錢晟

說說觀點,談談學到的事。

Menu Close

標籤: 框架 (page 1 of 2)

達成目標的兩種策略

達成目標的策略有兩種:

  1. 競爭者:一步一步達成目標。
  2. 修煉者:提升自己,讓自己配得上目標。

好比追求異性,競爭者會送花、寫情書、上下班接送,博取異性好感,有沒有用?當然有用,很多男女就是這樣開始交往的,有些人修成正果,有些人繼續在感情路上晃盪,但「追到手」的目標是達成了;同樣的場景,修煉者則練習籃球、努力工作、存錢買車買房,努力讓自己「配得上」想要的異性,最終也很有可能達成目標。

換個角度說,我們在職場上可以努力把履歷寫好、挑成果好看的項目做,最終,可以更快讓我們達成工作上的階段性目標,也許就是獲得升遷或挖角,但是可能會遇到無法突破的天花板,因為真實的實力沒有跟上表現;反之,我們也可以找有挑戰性的項目做,久了自然培養能力,但也可能因為一直缺乏升遷,導致眼界不足。

兩個達成目標的策略都是對的,但都不應該偏廢,一方面要提升自己的能力,一方面也要適當展現自己的能力,現在大家都知道行銷的重要————開發出世界上最好的產品不一定能賣,得讓消費者也有同樣認知才行。

選擇的方法

走到一個人的本質,選擇的方法可以說等同價值觀,也就是價值觀決定了我們的選擇。

但現實來說,我們的選擇經常收到外界的影響,例如特價、朋友推薦、話題、最近看的電視劇、品牌,都會影響我們的判斷,當我們需要做重要的決定時,便面對「如何理性判斷」的問題。

最基本的,就是列出一張清單,在不受外界影響下,把決策的過程先寫下來,這一步很多人都能做到,但接下來就難了:

「切勿浪費較多東西,去做”用較少的東西,同樣可以做好的事情”。」

《箴言書注》2卷15題 – 奧卡姆

另一個說法是這樣:

若無必要,勿增實體。(Non sunt multiplicanda entia sine necessitate)

-愛爾蘭方濟各會哲學家約翰·潘奇

清單的條件,就算寬鬆,也必然篩去不少條件,我們應該專注在真正的「必要條件」上面,不能遺漏必要條件,也不能貿然加入不必要的條件,那些混水摸魚的條件,往往使我們的清單窒礙難行,就像列了太多徵偶條件,最後卻找不到合適的對象。所有條件應該都只有「必要」或是「非必要」兩種,如果難以割捨,就是不必要。

拿起清單,我們可以再看一次我們打算決策評估的條件,反覆評估直到心中踏實,再一個個過濾,篩選出無名覺得好的選擇,我認為這是收獲最多的時候,並非是這時的答案好,而是當我們拿起清單評估決策的時候,我們會「自然而然」地忽略一些條件,這時候一定要注意自己的行為,被忽略的條件,要不就是我們內心排斥,不然很可能真的不是必要條件,去掉不必要的條件,我們就能離自己心中的鼓聲更近一點。

找幾個可能的選擇,走過一次測試,重新整理清單,反覆考慮,越是重要的決定,就越是應該清楚自己為何決策,我們思考的路徑為何,依憑是什麼,正如我們面對自己的人生,每天都應該複盤、反思,打磨自己的思考敏銳度,要說人生有什麼必須刻意練習成為高手,就是打磨自己選擇的能力。

如何進步

如果想更會寫,就多寫吧,但如果想「像張愛玲一樣會運用文字」,就必須臨摹張愛玲的小說,一段一段打碎嚼吞。

如果想學產品設計?沒有別的方法,就是立刻開始做一個產品規劃,可以簡單如一篇產品介紹,只是對象是你虛擬出來的產品。寫的時候,記得從需求出發,描述場景、交互、競品、特點,以及一切一切的背後的為什麼,這篇產品介紹如果清晰精彩,多半你也入了產品的門了。

如果想做一個事業,一樣,就想像自己已經做了一個事業,寫一篇完完整整的BP吧,講清楚到底想要什麼、缺少什麼、多久能達成,模式、競爭、供應鏈,只有寫下才能想通。

但是,如果你想要像個創業家一樣,你必須創業,一如你寫了再多產品介紹、產品文檔也不會是產品經理,只有真真切切做了產品,你才會是產品經理。

五年後你在哪裡?

最近讀Designing your life,它強調實做,用prototype溝通、用prototype思考,很有意思,想像一下,你如何規劃自己五年以後的樣子呢?

從工作、生活、娛樂、愛來想,你的人生會怎麼發展呢?身為產品經理、業務、主管、行銷人員的你,接下來這五年會變得如何呢?很可能這預測是不準的,但這反映著你怎麼看待自己的人生。如果你充滿信心,面對挫折,便有更大的力量支撐自己。

這五年,如果讓你提出三個最重要的問題來問自己,你會問什麼呢?最好的問題是那種,如果你知道了,你能對自己未來五年更有信心的問題。

寫下你對自己的問題,接下來試著回答,找朋友、找行業專家、找google、找各種資源,試著回答這些問題,打造自己的人生。

虛擬世界是AI最好的老師

一般superviced的影像都需要人工判斷影像內容,才能餵給AI,今天才知道現在竟然也有透過人工影像直接訓練AI。

想想,其實非常合理,畢竟現在電玩畫面效果很好,有些場景如果不仔細看也分不出真假,而且所有物件本來就已經完成命名,不需要人工標註,直接為AI提供了大量可操作的學習材料。

透過虛擬環境學習,AI有機會直接訓練學會簡易的開飛機、開車,或是針對已經訓練的AI,在虛擬環境中測試,藉此避免在真實環境中出意外,如此,便可大大降低AI學習「融入」真實環境需要的時間。

某種程度上來說,也許有一天我們也可以透過模擬環境「教」會AI操作遠超過人類能「學習」的機器,認知人類不熟悉的統計結果、增量變化,那時我們會如何學習與AI共處呢?

© 2019 錢晟. All rights reserved.

Theme by Anders Norén.