即将迎来工作的十周年，也是入职十周年。几个月前我就在想，在这个颇有意义的时间节点，应该写些什么来纪念一下。于是这几个月来断断续续抽空就写一些片段，而每次提笔的情绪、心境、经历都有所不同，所以草稿里有积极，有消极，但其中不变的，是对未来的思考和期望。过去已是历史，应该沿着什么样的方向，来走当下的路，是最重要的。
从内心上我并没有意识到自己已经工作了这么久，我总希望自己能保持学生的心态，不断学习新东西，不断扩充自己的知识面。我认为最主要是以下三个原因让我能够坚持下去：
- 在职场想要发展得顺利一些，并不像学生时代一样简单。良好的职场氛围，适合自己发挥的舞台，增速良好的业务，和自己的努力缺一不可。而在这四个要素里，我唯一能掌控的只有“努力”。
- 互联网没有所谓的技术壁垒。只需要参与过一遍，过程中有去思考，大多数人就懂了。技术的更新迭代也很快，原有的经验，也许只是在过去某些特定条件下的最优解，并不能永远适用于现在。如果思维停留在过去，期望靠着所谓的“经验”一劳永逸，那被淘汰是迟早的事情。真正的技术壁垒，或者核心竞争力，是创新。但对于我们普通人来说，纯粹的创新（从无到有）很难。能做到融会贯通，举一反三，就能做出非常非常棒的成绩了。保持好奇心，不断探索未知领域，一定会有“点连成线”的那一天。
- 学习新东西，从小白到掌握这个过程能提供给我情绪价值。在工作中想持续获得成就感是很困难的事情，而学习就很简单了，小到一个算法，一个设计，大到一个领域，啃下来自己就能收获极大的满足感。
这两年主要都在学习 AI 这块的知识，我觉得人生就像是模型训练：
- 算法不对（学习方法不对），再怎么努力训练都训不出，要不断去思考 & 提高自己的学习方法
- 模型再牛逼（头脑再聪明），训练样本不够丰富（经历太少），也不行，容易过拟合，产生“我即世界”的错觉
- 模型牛逼，样本丰富，但训练参数不对，比如步长太大，也不行，急于求成，很可能会走错路
- 模型牛逼，样本丰富，步长也正确，也可能陷入局部最优，躺在舒适区里
即使是模型牛逼，样本丰富，训练参数正确，最终训练出完美的模型，也不是就一劳永逸了。外面的世界在持续变化，依然需要时不时更新自己的参数，与时俱进。
当然，我自己这个模型，没有达到我对自己的期待。但往好的方面说，我不会纠结于自己陷入了“局部最优” TT。每个人都渴望年少成名的故事。如果你 24 岁拿不到总冠军，如果你 30 岁没拿过 MVP，就应该放弃梦想了吗？我没有妥协，未来也不想妥协。最重要的原因是，我还有进步的方向，我还没到最好的自己。
最近我也开始了新的计划，专注于提升自己算法 & 工程 & 数学方面的能力。做到精耕细作：
- 精读代码，细致到“为什么要这样设计？”
- 精读论文，多思考“为什么要用这个算法？背后的数学依据是什么？”
工作之余的投入，想实现这个目标很难，所以我会分阶段来实现：
- 对于代码/论文，先粗读，再精读
- 对于数学，在读论文过程中查漏补缺
对于未来，我会持续抽时间在 AI 领域里深耕。个人粗浅的想法是，现在的 AI 还处于很初期的阶段，受限于算力，训练模型目前还不是个人开发者能轻易承担得起的。之前做过一些 fine-tune，成就感非常有限。而如果随着硬件的提升、算法的优化，训练出自己的模型对个人开发者来说和开发软件一样简单，那时才是 AI 真正全面开花的时候。最近也比较深度的使用了 copilot，很强，相信不久的将来 CRUD Boy/API Caller 都会消失。以前传闻老程序员会随身带着一块装满了自己写的各种库代码的移动硬盘，而未来也许我们会带着自己训练的模型，指挥帕鲁干活。
人生起起伏伏，现实不会完全按照你所期望的方向走。学生时代我们总是会被灌输所谓的“一战定成败”的思想，小学升初中，升高中，还有最重要的高考，都是一场场不能输的仗。而现在回头看看，人生并不是一条直线，也不是一条单行道。人生不是只有“前进”和“后退”这两个方向，也不存在错过某个路口你就永远失去了某个机会。提高韧性，持续优化自己的参数，不失赤子之心，期待第 15 周年的自己！
