自己进入物我两忘学习状态的法门，那么不管是否爱科学、文科生还是理科生，都会关注这个成果的。
靠着这样的论文成果，刷名望刷到国民教父级别，也是没什么问题的。因为外行人也看得懂，还能充分共鸣。
“实验具体应该怎么设计？”麻依依心痒难挠地问。
“你可以跟那些婴儿康复教育机构联手，帮忙调整视觉辨认训练的对错比例。让康复前测验得分相似的孩子，做不同对错比例的题目，看谁康复得更快
放心，不要有道德压力，因为我们介入之后，只会让这些孩子比没有介入前康复得更快。你设计的数据集，怎么样都会比目前没有专业设计过数据集的盲练更有效果。
至于实验资源，我帮你动用关系去联络。等到卷积神经网络和深度学习算法方面的积累差不多了，你这个成果就能进入联合引爆的节点。”
ps：上面已经三千字了，下面例行不要钱吐几句槽。
我知道，这一章其实跟主线的关系并不紧密，但我还是选择详细写了。
书已经这样了，我也不图写得多爽，反正爽不爽都是这么些人看。
我还是有一个朴素的想法，希望我的书能够把读者的智商拔高，为科普做点事情。让原本不那么学霸的人，看了我的书之后，不是仅仅爽到了，而是现实生活中也更牛逼了。
我不想祸害年轻人，我希望读者里如果有学生，年后会比现在更成功，依然有钱来看我的正版书。
我不想赚人口红利的钱。
另外，我觉得这也是一种与小白文战斗的方式。因为只要全国读者受众群体里，有文化、智商提升了的人多一个，看小白的人就少一个。
所以提升人民智商和学识，毫无疑问属于和小白文战斗的范畴。
我也不是为了你们，我是为了我自己。
希望连科普文都看得下去的读者，能够从中受益，将来能活得比只看小白文的读者更光鲜。
咱做长线生意。
当然口号喊得再响，我首先也要承认这本书确实写得不好，我功力不足，本来就是打算试试水现学现写。所以成绩一差连学都懒得学了，恶性循环。
但也没办法，不可能不知道一个领域有没有前途，就去学很多。
就算我写得很专业节奏很好，我现在回头估摸了一下，物理类和宇宙学题材，在某点极限也就是两三千均。





科技之神 第14章 读博不要留学签证
麻依依的整个大二生活，就这样被安排得明明白白：
大二上学期，拿出数科院计算机专业的毕业课题，也就是“分布式编译架构”。
大二下学期，拿下她双修的二专业、心理学“认知神经科学”专业的毕业课题，“人脑学习最高效率训练集比例”。
空下来的时间，把差的那些学分修修满，麻依依就基本上没空闲时间了。
具体有多忙呢，通俗地说就是连啪怕啪的工夫都挤不出来。
幸好顾玩也很忙。
他可不是那种把老婆塞到忙爆炸，自己却清闲的渣男。
学习使他快乐，科研让他开心。
对他而言，写论文，研发东西，就跟学渣打游戏一样，是一种愉悦的放松。
一天不学习，就会跟大力哥一样浑身难受。
科学研究都是环环相扣的，没有前置环节就不会有后续实践。就好像打游戏点科技树不能跳着点。
对于顾玩而言，他给老婆分配的任务，肯定也是紧扣着他自己的主线节奏的。
所以，大二上学期的时候，他自己的主要科研任务，是把一些关于卷积神经网络架构的主要论文，先写出来，以及一些对算法学习效率的探讨性预见。
到了下学期，因为麻依依那边上学期已经把“分布式编译架构”发表出来了，也在实验室里搭建过了。顾玩就可以直接调用，把分布式编译架构进一步推进到“局域网的云算力”，然后靠堆算力，去吧很多之前没法做的卷积神经网络学习实验，给切实落地。
（早期的分布式算力架构技术，跟后来的“云技术”还是有一定差距的，区别就在于早期分布式算力，主要是在局域网里共享算力。
而真正能算“云”的，必须是广域互联网上的共享。历史上，分布式编译大概07年出现，云要到09年左右才完善基本架构，有两年的时间差。）
有了趁手的工具之后，地球上杰夫辛顿花了两年半时间才走完的路，顾玩就有把握一年内搞定。
确保在去大洋国留学之前，就把这个核心成果发表出来。
就算暂时还不被产业界重视，没人注意到其商业应用价值，好歹也可以起到“立帖为证”的效果。将来人工智能真的红了，大家回望历史，也好说“这玩意儿的核心思想，是顾玩在中国的时候就已经搞出来了，不是美国佬的功劳”。
同理，麻依依也是做好了思想准备，打算这一系列论文刚发出来的时候，被人当成哗众取宠的疯子或者沽名钓誉之辈，先喷两年。
将来历史为他们正名之后，再翻出立帖为证打脸好了。
……
这一切，几乎是可以预见的，所以大二下学期过半、麻依依按照顾玩设计的节奏，把那些“认知神经科学”的论文发出来后，果然被大多数注意到这篇文章的业内人士，喷成了哗众取宠。
麻依依那篇文章，好歹还是发在了外国的权威期刊上，那本期刊名叫《认知神经科学》，虽然领域细分很小众，但是在研究脑科学与思维认知的关系方面，还是很权威的，每年平均的sci影响因子也有3到5个点。
不过，这并不妨碍不太看得懂的业内人士，指手画脚。只能怪这个时代学科细分太细了，人人都只能术业有专攻。
跟你稍微跨圈一点点的领域，那些学阀前辈就容易产生一种“这个东西跟我是同一专业的，所以我应该看得懂，如果我觉得匪夷所思，肯定是写的人哗众取宠了”的错觉。
“呵呵，残忍！居然拿婴儿的图像识别锻炼做实验！这根人体实验有什么区别！”
“就算摸清了人类识别力领域的效率规律，就敢说这个‘最高效比例’数据可以用于什么‘卷积神经网络’的机器学习？扯淡吧！从来没听说过世上有什么机器的学习能够类比人脑的学习法则。”
“哗众取宠！以我对目前全世界脑科学前沿的了解，根本没有任何人敢说自己了解了人类大脑在认知识别新事物时，详细原理是如何运作的！充其量只是停留在‘识别活跃脑区’、‘识别认知反应时的脑电波强度、形态’这样的初级状态！这种半吊子认知，就敢写这样的文章了？”
文章出来后几天，麻依依就一度被喷得情绪低落，怀疑人生。
关键时刻，还是老公安慰她：“没事儿，做科学研究，就要有被人怀疑一两年，甚至更久，才被最终证明的强大心脏。爱因斯坦说的引力波，都说了80多年了，不是至今人类还没观测到么，不是还有人在喷引力波不存在么。你有我帮你，支持你，等两三年就能打脸，已经很快了。”
麻依依无奈自嘲：“可我不是爱因斯坦啊，我也没想做爱因斯坦，那是你的定位好吧。再说爱因斯坦刚出道的时候，研究的课题写的论文也都很低调的，那些惊世预言，得是他功成名就之后，才能随便预言的。有了历史记录作保，一个人的预言才会被重视，我觉得我还是缺少一点足够稳妥的成绩做铺垫。”
顾玩：“不少了，‘分布式编译架构’，不就是一个很稳妥的前置刷脸成果么？我刚出道的时候，比你还惨呢。”
麻依依歪着脑袋想了想，情绪也好了一些：“这么一说倒也是，我好像已经算身在福中不知福了。”
知道就好。
要不是为了让老婆工具人将来当好ceo，建立起管理研发团队的威望，顾玩才懒得用这么多心思经营呢。
延迟满足，时过境迁才能装逼，这才是科学界的本来常态。
……
于是乎，顾玩和麻依依的本科生活，就在低调的质疑中结束了。
虽然麻依依的论文，在学界反响不是很好。不过作为学校推荐交流生时的成果指标，那还是绰绰有余的。
大二上学期一篇ieee旗下的《toc》，下学期一篇《认知神经科学》，这俩货都是扎实得不行。属于硕士研究生只要有一篇这样的论文，哪怕读研三年别的什么都不干，都能毕业的类型。
数科院怎么可能还卡她的交流资格呢。
最终名单报上去的时候，顾玩以当年第一的表现，直接拿到了交流资格。麻依依紧随其后算是第二。
而且顾玩的物理本专业，还得到了特殊优待，因为他的名声在外，连斯坦索姆那边都知道他的牛逼，所以允许他直接以读博的身份来交流。而麻依依当然只能继续读硕了。
不过，俩人的本科阶段，都算是修了双学位。顾玩在物理专业之外，拿了个应用数学。
麻依依则是在计算机之外，拿了个心理学类的认知神经科学方向的学士。
这一切，都是在他们大二下学期的五一节之前，就拿来公示的。
考虑到顾玩等人已经是赫赫凶名，连社会人都知道了，学校里当然更是人所共知，所以也不会有宵小之辈跳出来质疑阻挠。
害得顾玩连装逼打脸的机会都没有。
六月份，夫妻俩一起完成了毕业答辩和其他一切手续性的活儿，然后就准备签证，去大洋国留学了。
申请签证的时候，斯坦索姆方面本来是按照行规，帮他们弄留学签证的，但顾玩婉拒了，表示他需要更灵活的签证。
留学签证的话，在外国念书期间是不能开公司的，打工也有时间限制，为的就是防止借着留学之名偷偷移民打工的家伙。
顾玩这种人当然不需要打工了，但他需要自由开公司的权利，所以就把这点要求说了。
中央科大跟斯坦索姆的交流生计划，是90年开始的，如今都2000年了，计划已经实施了10年。对方的工作人员和领事馆的签证官，还是第一次办到这种奇葩的业务，居然说只给留学签证不要，否则宁可不去读。
不过，谁让顾玩是发表过多篇科学和自然的人呢。而且去年10月底、也就是他大二上学期的时候，他又收获了一项新的殊荣——20年前发现宇宙微波背景辐射的彭齐亚斯和皮德罗.威尔逊教授，在99年10月中旬，正式拿到了诺贝尔物理学奖。所以顾玩之前有些论文，算是被诺奖得主引用过了，而且还是与诺奖得主的得奖成果有相关性。
这样一个19岁年轻人，哪怕要挟斯坦索姆，斯坦索姆也得求着他去读博呀。
然后，顾玩就顺理成章成了科大历史上第一个不拿留学签证出国的交流生，在母校留下了一地传奇。
7月初，原本只是暑假期间，其他交流生都还宅在国内的。但是顾玩这种大款，当然不怕早一点去多花钱，所以一放暑假就带着老婆和妹妹去了大洋国。（妹妹李双叶没资格做交流生，所以她只是暑假去探亲旅游两个月的）
落地后顾玩直接在湾区某乡间海滨小镇，花200万美金买了个别墅，跟老婆妹妹玩了几天，又在硒谷注册了一家新公司，准备着手相关生意。
人工智能科技公司，倒是可以完全放在国内的，但是提供gps软件导航以及无人飞控的一些前置科技，暂时还是在大洋国这边布个局，比较容易得到配套资源，也降低被卡脖子的风险。
——
以上已经三千字，下面废话不算钱。
大家千万别打赏了，我受之有愧。节奏跳得我自己都不认识了。
大家剩下的章节觉得不划算的话还是看盗板吧。这质量，我都不好意思请人看正版了。
下本书质量好一点，精雕细琢了，再来求大家看正版。
主要是，我一个搞法律的，其实物理水平就大学里那点基础，十几年没用了。好多东西都是为了写这本书才临时现学的，并非我肚里原本就有货。
一开始对成绩有期待，所以也学得进去。而一旦失去了信心之后，学习这种事情，就学不进去了，所以我真是笔力衰竭。不是我不想写详细，实在是不会，我都不懂。
以后写书还是不能写那种现学现写的题材，这本是我自己作死。
()
搜狗




科技之神 第15章 黑洞就由我来发明吧
两个月后，九月开学季。
旧金山，斯坦索姆大学物理学院，艾弗森教授也等来了他新一届的研究生们。
外国大学里导师带研究生，有些时候都是硕士博士一起带的，甚至如果自己手里有研究所资源，连着助理研究员一起混也是很常见的。
这位艾弗森教授，在斯坦索姆物理学院，说实话，是个挺烧冷灶的存在，主要是他的专业方向没什么钱途。
他搞的是偏向天体物理和宇宙学的方向，虽然也算基础物理，但是更难跟产业界结合。
多年来，到他这里读博的人，也都是家里不差钱，就想混个博士文凭的居多。
不过，今年他倒是有些意外，因为新生里面，居然有来自华夏国的交流生，而且还是个在产业界有点小成就的家伙。
众所周知，华夏人是比较功利的，尤其是出国留学，都是奔着钱生文凭、文凭生钱的交易。所以在华夏留学生里，那些来钱的专业方向的受欢迎程度，比其他族群更明显。
而利用物理学识和研究能力、在产业界已经略有小成的人，居然肯来读清水专业，就更罕见了。
艾弗森教授也就放下架子，在新生们来的第一天，请大家聚一聚，联络一下感情，看起来很随和。
顾玩就是在这种氛围下，见到他理论上未来两年的导师和同学、学长们的。
……
“大家自我介绍一下吧。”见面会上，艾弗森教授随便扯了几句开场白，就让新生互相认识一下。