【杂谈】为什么我们从来不追热点，循序渐进学习它不好吗？
文/編輯 | 言有三
最近疫情影響了我們的原創更新進度，今天我們來簡單談談有三AI作死三原則，“不接廣告”，“只做系統性原創”，“不追熱點”中為什么我們不追熱點。
1 學習亂象，但求更快
我常常遇到類似于“圖像分割初學者上來就擼Mask-RCNN”，“GAN初學者上來就擼StyleGAN”的學習者來提問，一般都會說他們“還沒有學會走就想跳”，借用初中數學老師當年批評我們的一句話，“就是一個不壓稱的秤砣，看起來大，實際很輕”，換成大白話就是根基不穩，影響以后修仙。
我們常常因為追求快而收獲慢。
(1) 比如程序員查一個bug，往往下意識點開很多回答，然后去匹配答案，目標是想最快解決問題，但卻不愿意認真思考bug的原因，下一次依舊會踩坑。
(2) 比如驗證一個新方向，找了多個開源項目，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，最終一個都沒搞成，還不如老老實實解決一個項目中的問題。
(3) 比如熱衷于尋找更新更好的方案，但到頭來發現成熟的技術才是工業界的選擇，而自己并不具備用好成熟技術的能力。
(4) 面試工作，不好好夯實自己的基礎，而是發力于多跑幾個項目，每一個深度不夠，完整性不夠，只是截取的知識殘片，華而不實。
造成這個現狀的原因有很多。
(1) 信息更新快。“aa機構bb大神cc重磅工作，dd專家：秒殺ee”，大部分訂閱者先被aa機構吸引，再被bb大神吸引。
(2) 領導要求快。兩天一個會，七天一個版本。
(3) 學生要求快。Linux暫時俺不會，期望是三個月內發表一篇頂會，1個月內寫完大論文。
(4) 商人要求快。1個月決戰xx項目之巔，3個月會師xx大廠。
(5) 群眾要求快。xx項目24小時star破千，登頂熱榜，readme竟有1000行。
......
眾人都在問，什么是最快最好的模型？難道這是練武術？
2 靜下心來，慢即是快
之前給大家也解釋過，有三AI不是媒體，也不是論壇，而是教育平臺，我們幾百篇文章全部都是成系列的原創，每一篇文章都是仔細推敲過的，可以循序漸進地進行學習，不追熱點不是不關心，而是有條不紊地逐漸掌握。
參考：【年終總結】2019年有三AI做了什么，2020年我們要做什么？
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。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，在我看來它至少有幾個好處。
(1) 循序漸進提升相比于跳躍式的學習，不會需要反復回去查閱知識點，避免了重復學習的過程。
(2) 循序漸進的過程中會拓寬知識面，而不是跳躍式學習中停留在一些知識點，后者的壞處是難以形成自己的知識系統，對于突擊項目或許有用，但是在寫論文等需要更綜合的知識體系的情況就遠遠不夠了，容易遇到一些小問題就解決不了。
這么看來，其實慢就是快，慢的是開始，快的是將來。
3 邀請大家加入專欄作者
最后，誠意邀請喜歡技術總結的朋友大家加入我們的專欄作者，分享自己的寶貴經驗。
專欄作者可以獲得回報，包括：
(1) 個人影響力提升。在這個技術自媒體圈子里，我們雖然粉絲不多，但是因為內容質量的保證，影響力不小。成為我們的專欄作者，保證了內容質量，證明自己的能力后，你將收獲一批忠實的粉絲。與團隊站在一起后，平臺會為你背書，我們會輔助你建立自己的微信群，會在知乎，頭條等平臺推薦你的優質內容，后續帶來的東西很多時候都遠超想象，比如半年來NLP專欄作者小Dream哥的微信群早就滿了。
(2) 收入提升。我們平臺是不接廣告的，作者所有收入來自于專欄作者的付費內容，也全部返回給了專欄作者，平臺不會有任何抽成，大家各憑本事吃飯。平臺會不遺余力地為專欄作者宣傳，輔助建立個人收入渠道。包括但不限于個人知識星球等付費社區建立，推薦到其他平臺當講師，個人付費課程推廣，以及今年會重點做的微信付費專欄等等。
比如半年來NLP專欄小Dream哥的知識星球已經超過200人，獨立開設了NLP培養計劃，若干專欄作者已經被推薦到其他平臺當講師以及創作課程。
(3) 稀缺資源獲取。在平臺的支持下，你將會優先獲得一些稀缺的資源，比如書籍創作，付費外包項目等。目前專欄作者們已經多次獲取相關資源，具體細節不便透露。
最后想跟大家說一句，平臺是有三創建的，付出了很多得到了大家的認可，但我并不希望它成為一個僅僅復制轉載內容并通過廣告將收入全部囊入有三腰包的平臺，而是希望“平臺的內容取之于誰，就讓誰受益，付出該付出的，得到該得到的”，有三唯一要做的，就是讓這個過程更加公平，讓好的內容不被埋沒，讓原創得到尊重。
詳情添加微信Longlongtogo即可。
轉載文章請后臺聯系
侵權必究
【雜談】學習AI技術總有那么多問題，有三24小時給你答疑它不香嗎？
【雜談】為了讓大家學好深度學習模型設計和優化，有三AI都做了什么
【年終總結】2019年有三AI做了什么，2020年我們要做什么？
【年終總結】有三AI至今在人臉圖像算法領域都分享了哪些內容？
【年終總結】2019年有三AI知識星球做了什么，明年又會做什么
【年終總結】2019年有三AI NLP做了什么，明年要做什么？
【雜談】2020年有三AI計算機視覺培養計劃詳解，該不該學&怎么學CV的簡單討論
【NLP】有三AI的NLP培養計劃終于來了，如何在專家一對一指導下系統性學習自然語言處理
【每周論文推薦】 初入深度學習CV領域必讀的幾篇文章
【每周CV論文推薦】 掌握殘差網絡必讀的10多篇文章
【每周CV論文推薦】 初學者必須精讀的5篇深度學習優化相關文章
【每周CV論文推薦】 CV領域中數據增強相關的論文推薦
【每周CV論文推薦】 初學高效率CNN模型設計應該讀的文章
【每周CV論文推薦】 初學目標檢測必須要讀的文章
【每周CV論文推薦】 初學深度學習圖像分割必須要讀的文章
【每周CV論文推薦】 初學GAN必須要讀的文章
【每周CV論文推薦】 深度學習人臉檢測入門必讀文章
【每周CV論文推薦】 初學深度學習人臉關鍵點檢測必讀文章
【每周CV論文推薦】 初學深度學習人臉識別和驗證必讀文章
【每周CV論文推薦】 初學深度學習人臉屬性分析必讀的文章
【每周CV論文推薦】 初學活體檢測與偽造人臉檢測必讀的文章
【每周CV論文推薦】 初學深度學習單張圖像三維人臉重建需要讀的文章
【每周CV論文推薦】 人臉識別剩下的難題：從遮擋，年齡，姿態，妝造到親屬關系，人臉攻擊
【每周NLP論文推薦】從預訓練模型掌握NLP的基本發展脈絡
【每周NLP論文推薦】 NLP中命名實體識別從機器學習到深度學習的代表性研究
【每周NLP論文推薦】 介紹語義匹配中的經典文章
【每周NLP論文推薦】 開發聊天機器人必讀的重要論文
【每周NLP論文推薦】 掌握實體關系抽取必讀的文章
【每周NLP論文推薦】 生成式聊天機器人論文介紹
【每周NLP論文推薦】 對話管理中的標志性論文介紹
總結
以上是生活随笔為你收集整理的【杂谈】为什么我们从来不追热点，循序渐进学习它不好吗？的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 【GAN优化外篇】详解生成模型VAE的数
- 下一篇： 【杂谈】计算机视觉在人脸图像领域的十几个