陈然的公开内容

我并不认为有完美的学习方式，也不认为任何极端的方式是合理的。但是如果说要是如何更有效率，我更喜欢实践带动理论的方式。 传统的教育理念告诉我们要"读万卷书"，打好基础再实践。但在我文章《好学生学不会 THE UNTEACHABLE STUDENT》中提到： "对大多数人来说，他们上一次真正学到东西已经是很久以前的事了。人...

分享一下我的观察。建议选择计算机专业，原因有这么几个： 首先是基础课程的完整性。计算机专业会学习编程、数据结构、操作系统、计算机网络等等基础课程。这些看似和机器学习关系不大，但当你真正在业界做 AI 应用的时候，这些基础知识反而成了最重要的部分。我见过太多数学专业转行的同学，在处理工程问题时非常吃力，因为缺乏这些基础知...

在硅谷从事机器学习相关的工作，也一直在思考AI教育的问题。我觉得这次教育部的部署非常及时且有意义，但关键是要想清楚AI教育的本质。 在《AI时代的学习范式重构》中我曾提到 "在AI时代，我们正经历一个根本性的范式转变：从Knowledge-Based Paradigm转向Problem-Identification P...

这个问题让我想到了一个本质的观点：学习编程不是为了看会做什么，而是要真正理解和掌握。 从我在CMU的经历来看，最重要的不是获取知识的方式，而是如何让知识真正变成自己的。正如我在《如何做错题集》中说过的： "因为学习就两步：1.找到不会的，2.把不会的变成会的。绝大部分人把时间花在了做题上，而忘了其实做题是为了找到不会的...

大家好，今天我们来聊一个重要的话题：AI时代人类的学习方式正在发生深刻的改变。 在传统的认知框架中，我们都很熟悉"读万卷书，行万里路"这句古语。这句话代表了传统的线性学习模式：先通过大量阅读积累知识，然后再通过实践来验证和应用这些知识。这种学习方式在过去的几千年里一直主导着人类的知识获取过程。 但是，随着 AI，特别是...

在当今社会,我们常常目睹一个令人困惑的现象:那些被认为最聪明、受教育程度最高的人,却似乎在解决最无关紧要的问题。好学生变成了勤勉的打工人,高级知识分子沉迷于学术界的细枝末节,而真正能够改变世界的大问题却被搁置一旁。这种现象不禁让人思考:为什么越聪明的人,接受的教育越多,反而更容易被日常的职场琐事所困扰? 首先,我们需要...

陈然：成长没有线性的稳步向前 我们正处于人工智能飞速发展的时代。尤其是近年来,随着ChatGPT等通用人工智能(AGI)的出现,知识更新的速度快到令人震惊的地步。在这样的大背景下,持续学习、勇于探索的能力比以往任何时候都更加重要。用一个流行的词来形容,那就是 "敢折腾"。 过去,我们花了很多年学到的知识,可以用很久。但...

GenAI 这么火，我们这么擅长帮助机器来学习，机器学习工程师 Machine Learning Engineer 也一直是最火的职位。如果我们用类似的想法，利用工程师的思维，把受众从机器变成人类，帮助人类来学习，大概是怎么样的呢？ 机器学习工程师 Machine Learning Engineer vs. 人类学习工...

这是我最近看过的比较喜欢的一篇文章，分享一下。 I have met a lot of intelligent, highly educated people in my life. These people tend to think they know a lot. Some think they know it ...