Inside, Insight, Intelligence
这段日子充实，但远称不上开心。随着期末的临近和对课程的适应，属于自己的时间反而多了起来。闲暇时间一多就容易瞎想，一瞎想就容易坏事儿，果然，这两天就坏事儿了。
起因其实很简单，先是图像分析课程的作业，我用 OpenCV 实现了一个效果不错的平滑算法，并且移植到了手机上，小伙伴们一看，都觉得效果不错。这下我就来劲儿了，一鼓作气加入了四五个课上学过的算法。之后就开始拿语音识别的项目动刀，也想移植到手机上，那么问题就来了：因为电脑上和手机上没有办法用同一个库，所以移植工作举步维艰，加上对于底层数据结构的不了解以及自身孱弱的算法积累，不得不在努力了两天之后放弃。
把一天前才豪情万丈加入到开发列表里的 SpeechReco(就是语音识别的项目)标记为无限期暂停的时候，我意识到了这样一个问题：原来以我目前的水平，就只能做这些最基本的拼装组合的工作。因为自身知识水平和理解层次的限制，我没有办法爬得更高，看得更远。
不甘心，不想沦为一颗棋子。不放弃，即使已经是棋子，那我也要做“车”。
之所以不开心，恐怕是因为正在做的，并不是自己喜欢的。看论文，理解论文，实现论文，改进论文，我并不觉得自己属于这里。每当我花一个星期两个星期一点一点啃明白那些数学公式以及背后的含义时，我并不觉得高兴，只是释怀。数学和物理非我所爱，计算机才是。当弄明白 CPU 里寄存器重命名的 Tomasulo 算法时，唯一的感觉就是他太聪明了居然能设计出如此精妙的算法；当弄明白论文里的公式到底在说什么的时候，唯一的感觉就是为什么明明可以轻松说明白的东西，要弄得这么复杂。
这个学期有一门课总是在找最优解，用着各种各样我听着都天花乱坠的公式算法，于是我退课了。但是兜兜转转才发现，生活本身就是找最优解的问题：如何在时间和精力相对固定的条件下，让自己的人生价值最大。
相对于纸面上的数学推导，这道题参数更多，需要更多试错，更多迭代。
语音识别过程中，有一个很重要的步骤是剪枝，目的在于尽早把最不可能的路径去掉，减少无谓的计算与消耗。如何判断是否需要剪枝，方法虽然不同，但是总是需要一个阈值。
大而化之，把这个阈值放到生活中，也就是对于自己的定位，就现在我的认知来说，主要有以下四点：
一定的数学、概率统计理论基础（在面对概率模型、机器学习等问题上不至于看不懂相关论文）
较深入的对计算机本质的理解（自底向上，用最笨的办法学习，不至于遇到涉及底层和硬件的问题就束手无策）
熟练的算法掌握（基本常用的算法就那么些，没有理由不理解掌握熟练运用）
前瞻的产品意识（有了前面三个做基础，加上这个，更好把技术转化为产品，影响更多人）
有了阈值，接下来要怎么剪枝呢？给自己定了一个 3I 原则：
Inside Insight Intelligence
通过对于知识的深入理解，获得更强的洞察力，进而走上通向智慧之路。
具体要怎么做呢？
读经典，多实践。
那些让自己变得更好的事情虽然大多是痛苦和煎熬的，但是一想到更美好的明天，再苦再累，我都不愿停下脚步。