輝達首席執行官黃仁勳向公眾坦言：“成為一名CEO需要終生奉獻”，而他的父母讓他從小就做好了準備。11月4日，黃仁勳訪問了英國劍橋大學辯論社，並接受2025年斯蒂芬·霍金教授獎學金，之後現場發表了演講。在演講中，身著皮夾克的黃仁勳表示，領導像輝達這樣的晶片製造商是一種榮幸，但也需要個人犧牲自己的生活來為公司及其員工服務。黃仁勳曾被《財富》雜誌、《經濟學人》和Brand Finance評為全球最佳CEO。黃仁勳回憶道說，他是在一家餐廳的卡座裡，沒有任何商業計畫就創辦了輝達，他的領導和管理技能都是在工作中摸索出來的。畢竟，輝達是他領導過的第一家也是唯一一家公司。他成功的秘訣很簡單：“不要感到厭倦，也不要被解僱，”黃仁勳說道。雖然這聽起來很簡單明了，但黃仁勳也警告說，在像科技這樣競爭激烈的行業中獲得巨大成功並非沒有弊端。在談到為什麼是他獲得了首席執行官職位，而不是聯合創始人工程師克里斯·馬拉喬夫斯基和柯蒂斯·普里姆時，黃仁勳說，這是因為“他們不想擔任這個職位”。“回想起來，我本可以更聰明一些，而成為CEO意味著一生的犧牲，”黃仁勳對聽眾說道。“大多數人認為CEO就是領導、掌控一切、高高在上。這些都不是真的。你是在為公司服務。你是在為他人創造條件，讓他們能夠完成畢生心血。你以身作則，激勵他人。而這些榜樣大多是在極其艱難的時期做出艱難的決定，這其中最重要的是犧牲。”“關鍵在於策略，而策略……不僅僅是選擇做什麼，更是選擇不做什麼，這本身就是一種犧牲。而克服障礙所帶來的決心、信念、痛苦和磨難，也都是一種犧牲。”現年62歲黃仁勳一直以來都毫不掩飾自己職業操守以及對員工的嚴苛要求。他曾表示，他從起床到睡覺都在工作。在去年的一次採訪中，黃仁勳間表示，他甚至無法在不思考公司的情況下看電影。在2024年接受採訪時，當被問及“要求高”、“完美主義者”和“不好相處”這些詞能否精準描述他時，黃仁勳表示這些描述“非常貼切”，並解釋說：“就應該這樣。如果你想成就非凡之事，就不應該輕而易舉。”談到自己的家族時，這位華裔美國企業家將他的奉獻精神和決心歸功於他的父母：他的父親決心讓孩子們在美國長大；他的母親雖然自己不會說英語，卻仍然教孩子們英語。黃仁勳說：“我的父母希望我們追求美國夢。他們並不富裕，生活也很簡樸，1973年移居美國對我們來說非常艱難，但我們最終還是挺過來了。我認為這種奮鬥、努力、凡事都要靠自己爭取的生活，對成為一名CEO來說是很好的歷練。”黃仁勳後來先後就讀於俄勒岡州立大學和史丹佛大學，他將自己能夠取得成功歸功於父母的培養。黃仁勳補充道，他的母親一直堅信他是“特別的”孩子，並解釋說：“很多時候，如果人們告訴你你比實際更優秀、更強大、更有能力，你或許真的會達到他們的期望。這提醒我們，對待公司也要如此，對待彼此也要如此。”“（我母親）給我留下的印象是，沒有什麼事是那麼難的，今天人們也看到了我的適應能力。”劍橋辯論社（Cambridge Union Society，簡稱Cambridge Union）是英國劍橋大學歷史悠久的辯論和言論自由社團，也是劍橋大學最大的社團。該社團成立於1815年，是世界上歷史最悠久的持續運作的辯論社團。劍橋辯論社是一個私人社團，與劍橋大學學生會完全獨立。劍橋辯論社的議事廳接待過來自公共生活各個領域的傑出人物，包括美國總統西奧多·羅斯福和羅納德·里根、比爾·蓋茲、斯蒂芬·霍金、英國首相溫斯頓·丘吉爾、瑪格麗特·撒切爾和約翰·梅傑等。史蒂芬·霍金教授獎學金是劍橋大學劍橋辯論社頒發的一項享有盛譽的年度獎學金，由劍橋大學學生會和霍金的家人於2017年創立。該獎學金授予在科學、技術、工程和數學（STEM）領域和社會討論方面做出傑出貢獻的個人。該獎學金由劍橋大學的學生（通過辯論社）而非大學本身授予。近年霍金獎學金的部分得主包括：2018年蘋果公司首席設計官喬納森·艾維、2019年比爾·蓋茲、2023年OpenAI團隊、2025年黃仁勳。 (北美商業見聞)

布瑞娜·斯圖亞特(Beanna Stewart)是美國女子職業籃球聯賽（簡稱WNBA，文中也稱“聯盟”）得分王、兩屆總冠軍和總決賽最有價值球員、多年入選全明星隊、四屆美國大學生體育協會聯賽(NCAA)冠軍、WNBA和奧運會最有價值球員，臂展2米16的她在評選籃球名人堂時篤定是首批入選球員。她是一名不受限制的自由球員，而那個時候吳明華(Clara WuTsai)一心想說服她加盟紐約自由人隊(New York Liberty)。“斯圖伊”（斯圖亞特的暱稱）從打職業比賽以來的7年時間一直在西雅圖風暴隊(Seattle Storm)效力。此時她已是美國女籃歷史上最出色的球員之一。她曾認真考慮過留在西雅圖，但她也想把自己的所有選項都權衡一下…… (i商周)

蔡崇信夫婦的財富神話，還在繼續。這對華裔“頂配夫婦”，再次創造財富神話。據美國《The Athletic》報導，美國女子職業籃球聯賽（WNBA）紐約自由人隊以4.5億美元（超32億元人民幣）估值出售股權，創下了女子職業體育俱樂部的最高估值紀錄。消息顯示，此次紐約自由人隊將20%的股權出售給一眾個人投資者，籌集的資金將用於球隊新訓練基地的建設。這筆交易最大的獲益者，是蔡崇信和妻子吳明華。2019年，二人以1000萬~1400萬美元的價格買下自由人隊，吳明華成為管理決策者。以最新估值計算，從出手收購至今，這家球隊暴漲了30倍。2024WNBA紐約自由人冠軍巡遊現場。此前，蔡崇信夫婦還在2018年分批次購得籃網隊，交易總金額超過30億美元。2024年6月，蔡崇信夫婦將手中BSE Global（籃網隊母公司）的部分股權出售給科赫家族，交易總估值約為60億美元，打破NBA紀錄。這對夫妻最經典的投資案例，當屬阿里巴巴。1999年，阿里巴巴還是個連公司都沒註冊的“草台成員”，蔡崇信便果斷放棄百萬年薪的工作加入阿里。吳明華也夫唱婦隨，加入阿里，成為集團顧問，推動了早期支付寶的成功。這對精英夫妻，一直被外界稱為“華裔頂配”“智性戀天花板”，二人不僅在履歷、能力、外表上都勢均力敵，在投資運作上也配合默契。如果說蔡崇信是馬雲背後的“財神爺”，那吳明華便是蔡崇信人生中最關鍵的角色。01 強強聯合吳明華和蔡崇信二人，都出自名門。1996年，二人結婚時，《紐約時報》還專門刊登了一則結婚公告：恭喜吳明華和蔡崇信喜結連理。吳明華的爺爺吳三連早年曾留學日本，後來創辦了《自立晚報》、台南紡織、環球水泥等企業，台南紡織後來發展成為台灣地區最大的紡織企業之一。吳明華的父親吳得民，畢業於台大經濟學系，後赴美深造，專攻計量經濟學，曾擔任堪薩斯大學經濟學系主任，提出過檢驗外生性（解釋變數與誤差項不相關）的“Wu Test”。在家庭熏陶下，吳明華自小便接受精英教育，高中畢業於美國超級名校勞倫斯中學，本科和碩士研究生畢業於史丹佛大學，後來又到哈佛大學進修了MBA學位。畢業後，吳明華加入全球最大的信用卡公司美國運通，幾年時間便成為公司副總裁。蔡崇信則來自律師世家。常在法律事務所是台灣最頂級的三大私人律所之一，背後創始人正是蔡崇信的父親和祖父。蔡崇信也跟隨家族腳步，考入耶魯大學，拿到法學博士學位，之後進入華爾街知名律所實習，後來將重心轉移到了私募基金領域。1995年，蔡崇信加入瑞典Investor AB投資公司，擔任公司副總裁及高級投資經理，負責亞太地區業務。1996年，有著相似背景和經歷的吳明華與蔡崇信走到了一起。1999年，35歲的蔡崇信卻因為一個內地的“窮小子”，決定辭去年薪70萬美元的投行工作。這個“窮小子”就是馬雲。26年前，蔡崇信和馬雲第一次相見時，雙方完全來自兩個世界——從小接受精英教育的蔡崇信，習慣了西裝革履的環境，而馬雲則是草根出身，工作室裡床單隨意鋪在地上、十幾個人擠在房間裡，廁所還放著十幾把牙刷。這個場景讓蔡崇信吃驚，但更讓他吃驚的是馬雲對於B2B的構想。二人在西湖泛舟時，蔡崇信突然對馬雲說，“你要成立公司，要融資，我懂財務及法律，可以加入公司幫你做。”當時，阿里巴巴連公司都沒註冊，創始團隊湊出來的50萬元啟動資金也馬上見底，而且“十八羅漢”連股權是什麼都搞不懂。蔡崇信雷厲風行，直接辭掉了高薪工作，加入阿里創始團隊，每個月只拿500元人民幣的工資。所有人都覺得蔡崇信瘋了，認為他在“耽誤前程”。妻子吳明華雖然不理解他的選擇，但還是用行動支援他，挺著孕肚陪蔡崇信去了杭州。後來，二人的孩子出生了，夫妻倆還管她叫“Ali baby（阿里寶貝）”。在杭州，蔡崇信一步步建立起阿里巴巴的公司治理結構，又四處奔波尋找投資。在蔡崇信的撮合下，高盛牽頭向阿里投資500萬美元，他還和馬雲一起，說服軟銀孫正義多次向阿里注資。阿里巴巴2007年在港交所上市，2014年在紐交所上市，都是蔡崇信在背後推動。馬雲曾在多個場合說過，“最感謝的人就是他（蔡崇信）”，也曾這樣評價蔡崇信：“有多少人的勇氣可以像他一樣？”對於蔡崇信而言，最感謝的人則是妻子吳明華，他之所以敢押注阿里，與妻子的支援密不可分。02 從“不良資產”到好生意在過去的二十多年裡，吳明華一向低調，鮮少現身公共場合。實際上，吳明華不止是蔡崇信“背後的女人”，她有著多重身份：“Joe&Clara Tsai基金會”創始人、史丹佛大學董事會成員、紐約自由人隊老闆、紐約林肯表演藝術中心理事會成員、紀錄片製片人等。在公益事業上，吳明華主要負責她和蔡崇信的基金會的發展規劃以及各類慈善捐贈項目，捐贈過實驗室、曲棍球場、研究中心等，還針對美國種族主義者歧視、騷擾亞裔的情況設立了亞裔美國人基金會（TAAF）。投資上，自由人隊的估值暴漲，正是由吳明華運作的。2019年，蔡崇信和吳明華從紐約尼克斯老闆詹姆斯·多蘭手中收購了紐約自由人隊的股權後，吳明華成為自由人隊的管理決策者。彼時，很多人不看好這筆交易——自由人隊近20年戰績低迷，一直被視作WNBA（美國女子職業籃球聯賽）的邊緣隊伍。吳明華此前在收購紐約自由人隊時也曾表示，這是一項“不良資產”，但她堅決看好女子體育的潛力。完成收購之後，吳明華做的第一件事，就是把球隊主場從郊區場館遷入籃網隊所在的巴克萊中心，開始系統化提升球隊的基礎設施與營運水平。例如，全面翻新更衣室；組建一支具備NBA水準的全職訓練團隊，包括體能教練、營養師和物理治療師；給球員提供更多福利，最終更是推動WNBA將包機旅行常態化。2020年，自由人隊開始了陣容上的更新換代，簽約大牌球員，以保證衝擊總冠軍。2023年，吳明華甚至親自出馬，說服了當時最大牌的自由球員布麗安娜·斯圖爾特加盟球隊。同年，自由人便打入了WNBA總決賽，上一次進入總決賽還是21年前。2024年10月，自由人隊贏得了有史以來第一個WNBA冠軍獎盃。吳明華僅用幾年時間，就把這支瀕臨解散的球隊帶上了領獎台。截至去年年底，紐約自由人隊擁有超過50家贊助商，同比增長近61%，這些合作帶來的收入增長了68%。上賽季，紐約自由人隊在WNBA主場觀眾人數排名第二，僅次於印第安納狂熱隊。不久前，吳明華在彭博社的採訪中提到，她相信自由人隊有望在2030年代中期成為首個估值達到10億美元的女子運動隊。從下個賽季開始，WNBA將獲得一份為期11年、每年價值約2億美元的新媒體版權協議。這對夫妻不僅有著共同的體育愛好，還都擅長將愛好營運成收益翻倍的生意。當年買下籃網隊後，蔡崇信也是做了幾個大膽決策：重金引入帶傷的杜蘭特，歐文也隨之加入，又從火箭隊換來哈登，組成三巨頭，讓籃網隊價值大漲。後來幾年，籃網成績不夠理想，從收益角度考慮，“三巨頭”又在一年之內被籃網交易出去，取而代之的是一批性價比更高的球員。雖然經歷了一段混沌時期，但隨著新的轉播合同和NBA全球化推進，籃網的商業價值和品牌影響力水漲船高。去年6月，有市場消息稱科赫家族將以58億美元估值收購籃網隊母公司15%的股權，蔡崇信、吳明華夫婦因此將到手6.88億美元（約合50億元人民幣）。該數字不僅遠遠高於籃網隊在2019年35億美元的收購估值，也是美國職業體育歷史上最高的估值之一。蔡崇信夫婦的財富神話，還在繼續。 (中國企業家雜誌)

【AI速讀】這篇文章探討了如何在人工智慧領域建立職業生涯。文章涵蓋了從基礎技能學習到項目實踐，再到找到合適工作的各個方面，並提供了具體的建議和步驟。以下是文章的主要內容：1.編碼人工智慧是新的讀寫能力語言讀寫能力的演變：幾百年前，語言讀寫能力並不普及，但隨著時間的推移，它變得普遍並豐富了社會。程式碼的重要性：程式碼是人與機器之間最深入的交流方式，隨著機器在日常生活中的重要性增加，程式設計能力變得越來越重要。人工智慧和資料科學的應用：線性回歸模型可以幫助披薩店老闆最佳化需求預測和供應鏈管理。2.職業生涯發展的三個步驟學習基礎技能：包括機器學習、深度學習、數學和軟體開發。從事項目工作：與缺乏AI專業知識的利益相關者合作，估計項目完成時間和投資回報。找到一份工作：建立支援性社區，幫助你成長和找到工作。3.學習有前途的人工智慧職業的技術技能基礎機器學習技能：線性回歸、邏輯回歸、神經網路等。深度學習：瞭解神經網路的基本知識和實際技能。與機器學習相關的數學：線性代數、機率和統計、微積分。軟體開發：程式設計基礎、資料結構、演算法、軟體設計、熟悉Python和相關庫。4.你應該學習數學來獲得人工智慧的工作嗎？數學的重要性：瞭解演算法背後的數學有助於偵錯和最佳化。現實應用：根據具體工作需求，分清輕重緩急，掌握必要的數學知識。5.成功AI項目的範圍確定業務問題：找到領域專家，瞭解他們最希望改進的三件事。頭腦風暴AI解決方案：提出多種潛在解決方案。評估解決方案的可行性和價值：通過已發表的作品、競爭對手的行為或快速概念驗證進行評估。確定里程碑：設定機器學習和業務指標。預算資源：考慮資料、人員、時間和團隊支援。6.尋找與您的職業目標互補的項目從小處著手：利用早期項目學習和積累經驗。項目想法的來源：加入現有項目、閱讀和交流、關注應用領域、發展副業。項目選擇清單：技術挑戰性、團隊合作、項目的影響力和複雜性。7.建立能夠展示技能進步的項目組合項目組合的重要性：展示技能進步的項目組合有助於找工作。溝通和領導力：解釋你的想法和項目成果，展示領導能力。8.啟動人工智慧工作搜尋的簡單框架求職步驟：選擇公司、準備面試、選擇職位和協商薪資。角色和行業轉換：逐步轉換角色或行業，利用資訊面試瞭解新角色和行業。9.找到適合你的AI工作求職細節：研究角色和公司，安排資訊面試，直接申請或通過推薦獲得面試機會。求職技巧：更新簡歷，準備面試，選擇合適的團隊和公司。10.在人工智慧領域建立事業的關鍵團隊合作：與他人合作、影響和被他人影響的能力。網路：建立職業網路和社區。找工作：避免對抗態度，逐步推進。個人紀律：養成良好的學習和工作習慣。利他主義：幫助他人，建立積極的職業形象。11.克服冒名頂替綜合症常見現象：70%的人在某個時候會經歷冒名頂替綜合症。應對方法：找到支援你的導師或同行，認識到自己的優點，鼓勵他人。12.最後的想法珍惜每一天：思考每一天是否值得你生命的1/30,000。友情提示：AI速讀無法替代您的深度閱讀。吳恩達 加州斯坦福大學電腦科學系和電機工程系的客座教授本文節選自：How To Build Your Career in AI編碼人工智慧是新的讀寫能力今天，我們認為很多人知道如何閱讀和寫作。我希望有一天，人們知道如何編寫程式碼，特別是為人工智慧編寫程式碼，就像現在一樣普遍。幾百年前，社會並不認為語言讀寫能力是一種必要技能。少數人學會了閱讀和寫作，其他人則讓他們去閱讀和寫作。讀寫能力花了幾個世紀才得以傳播，現在社會也因此變得豐富得多。語言能夠實現人與人之間深入的交流，而程式碼是人與機器之間最深入的交流方式，隨著機器在日常生活中變得越來越重要，這種交流也變得越來越重要。傳統軟體工程——編寫程序，明確告訴電腦執行的一系列步驟——一直是編碼素養的主要途徑。許多介紹性的程式設計課程都使用建立視訊遊戲或建構網站為例。但是，人工智慧、機器學習和資料科學提供了電腦從資料中提取知識的新範式。這項技術為編碼提供了更好的途徑。許多星期天，我從附近的比薩餅店買一塊比薩餅。櫃檯後面的先生幾乎沒有理由去學習如何製作視訊遊戲或編寫自己的網站軟體（除了個人成長和獲得新技能的樂趣）。但人工智慧和資料科學對披薩店老闆也有很大價值。線性回歸模型可以幫助他更好地估計需求，從而最佳化餐廳的人員配備和供應鏈。他可以更好地預測夏威夷披薩的銷量——我的最愛！——從而提前製作更多的夏威夷披薩，減少顧客的等待時間。人工智慧和資料科學的用途幾乎可以在任何產生資料的情況下找到。因此，與傳統的軟體工程相比，各種各樣的職業會發現定製的人工智慧應用程式和資料衍生的見解有更多的用途。這使得人工智慧導向的編碼的讀寫能力比傳統的編碼更有價值。它可以使無數個人利用資料使自己的生活更豐富。我希望建構基本人工智慧應用程式的承諾，甚至比建構基本傳統軟體的承諾更能鼓勵人們學習如何編碼。如果社會接受這種新的讀寫能力，我們將從中受益。職業生涯發展的三個步驟人工智慧的迅速崛起導致人工智慧工作迅速增加，許多人正在這一領域建立令人興奮的事業。職業生涯是一段幾十年的旅程，道路並不平坦。多年來，我很榮幸地看到成千上萬的學生以及大大小小的公司的工程師在人工智慧領域找到了職業方向。職業發展的三個關鍵步驟是學習基礎技能、從事項目工作（以加深你的技能、建立個人作品集和創造影響力），以及找到一份工作。這些步驟層層相疊：這些階段適用於各種職業，但人工智慧涉及獨特的元素。例如：學習基礎技能是一個貫穿職業生涯的過程：人工智慧還處於起步階段，許多技術仍在不斷發展。雖然機器學習和深度學習的基礎正在成熟——而課程學習是掌握這些基礎的高效方式——但在這些基礎之外，在人工智慧領域，跟上不斷變化的技術比在更成熟領域更重要。從事項目工作通常意味著與缺乏人工智慧專業知識的利益相關者合作：這可能會讓尋找合適的項目、估計項目的完成時間以及投資回報並設定期望變得具有挑戰性。此外，AI項目的高度迭代性給項目管理帶來了特殊挑戰：當您不知道需要多長時間才能達到目標準確度時，您如何制定建構系統的計畫？即使系統達到了目標，也可能需要進一步的迭代來解決部署後的漂移問題。對人工智慧技能和職位角色的看法不一致：雖然在人工智慧領域找工作可能與其他領域找工作類似，但也有重要區別。許多公司仍在努力弄清楚他們需要那些人工智慧技能，以及如何僱傭擁有這些技能的人。你所從事的工作可能與面試官見過的任何東西都大不相同，你更有可能不得不讓潛在僱主瞭解你工作的某些方面。在你經歷每個步驟時，你也應該建立一個支援性的社區。有朋友和盟友可以幫助你——以及你努力幫助的人——會使這條路更容易。無論你是剛剛起步還是已經走了很多年，這都是真的。學習有前途的人工智慧職業的技術技能在上一章中，我介紹了在人工智慧領域建立職業生涯的三個關鍵步驟：學習基礎技術技能，參與項目，以及找到一份工作，所有這些都是成為社區的一員所支援。在這一章中，我想更深入地探討第一步：學習基礎技能。關於人工智慧的研究論文數量多到一個人一輩子都讀不完。因此，在學習時，優先選擇主題至關重要。我認為，對於機器學習技術職業來說，最重要的主題是：基礎機器學習技能：例如，理解線性回歸、邏輯回歸、神經網路、決策樹、聚類和異常檢測等模型非常重要。除了特定模型之外，更重要的是理解機器學習如何以及為什麼工作的核心概念，例如偏差/方差、成本函數、正則化、最佳化演算法和誤差分析。深度學習：深度學習在機器學習領域所佔的比重很大，如果不瞭解它，很難在該領域取得卓越的成就！瞭解神經網路的基本知識、使它們工作的實際技能（如超參數調整）、摺積網路、序列模型和變壓器是非常有價值的。與機器學習相關的數學：關鍵領域包括線性代數（向量、矩陣以及它們的各種操作）以及機率和統計（包括離散機率和連續機率、標準機率分佈、獨立性和貝葉斯規則等基本規則以及假設檢驗）。此外，探索性資料分析（EDA）——使用可視化和其他方法系統地探索資料集——是一種被低估的技能。我發現 EDA 在以資料為中心的 AI 開發中特別有用，在那裡分析錯誤和獲得見解真的可以幫助推動進展！最後，對微積分的基本直觀的理解也將有所幫助。機器學習所需的數學一直在變化。例如，雖然一些任務需要微積分，但改進的自動微分軟體使得發明和實現新的神經網路架構而不進行任何微積分成為可能。這在十年前幾乎是不可能的。軟體開發：雖然你只需要機器學習建模技能就可以找到一份工作並做出巨大貢獻，但如果你還能編寫好的軟體來實施複雜的人工智慧系統，那麼你的就業機會就會增加。這些技能包括程式設計基礎、資料結構（特別是與機器學習相關的資料幀）、演算法（包括與資料庫和資料操作相關的演算法）、軟體設計、熟悉 Python、熟悉 TensorFlow 或 PyTorch 等關鍵庫以及 scikit-learn。有很多東西要學習！即使你掌握了這份清單上的所有內容，我也希望你能繼續學習，不斷深化你的技術知識。我認識很多機器學習工程師，他們在自然語言處理或電腦視覺等應用領域或機率圖模型或建構可擴展軟體系統等技術領域掌握了更深層次的技能，從中受益匪淺。你如何獲得這些技能？網際網路上有大量優質內容，從理論上講，閱讀數十個網頁可能有效果。但是，如果目標是深入理解，那麼閱讀互不關聯的網頁效率低下，因為它們往往重複彼此的內容，使用不一致的術語（這會減慢你的閱讀速度），質量參差不齊，而且留有空白。這就是為什麼一個好的課程——將大量材料組織成連貫和合乎邏輯的形式——通常是掌握有意義的知識體的最佳方式。當你吸收了課程中提供的知識後，你可以轉向研究論文和其他資源。最後，沒有人能在一個周末甚至一個月的時間裡掌握他們需要知道的一切。我認識的所有擅長機器學習的人都是終身學習者。鑑於我們的領域變化如此之快，如果你想跟上步伐，除了不斷學習，你幾乎別無選擇。如何才能多年保持穩定的學習步伐？如果你能養成每周學習一點點的習慣，你就可以在不費吹灰之力的情況下取得重大進展。我最喜歡的書之一是 BJ 福格寫的《微習慣：小改變，大改變》，福格解釋說，建立新習慣的最好方法是從小處著手並取得成功，而不是一開始就做太大，然後失敗。例如，他建議不要試圖每天鍛鍊 30 分鐘，而要立志做一個伏地挺身，並堅持下去。對於那些想要花更多時間學習的人來說，這種方法可能有所幫助。如果你從每天觀看 10 秒的教育視訊開始，並堅持下去，那麼每天學習的習慣就會自然而然地養成。即使你在 10 秒內學不到任何東西，你也在建立每天學習一點的習慣。在某些日子裡，你可能會學習一個小時或更長時間。你應該學習數學來獲得人工智慧的工作嗎？要成為一名機器學習工程師，需要掌握多少數學數學是人工智慧的基礎技能嗎？瞭解更多的數學總是件好事！但是要學的東西太多了，所以現實地講，有必要分清輕重緩急。以下是你可能用來加強數學背景的方法。為了弄清楚那些知識是重要的，我發現問自己需要知道什麼才能做出你想做的工作的決定是有用的。在 DeepLearning.AI，我們經常問，“一個人需要知道什麼才能實現他們的目標？”這個目標可能是建立一個機器學習模型，設計一個系統，或者通過工作面試。瞭解你所使用的演算法背後的數學往往很有幫助，因為它能使你偵錯它們。但是，有用的知識深度是隨時間而變化的。隨著機器學習技術的成熟和變得更加可靠和交鑰匙，它們需要的偵錯越來越少，而對所涉及數學的較淺理解可能足以使它們工作。例如，在機器學習的早期，用於解決線性方程組（用於線性回歸）的線性代數庫還不成熟。我必須瞭解這些庫的工作原理，以便我可以選擇不同的庫並避免數值舍入陷阱。但隨著數值線性代數庫的成熟，這變得不那麼重要了。深度學習仍然是一項新興技術，因此，當您訓練神經網路和最佳化演算法難以收斂時，瞭解梯度下降、動量和亞當最佳化演算法背後的數學知識將幫助您做出更好的決策。同樣，如果您的神經網路做了一些奇怪的事情——例如，它在特定解析度的圖像上做出糟糕的預測，但在其他圖像上沒有——瞭解神經網路架構背後的數學知識將使您處於更有利的地位，以找出應該做什麼。當然，我也鼓勵由好奇心驅動的學習。如果你對某事感興趣，那就去學習吧，不管它最終可能會有多有用！也許這會引發創造性的火花或技術突破。成功 AI 項目的範圍人工智慧架構師最重要的技能之一就是能夠識別出有價值的工作。接下來的幾章將討論如何尋找和處理項目，這樣你就可以獲得經驗並建立自己的作品集。多年來，我將機器學習應用於製造業、醫療保健、氣候變化、農業、電子商務、廣告和其他行業，並從中獲得了樂趣。如果一個人不是這些行業的專家，那麼他如何在這些行業中找到有意義的項目呢？以下五個步驟將幫助您確定項目範圍。步驟 1確定業務問題（而不是人工智慧問題）。我喜歡找到一個領域專家並問：“你最希望那三件事情做得更好？為什麼它們還沒有起作用？”例如，如果你想將人工智慧應用於氣候變化，你可能會發現電網營運商無法精準預測風能和太陽能等間歇性能源未來可能產生的電力。步驟 2頭腦風暴 AI 解決方案。當我年輕的時候，我經常執行第一個讓我興奮的想法。有時這會奏效，但有時我會錯過一個可能不需要更多努力就能建構的更好的想法。一旦你理解了一個問題，你就可以更有效地頭腦風暴潛在的解決方案。例如，為了預測間歇性能源的發電量，我們可能會考慮使用衛星圖像更準確地繪製風力渦輪機的位置，使用衛星圖像來估計風力渦輪機的高度和發電能力，或者使用天氣資料來更好地預測雲層覆蓋和太陽輻照度。有時沒有好的 AI 解決方案，這也沒關係。步驟 3評估潛在解決方案的可行性和價值。你可以通過查看已發表的作品、競爭對手的所作所為，或者建構一個快速的概念驗證實施來確定一種方法是否在技術上可行。你可以通過諮詢領域專家（例如，電網營運商，他們可以就上述潛在解決方案的實用性提供建議）來確定其價值。步驟 4確定里程碑。一旦你認為一個項目具有足夠的價值，下一步就是確定要瞄準的指標。這既包括機器學習指標（例如精準性），也包括業務指標（例如收入）。機器學習團隊通常最熟悉學習演算法可以最佳化的指標。但我們可能需要跳出我們的舒適區，提出業務指標，例如與使用者參與度、收入等相關的那些指標。不幸的是，並不是每個業務問題都可以簡化為最佳化測試集精準性！如果你無法確定合理的里程碑，那可能說明你需要更多地瞭解這個問題。一個快速的概念驗證可以幫助提供缺失的視角。步驟 5預算資源。仔細考慮完成項目所需的一切，包括資料、人員、時間以及可能需要的其他團隊的支援和整合。例如，如果你需要資金購買衛星圖像，確保預算中包含這筆費用。在項目上工作是一個迭代的過程。如果在任何一步中，你發現當前的方向不可行，請回到上一個步驟，並繼續按照你的新理解進行下去。有沒有一個領域讓你感到興奮，而人工智慧可以在其中發揮作用？我希望這些步驟將指導你通過項目工作來探索它——即使你還沒有在該領域擁有深厚的專業知識。人工智慧不會解決所有問題，但作為一個社區，讓我們尋找方法，儘可能地產生積極影響。尋找與您的職業目標互補的項目不言而喻，我們只應該從事對人類負責任、合乎道德和有益的項目。但這些限制留下了大量可供選擇的項目。在前一章中，我寫了如何識別和確定人工智慧項目的範圍。本章和下一章的重點略有不同：挑選和執行著眼於職業發展的項目。成功的職業生涯將包括許多項目，希望隨著時間的推移，項目的範圍、複雜性和影響力都會增加。因此，從小處著手是可取的。利用早期的項目來學習，隨著技能的增長逐漸承擔更大的項目。當你初出茅廬時，不要指望別人會把偉大的想法或資源拱手送給你。很多人都是從利用業餘時間做小項目開始的。當你取得初步的成功——即使只是小成功——時，你不斷增長的技能會提高你提出更好想法的能力，而且更容易說服別人幫助你承擔更大的項目。如果你沒有任何項目想法怎麼辦？以下是幾個產生想法的方法：加入現有項目。如果你發現其他人有一個想法，請加入他們的項目。繼續閱讀和與人交談。每當我花很多時間閱讀、上課或與領域專家交談時，我都會有新的想法。我相信你也會。關注一個應用領域。許多研究人員正試圖推進基礎人工智慧技術，比如發明下一代變壓器或進一步擴展語言模型，因此，雖然這是一個令人興奮的方向，但也非常困難。但是，機器學習尚未應用到的應用領域是多種多樣的！我很幸運能夠將神經網路應用於從自主直升機飛行到線上廣告的各個領域，部分原因是我跳進這些應用領域時，研究這些應用的人還相對較少。如果你的公司或學校關心某個特定應用，那就探索一下機器學習的可能性。這可以讓你先睹為快，瞭解一個具有潛在創造性的應用，一個你可以做別人沒做過的獨特工作的應用。發展一個副業。即使你有全職工作，一個有趣的項目，可能會或可能不會發展成更大的東西，可以激發創造力，並加強與合作者的聯絡。當我還是一名全職教授時，從事線上教育不是我的“工作”（我的工作是研究和教授課程）的一部分。這是一個有趣的愛好，我經常出於對教育的熱情而從事這項工作。我在家錄製視訊的早期經歷，幫助我後來以更實質性的方式從事線上教育工作。矽谷充滿了初創企業的故事，這些企業最初是作為副業開始的。只要它不會與你的僱主產生衝突，這些項目可以成為有意義的事情的墊腳石。給定幾個項目想法，你應該選擇那一個？以下是一個快速檢查清單，考慮的因素：這個項目會幫助你提高技術水平嗎？理想情況下，它應該具有足夠的挑戰性，可以拓展你的技能，但又不會很難，讓你幾乎沒有成功的機會。這將讓你走上一條掌握越來越複雜的技術的道路。你有好的隊友一起工作嗎？如果沒有，有沒有可以討論事情的人？我們從周圍的人身上學到了很多，好的合作夥伴會對你的成長產生巨大的影響。它能成為一塊墊腳石嗎？如果項目成功，其技術複雜性和/或業務影響能否使其成為更大項目的有意義墊腳石？如果項目比您以前從事的項目更大，它很有可能成為這樣的墊腳石。最後，避免分析癱瘓。花一個月時間決定是否從事一個一周可以完成的項目是沒有意義的。在你的職業生涯中，你會從事多個項目，所以你有大量機會來完善你對什麼是有價值的想法。鑑於人工智慧項目的巨大數量，與其採用傳統的“準備，瞄準，開火”的方法，你可以採用“準備，開火，瞄準”的方法來加速你的進步。從事項目工作需要就建造什麼和如何建造做出艱難的選擇。以下是兩種截然不同的風格：準備，瞄準，開火：仔細計畫並認真驗證。只有在對一個方向有高度信心時才做出承諾並執行。準備、開火、瞄準：投入開發並開始執行。這可以讓你快速發現問題，並在必要時進行調整。假設您為零售商建構了一個客戶服務聊天機器人，並認為它也有助於餐廳。您是否應該在開始開發之前花時間研究餐廳市場，慢慢來但降低浪費時間和資源的風險？或者立即開始，快速行動並接受轉型或失敗的風險？這兩種方法都有各自的支持者，最佳選擇取決於具體情況。“準備，瞄準，開火”在執行成本較高時往往更勝一籌，一項研究可以揭示一個項目可能有多有用或多寶貴。例如，如果你能想出幾個其他用例（餐廳、航空公司、電信公司等），並評估這些用例以確定最有前景的一個，那麼在確定方向之前花些時間可能是值得的。“準備好，開火，瞄準”，如果你能以低成本執行，並確定方向是否可行，並找出使它奏效的微調，那麼它就會更好。例如，如果你能快速建構一個原型來確定使用者是否想要該產品，並且如果可以在少量工作後取消或轉向是可以接受的，那麼就有理由考慮快速進入。當開槍的成本很低時，也有理由開很多槍。在這種情況下，過程實際上是“準備好，開火，瞄準，開火，瞄準，開槍，瞄準，開槍”。在就項目方向達成一致後，在建構產品中的機器學習模型時，我傾向於“準備好，開火，瞄準”。建構模型是一個迭代的過程。對於許多應用來說，訓練和進行錯誤分析的成本並不高。此外，很難進行一項研究，以闡明適當的模型、資料和超參數。因此，快速建構端到端系統並修改它，直到它工作良好是有道理的。但是，當朝著某個方向前進意味著做出代價高昂的投資或進入一扇單向門（意味著一個很難逆轉的決定）時，提前花更多時間確保它真的是一個好主意往往是值得的。建立能夠展示技能進步的項目組合在職業生涯中，你可能連續從事多個項目，每個項目的範圍和複雜性都會增加。例如：1. 班級項目：The first few projects might be narrowly scoped homework assignments with predetermined right answers. These are often great learning experiences!前幾個項目可能是範圍狹窄的家庭作業任務，有預定的正確答案。這些往往是很好的學習經歷！2. 個人項目你可能會繼續從事小規模的項目，無論是單獨還是與朋友合作。例如，你可以重新實現一個已知的演算法，將機器學習應用於業餘愛好（例如預測你最喜歡的運動隊是否會獲勝），或者在你的業餘時間建立一個小型但實用的系統（例如一個基於機器學習的指令碼，可以幫助同事自動化一些工作）。參加由 Kaggle 組織的競賽也是獲得經驗的一種方式。3. 範圍和複雜性的增加成功一個接一個，為更多的技術增長、更多的資源和越來越重要的項目機會打開了大門。每個項目只是漫長旅程中的一步，希望這一步能產生積極的影響。此外：不要擔心項目太小。我的第一個機器學習研究項目之一是訓練一個神經網路，看看它模仿 sin（x） 函數的效果如何。它不是很有用，但這是一個很好的學習經歷，讓我能夠繼續進行更大的項目。溝通是關鍵。如果你想讓其他人看到你的工作的價值，並相信你可以投資更大的項目，你需要能夠解釋你的想法。為了啟動一個項目，溝通你希望建立的價值將有助於讓同事、導師和管理者加入進來，並幫助他們指出你推理中的缺陷。在你完成工作後，清楚地解釋你所完成的工作的能力將有助於說服其他人打開通向更大項目的大門。領導力不只適用於管理者。當你開始參與需要團隊合作的大型人工智慧項目時，領導項目的能力就會變得更加重要，無論你是否處於正式的領導職位。我的很多朋友都成功地從事技術而非管理方面的職業，他們能夠通過運用深刻的技術洞見來幫助指導項目，例如，在何時投資於新的技術架構或收集更多某種類型的資料，這讓他們成長為領導者，並顯著改善了項目。建立一個項目組合，特別是一個隨著時間的推移從簡單到複雜的項目組合，在找工作時將大有幫助。啟動人工智慧工作搜尋的簡單框架找工作有幾個可預測的步驟，包括選擇你想申請的公司，準備面試，最後選擇一個職位並協商薪資和福利。在這一章中，我想重點介紹一個對許多 AI 求職者有用的框架，特別是那些從其他領域進入 AI 領域的求職者。如果你在考慮你的下一份工作，問問自己: 你在轉換角色嗎？例如，如果你是一名軟體工程師、大學生或物理學家，你想成為一名機器學習工程師，這就是角色轉換。你在轉換行業嗎？例如，如果你在一家醫療保健公司、金融服務公司或政府機構工作，你想為一家軟體公司工作，這就是行業轉換。一家科技初創公司的產品經理在同一家公司（或另一家公司）成為資料科學家，這是角色轉換。一家製造公司的行銷人員在科技公司成為行銷人員，這是行業轉換。一家金融服務公司的分析師在科技公司成為機器學習工程師，這是角色和行業雙轉換。如果你想找你的第一份人工智慧工作，你可能發現轉換角色或行業比同時轉換兩者更容易。假設你是一名在金融服務業工作的分析師：如果你在金融服務領域找到一份資料科學或機器學習工作，你可以在獲得 AI 知識和專業技能的同時繼續使用你的特定領域知識。在這個職位上工作一段時間後，你就可以更好地轉到一家科技公司（如果這是你的目標）。或者，如果你成為科技公司的一名分析師，你可以繼續使用你的分析技能，但將其應用於不同的行業。成為科技公司的一員也使你更容易從同事那裡瞭解人工智慧的實際挑戰、在人工智慧領域取得成功的關鍵技能等等。如果你想轉換角色，那麼創業公司可能比大公司更容易實現。雖然也有例外，但創業公司通常沒有足夠的人手來完成所有想要的工作。如果你能幫助完成人工智慧任務，即使這不是你正式的工作，你的工作也很可能會受到賞識。這為在不離開公司的情況下進行可能的角色轉換奠定了基礎。相比之下，在大公司，僵化的獎勵制度更有可能獎勵你做好本職工作（以及你的經理支援你做你應聘的工作），但不太可能獎勵你工作範圍外的貢獻。在你期望的職位和行業工作一段時間後（例如，在一家科技公司擔任機器學習工程師），你對那個行業更高等級職位的要求就會有很好的瞭解。你還會在這個行業內建立關係網，幫助你發展。因此，未來的求職——如果你選擇堅持這個職位和行業——可能會更容易。在換工作時，你是在向未知邁出一步，尤其是如果你要轉換角色或行業時。為了更熟悉新的角色和/或行業，最未被充分利用的工具之一是資訊面試。我將在下一章分享更多資訊。我非常感謝 FourthBrain （DeepLearning.AI 旗下公司）的首席執行官薩爾瓦·努爾·穆罕默德為本章提供的一些想法。關於未來，我們有很多不知道的事情：我們什麼時候能治癒阿爾茨海默氏症？誰會贏得下一次選舉？或者，在商業背景下，我們明年會有多少客戶？隨著世界發生如此多的變化，許多人對未來感到壓力，尤其是在找工作的時候。我有一個習慣可以幫助我重新獲得一種控制感。面對不確定性，我試著：列出一些可能發生的情況，並承認我不知道那一種情況會發生。為每種情況制定行動計畫。隨著未來的到來，定期回顧情景和計畫。開始執行看起來合理的行動。例如，在2020年3月的COVID-19大流行期間，我做了這種情景規劃練習。我設想了快速（三個月）、中速（一年）和慢速（兩年）的COVID-19恢復情況，並制定了管理每種情況的計畫。這些計畫幫助我優先考慮我可以做的事情。同樣的方法也可以應用於個人生活。如果你不確定自己能否通過考試、獲得工作機會或獲得簽證——所有這些都可能會讓人倍感壓力——你可以寫出在每種可能的情況下你會怎麼做。思考各種可能性並堅持執行計畫可以幫助你有效地應對未來，無論它會帶來什麼。額外收穫：通過學習人工智慧和統計學，你可以計算出每種情況的機率。我非常喜歡“超級預測”的方法，這種方法將許多專家的判斷綜合成機率估計。使用資訊面試找到合適的工作如果您準備轉換角色（例如，第一次擔任機器學習工程師）或行業（例如，第一次在人工智慧科技公司工作），那麼您可能對目標工作有很多不瞭解的地方。資訊面試是一種很好的學習方法。資訊面試包括找到你想要瞭解的公司或角色中的某個人，並非正式地就他們的工作進行面試。這些對話與找工作是分開的。事實上，在你準備開始找工作之前，面試那些職位與你興趣相符的人會很有幫助。資訊性面試與人工智慧的關係尤為密切，因為該領域正在不斷發展，許多公司使用工作頭銜的方式不一致。在一家公司，資料科學家可能主要被期望分析業務資料並在幻燈片上呈現結論。在另一家公司，他們可能會編寫和維護生產程式碼。資訊性面試可以幫助您弄清楚特定公司的人工智慧人員實際上在做什麼。隨著人工智慧領域機會的迅速增加，許多人將第一次從事人工智慧工作。在這種情況下，一次資訊面試對於瞭解實際情況以及從事這項工作需要那些技能是非常有價值的。例如，你可以瞭解一家公司使用那些演算法、部署流程和軟體棧。如果你不熟悉以資料為中心的人工智慧運動，你可能驚訝地發現，大多數機器學習工程師要花費大量時間迭代清理資料集。通過提前研究面試者和公司，為資訊面試做好準備，這樣你就可以提出有針對性的問題。你可能會問：你通常一周或一天的工作是什麼？這個職位最重要的任務是什麼？成功最重要的技能是什麼？你的團隊如何共同努力實現目標？招聘流程是什麼？考慮到過去脫穎而出的候選人，是什麼讓他們脫穎而出？找到願意接受採訪的人並不總是一件容易的事，但如今身居要職的很多人在剛入這一行時都曾得到過前輩的幫助，他們中的很多人也希望回報他人。如果你能聯絡到已經在你的社交圈中的人——比如在你之前轉行的朋友，或者和你上過同一所學校的人——那就太棒了！Pie & AI這樣的聚會也能幫助你建立社交圈。最後，要禮貌和專業，感謝你面試的人。當你有機會時，也請把它傳遞下去，幫助在你之後的人。如果你收到來自 DeepLearning.AI 社區某人的非正式面試請求，我希望你能靠近他們，幫助他們更上一層樓！如果你想瞭解更多關於非正式面試的資訊，我推薦加州大學伯克利分校職業中心的這篇文章。我多次提到過你的人脈和社區的重要性。你遇到的人，除了提供有價值的資訊外，還可以通過把你介紹給潛在僱主來發揮不可估量的作用。找到適合你的AI工作在本章中，我想討論一些找工作的細節。典型的求職過程遵循一條相當可預測的路徑。通過線上搜尋或與朋友交談，瞭解研究角色和公司。如果願意，可以安排非正式的資訊面試，與對你感興趣的公司的人交談。要麼直接申請，要麼（如果可以的話）從內部人士那裡獲得推薦。接受邀請公司的面試。收到一個或多個工作邀請，並選擇一個。或者，如果你沒有收到工作邀請，請向面試官、人力資源人員、線上討論板或任何能幫助你規劃下一步行動的人尋求反饋。雖然這個過程可能很熟悉，但每一次求職都是不同的。以下是一些提示，可以增加你找到一個支援你蓬勃發展的職業生涯並使你不斷成長的機會。注意基本要素。一份引人注目的簡歷、一系列技術項目以及出色的面試表現將為你打開大門。即使你獲得了公司某人的推薦，簡歷和作品集仍是你與許多尚不認識你的人建立聯絡的第一步。更新你的簡歷，並確保它清晰地呈現了你與目標職位相關的教育和工作經歷。針對每一家公司，調整你的溝通方式，解釋你為何是合適人選。面試前，詢問招聘人員對你的期望。花時間回顧並練習回答常見面試問題，複習關鍵技能，學習技術材料，確保它們在你腦中鮮活起來。之後，做筆記來幫助你記住說過的話。要尊重和負責任。帶著雙贏的心態去面試和談判。在社交媒體上，憤怒比理性傳播得更快，所以一個關於僱主付薪過低的故事會被放大，而一個關於僱主公平對待員工的故事則不會。絕大多數僱主都是道德和公平的，所以不要讓一小部分受虐待的員工的故事左右你的做法。如果你要離開一份工作，請優雅地退出。給你的僱主充足的時間，在最後的工作時間裡全力以赴，盡你所能完成未完成的工作，以一種尊重你所承擔的責任的方式離開。選擇與誰共事。由於你要參與的項目，你很容易選擇一個職位。但是，與你共事的團隊成員至少同等重要。我們周圍的人會影響我們，因此你的同事將產生重大影響。例如，如果你的朋友吸菸，那麼你也吸菸的可能性就會增加。我不知道有那項研究顯示了這一點，但我確信，如果你的大多數同事努力工作，不斷學習，並建立造福所有人的人工智慧，那麼你很可能也會這樣做。（順便說一句，一些大公司不會告訴你你的團隊成員是誰，直到你接受了工作邀請。在這種情況下，你要堅持不懈地努力，確定並與潛在團隊成員交談。嚴格的政策可能會讓你無法適應，但在我看來，這增加了接受工作邀請的風險，因為它增加了你最終與不適合你的經理或團隊成員共事的機率。）從你的社區獲得幫助。在我們的職業生涯中，大多數人只進行過少數幾次求職，因此我們很少有機會好好練習。然而，總體而言，你周圍的人可能有很多經驗。不要羞於向他們求助。朋友和同事可以提供建議，分享內部知識，並把你介紹給其他人，他們可能會有所幫助。當我申請第一個教職職位時，我得到了很多支援我的朋友和導師的幫助，他們給我的很多建議都非常有用。我知道找工作的過程可能會讓人望而卻步。與其將其視為一次巨大的飛躍，不如考慮循序漸進的方式。首先確定可能的角色，並進行少量資訊面試。如果這些談話告訴你，在你準備好申請之前，還有更多的學習要做，那就太好了！至少你有一個清晰的前進道路。任何旅程中最重要的是邁出第一步，而這一步可以很小。在人工智慧領域建立事業的關鍵在人工智慧領域取得職業成功的道路比我在一本簡短的電子書中所能涵蓋的內容要複雜得多。希望前面的章節能給你前進的動力。在規劃成功之路時，請考慮以下幾點：1.團隊合作：當我們處理大型項目時，通過團隊工作比單獨工作更成功。與他人合作、影響和被他人影響的能力至關重要。因此，人際交往和溝通技巧真的很重要。（順便說一句，我以前是個很差的溝通者。）2. 網路：我討厭社交！作為一個內向的人，不得不去參加聚會，強顏歡笑，儘可能多地與人握手，這是一件可怕的事情。我寧願呆在家裡看書。儘管如此，我很幸運地在人工智慧領域找到了許多真正的朋友；我願意為他們挺身而出，他們也值得我信賴。沒有人是一座孤島，當你需要幫助或建議時，擁有一個強大的職業網路可以幫助你前進。除了社交，我發現考慮建立一個社區更有幫助。因此，與其試圖建立我的個人網路，我轉而專注於建立我所參與的社區。這附帶的好處是幫助我認識更多的人，並結交朋友。3. 找工作在建立職業生涯的所有步驟中，這一步往往最受關注。不幸的是，網際網路上有很多關於這一步的壞建議。（例如，許多文章敦促對潛在僱主採取對抗態度，我認為這沒有幫助。）雖然找工作似乎是最終目標，但這只是職業生涯漫長旅程中的一小步。4. 個人紀律很少有人會知道你周末是學習還是看電視，但他們會注意到隨著時間的推移而產生的變化。許多成功人士在飲食、鍛鍊、睡眠、人際關係、工作、學習和自我保健方面都養成了良好的習慣。這些習慣幫助他們前進，同時保持健康。5.利他主義我發現，那些在個人旅程的每一步都立志幫助他人的人，往往能為自己取得更好的結果。我們如何在為自己創造激動人心的職業生涯的同時幫助他人？克服冒名頂替綜合症在我們深入探討這本書的最後一章之前，我想談談一個嚴肅的問題，即新進入人工智慧領域的人有時會經歷冒名頂替綜合徵，即無論他們在該領域取得多大成功，都會懷疑自己是否是個騙子，是否真的屬於人工智慧社區。我想確保這不會阻止你或其他任何人在人工智慧領域成長。讓我說清楚：如果你想成為人工智慧社區的一員，那麼我張開雙臂歡迎你。如果你想加入我們，你完全屬於我們！據估計，70%的人在某個時候會經歷某種形式的冒名綜合徵。許多有才華的人公開談論過這種經歷，包括Facebook前首席營運官謝麗爾·桑德伯格、美國第一夫人米歇爾·歐巴馬、演員湯姆·漢克斯和Atlassian聯席首席執行官邁克·卡農-布魯克斯。即使在我們的社區中，甚至在有成就的人中間，這種情況也會發生。如果你自己從未經歷過這種情況，那太好了！我希望你能加入我的行列，鼓勵並歡迎所有想加入我們社區的人。人工智慧在技術上很複雜，它擁有相當數量聰明且能力超群的人才。但人們很容易忘記，要想精通任何事情，第一步都是要先不擅長它。如果你已經成功做到了不擅長人工智慧——恭喜你，你走上了正軌！我曾經很難理解線性回歸背後的數學原理。當邏輯回歸在我的資料上表現異常時，我感到很困惑，我花了好幾天時間才找到我實現的基本神經網路中的一個錯誤。今天，我仍然發現許多研究論文很難閱讀，我最近在調整神經網路超參數時犯了一個明顯的錯誤（幸運的是，一位工程師發現了這個問題並糾正了它）。所以，如果你也覺得人工智慧有挑戰性，沒關係。我們都經歷過。我敢保證，每個發表過有影響力的人工智慧論文的人，都在某個時候為類似的技術挑戰而苦苦掙扎過。以下是一些有幫助的事情。你有支援你的導師或同行嗎？如果沒有，那就參加Pie & AI或其他活動，使用討論板，努力找到一些。如果你的導師或經理不支援你的成長，那就找一些支援你的人。我也在努力如何建立一個支援性的AI社區，希望讓每個人都能更容易地找到並給予支援。沒有人是樣樣精通的專家。認識到自己擅長什麼。如果你擅長的是向朋友解釋《十滴水》中的十篇文章中的其中一篇，那麼你已經成功了！讓我們努力讓你理解其中的二十篇文章。我三歲的女兒（連數到 12 都費勁）經常試圖教我一歲的兒子東西。無論你的水平有多高——如果你至少像三歲孩子一樣見多識廣——你都可以鼓勵和提升你身後的人。這樣做也會對你有所幫助，因為你身後的人會認可你的專業知識，並鼓勵你繼續發展。當你邀請他人加入人工智慧社區時（我希望你能這麼做），也會減少對你已經是社區一員的疑慮。人工智慧是我們世界的重要組成部分，我希望每個想成為其中一員的人都能感到賓至如歸，成為我們社區的一員。讓我們共同努力，實現這一目標。最後的想法讓每一天都有意義。每年我的生日，我都會思考過去的日子和可能到來的日子。也許你擅長數學；我相信你能通過快速計算回答以下問題。但讓我問你一個問題，請憑直覺回答，不要計算。典型的人類壽命是幾天？2萬天？10萬天？100萬天？500萬天？當我問朋友時，很多人選擇了一個數十萬計的數字。（其他很多人忍不住要算出答案，這讓我很惱火！）當我還是個研究生的時候，我記得把我的統計資料輸入一個死亡計算器，算出我的預期壽命。計算器說我可以活 27,649 天。這個數字讓我震驚。我用大號字型列印出來，貼在我的辦公室牆上，作為每天的提醒。這是我們與所愛之人共度時光、學習、為未來打拚、幫助他人的全部時間。無論你今天在做什麼，是否值得你生命的1/30000？ (騰訊研究院)

夏日臨近，又到了吃瓜的季節。旺盛的需求帶火了驗瓜師這一職業，“每天拍拍西瓜月入3萬元”的話題沖上熱搜，引來不少吃瓜群眾圍觀。有網友調侃說：“我也會，讓我來。”但其實，這份工作並不輕鬆，也需要一定的門檻。好的驗瓜師不僅要掌握種植知識，還要瞭解品種特點，通過“一看二摸三聽”快速判斷西瓜的熟度、甜度和口感。驗瓜師還要不辭辛苦，一個瓜從接手到拍一下再到送出用時兩三秒，旺季每天要重複上萬次這樣的動作。新職業的大門是向每個人敞開的，但也要付出艱苦努力。“看一眼就知熟不熟，一過手就知有沒有”，這需要有長期經驗積累。圖片來源：千圖網隨著農業生產專業化，產地大型專業市場日益活躍；同時，熟度、甜度和口感等指標成為消費者購買水果的主要考量，大眾對初級農產品分級分類的需求日益迫切。順應行業趨勢，採購商找到了驗瓜師，借助他們的火眼金睛隔皮猜瓜。驗瓜師是農業社會化服務完善的產物，他們既非生產者，也非銷售者，而是新型服務者。他們跟著西瓜產地做服務，那裡有瓜就到那裡，服務範圍覆蓋全國，成為各地西瓜主產區的搶手人才。驗瓜師是鄉村新職業的代表，其走紅折射出鄉村的活力和潛力。不久前，人社部公示了擬發佈的17個新職業和42個新工種。從把控牲畜交易的“牲畜經紀人”到營運集體資產的“農村集體經濟經理人”，多項與農業農村相關。此外，農村AI訓練師、民宿管家、鄉村規劃師等不斷湧現。儘管有的職業還沒正式進入主管部門的目錄，但並不妨礙其已是實打實的就業新出路。從業者無論是老把式還是新生代，都看好“三農”發展。鄉村新職業加速湧現，背後是城鄉融合發展和鄉村產業融合，是農業產業鏈的完善和業態繁榮。一二三產業融合尤其是農文旅融合，對鄉村新職業的需求明顯增加，也給新老農民帶來了機會；農業內部分工精細化，制種經紀人、天敵昆蟲技術員等細分領域的小眾職業應運而生；一些城市新職業如全媒體營運師、研學旅行指導師等，也在鄉村找到了用武之地。當然，鄉村新職業並非全部“高大上”，而是豐富多彩的，共同點是鄉村所缺、市場所需。鄉村新職業為鄉村振興帶來了新鮮血液——人才，由此激發乘數效應和化學反應，形成了“產業發展、職業衍生、人才助力”的良性循環。一是吸引更多年輕人進入鄉村。浙江某地在招聘鄉村職業經理人時，將其崗位命名為“鄉村營運師”和“鄉村造夢師”，獲得了年輕人的認同。二是幫助不少傳統農民開闢人生新賽道。通過與全新的產業鏈打交道，他們不斷提升自我，與時代接軌，成長為新型職業農民。三是推動鄉村產業提檔升級。受益於新職業，農業社會化服務體系不斷完善，生產者與消費者之間的聯絡日益順暢。鄉村振興，關鍵在人。鄉村新職業人才是鄉村人才的重要組成部分。各地要因地制宜制定符合區域特點的政策措施，提供良好外部環境，激發市場內生活力，為新職業的孕育和人才發展提供土壤。參照成熟職業做法，完善新職業的評價體系和支援體系，提升其社會認同度，增強從業者的職業榮譽感。針對有意願人員開展職業教育和技能培訓，提高針對性和實用性。鄉村不僅是農業生產的空間載體，也是廣大農民的家園故土。建設農業強國要實現鄉村由表及裡、形神兼備的全面提升。隨著產業變革加速，鄉村職業體系也會持續演化。廣袤鄉村正書寫一部傳統與現代交相輝映的職業進化史，給身處其中的人們帶來新希望。 (經濟日報)

【環球網科技綜合報導】3月30日消息，微軟聯合創始人比爾·蓋茲日前在接受媒體採訪時，對未來人工智慧（AI）的發展做出了大膽預測。他表示，AI技術的進步將在不到10年內顯著減少人類在醫學、教育等許多傳統任務中的角色。蓋茲描述了一個未來景象：隨著AI技術的普及，人類將不再“在大多數事情上”是必需的。AI將能夠輕鬆完成目前需要專門人類技能的任務，從而使醫療建議、教育輔導等變得免費且普遍。在談到AI對社會的潛在影響時，蓋茲表示，這一技術將滲透到日常生活的各個方面，從醫療保健和診斷到教育等領域都將發生革命性的變化。他特別提到，AI導師的廣泛可用將極大地改變教育方式。然而，對於AI的快速發展，也有人表示擔憂。微軟AI首席執行官穆斯塔法·蘇萊曼就認為，AI對工作的轉變將產生“極大的破壞性”影響，可能取代大量勞動力。對此，蓋茲表示，儘管存在潛在的干擾和風險，但他仍然對AI的積極貢獻持樂觀態度。蓋茲強調，AI將在醫療治療、氣候解決方案和普及教育等方面發揮重要作用。同時，他也承認，某些活動將始終是人類特有的，如娛樂活動。但在製造、移動和種植等方面，AI將幫助解決許多目前存在的問題。對於未來，蓋茲表示，如果他今天要創辦一家公司，他會追求一個“以人工智慧為中心”的企業。他鼓勵年輕人積極投身AI領域，抓住這一前所未有的機遇。 ( 環球Tech )

日本已經成為婚外情的超級大國了。 根據調查資料顯示，日本女性的出軌率達到了49%； 而日本男性的出軌率更是高達62%； 24%的日本單身女性都和已婚男發生過關係；