周一又到了，大家又開始緊張的工作和學習。前面有三已經說過我們的作死三原則中的“不接廣告”，“不轉文章只做原創”，今天來談談最后一個問題，“不追熱點”。

文/編輯 | 言有三?

1 技術人員不應該只做一個看客

曾經GitHub上面的一個996項目+馬云馬老師“修來的福報”論，知乎兩天突破2千萬閱讀量，公眾號火了將近半個月，幾乎人人轉發，可是熱鬧過后你收獲了什么？有什么東西改變了嗎？技術圈雖然沒有娛樂圈玩的溜，每隔一段時間還是會有熱點發生，可惜對于提升技術有用的很少。

幾年前我曾經仔仔細細去翻閱了一個月的機器之心/新智元等公眾號的文章，試圖跟上它的節奏(技術+工業界發展)，后來發現存在兩個問題。

第一個，覆蓋范圍太廣了，就算每天只是看這幾個號的文章，也根本不可能跟上，就像猴子下山摘玉米那個故事，看到了新的又想去關注一下，最后都是一場空。

第二個，東西太散亂，終究還是只能當作信息媒體來閱讀，如果較真反受其亂影響學習。

媒體寫文章的套路就是xx機構xx大神取得了xx牛皮的效果，大部分訂閱者先被xx機構吸引，再被xx大神吸引，然后去文章里看兩張xx圖，看一下評論，開始討論。

它給人一個錯覺，學到了很多東西，漲了很多見識，但是可惜，往往并沒有，信息不等于知識，瀏覽不等于學會。

一個初學者，很容易就被媒體制造的各種“重大突破”帶節奏，中了“信息毒品”。建議剛開始的時候盡量少看，不然往往過了很長的一段時間后，還作為一個看客在圈外游蕩，沒有真正學習到系統性的知識。

2 信息越多學的越慢

程序員查一個bug，可能下意識點開很多回答，然后去匹配答案，總想最快解決問題，有時候沒有認真思考bug后面的深層原因，下一次依舊會踩坑。

還有一種現象，同樣的一個問題可能有多個開源項目解答，但是每一個跑起來都會有點小問題，一個跑不通就想著換下一個，最終發現一個都沒搞成，還不如老老實實解決一個項目中的問題。

一方面選擇太多了，人的思維惰性就容易發作，解決問題采取匹配答案式而不是思考。另一方面信息太多產生了浮躁，看到送1000G學習資料的就想去收集，然后這些就成為了“收藏但是不看”系列。

有三現在每天頂多看5個公眾號的文章，大部分非技術文章都只看一下標題，只有深入技術本身，才有足夠的評判能力。

3 有三AI平臺定位

其實我跟大家解釋過，有三AI不是媒體，也不是論壇，而是正經的教育平臺，我們一年幾百篇文章，全部都是原創，而且是成套的系列原創，每一篇文章都是仔細推敲過的。

可以參考文章：【雜談】怎么使用有三AI完成系統性學習并賺錢

我們的目標群體就是真正要學習這一行知識的局內人，不是看客。有三離職如果只是做一個媒體，那就是以己之短搏人之長了。

為什么要做各種各樣的技術專欄從簡到難講述問題，既花掉了很多的時間，閱讀量又不討喜，就是希望大家根基要穩。有些東西其實你現在看起來落后了，以后追趕起來舉一反三快得很。

最近很多朋友都在忙于秋招，作為線上面試官也面試了一些同學，關注了一些消息，發現大家的思維還在面經上。這也沒什么問題，面試本來也是應試，套路依舊在。

但在這個過程中許多同學忘記了去夯實自己的基礎，而是發力于多跑幾個項目，每一個深度都不夠，華而不實。

其實不管是老師還是好的技術boss，更看重的是知識根基是否扎實，潛力如何。而不是當下了解了多少東西，能夠侃侃而談多少東西。

因為你的天花板，由代表內功的知識基礎決定，靜下心來學習吧。

轉載文章請后臺聯系

侵權必究

• 【完結】深度學習CV算法工程師從入門到初級面試有多遠，大概是25篇文章的距離

• 【完結】優秀的深度學習從業者都有哪些優秀的習慣

• 【完結】給新手的12大深度學習開源框架快速入門項目

• 【完結】總結12大CNN主流模型架構設計思想

• 【知乎直播】千奇百怪的CNN網絡架構等你來

• 【AI不惑境】數據壓榨有多狠，人工智能就有多成功

• 【AI不惑境】網絡深度對深度學習模型性能有什么影響？

• 【AI不惑境】網絡的寬度如何影響深度學習模型的性能？

• 【AI不惑境】學習率和batchsize如何影響模型的性能？

• 【AI不惑境】殘差網絡的前世今生與原理

• 【AI不惑境】移動端高效網絡，卷積拆分和分組的精髓

• 【AI不惑境】深度學習中的多尺度模型設計

• 【AI不惑境】計算機視覺中注意力機制原理及其模型發展和應用

總結

以上是生活随笔為你收集整理的为什么有三AI从来不追热点，信息越多学的越慢的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。