Het is niet ongebruikelijk dat mensen slagen ondanks dat ze zijn: - arrogant - onvoorspelbaar - lage emotionele intelligentie - niet bijzonder intelligent - ongeorganiseerd - ongezonde levensstijl - gezondheidsproblemen (waar je niets aan kunt doen) Maar het is extreem zeldzaam om te slagen met de volgende eigenschappen: - lui - geen ambitie - gefocust op zelfvermaak - alleen denken aan vandaag of misschien morgen - sterk vastgehouden zelfbeperkende overtuigingen Als je probeert jezelf te "verbeteren", hebben de items in de tweede lijst een hogere prioriteit. (Credit aan Paul Graham voor het introduceren van dit contrast)

Ik ben op zoek naar een ontwikkelaar met de volgende vereisten: - Moet in staat zijn om UI / UX-ontwerp te maken als er een merkrichtlijn en bestaande tekst beschikbaar zijn. - Moet comfortabel zijn met PHP. - Moet gevestigd zijn in Azië. - Moet ervaring hebben met Selenium / Playwright voor website-testen (of voor het kopen van concerttickets/sneakers, het maakt me niet uit, maar je MOET met de stack hebben gewerkt). - Zesdaagse werkweek. - Al AI gebruiken in je workflow. Als een paginadesign extreem goed gespecificeerd is, zou je in staat moeten zijn om dezelfde dag nog een oplevering te hebben. Exacte "jaren ervaring" doen er niet toe, maar de bovenstaande vereisten zijn een MUST en niet iets om on-the-job te leren. Stuur me een DM als jij dit bent. Ik kan geen uitzonderingen maken op een van de bovenstaande punten — het spijt me echt.

Er zou minstens één onderwerp moeten zijn dat je heel diep begrijpt. Mensen die dit punt niet bereiken, leren niet wat "diep begrip" eruitziet. Ze denken dat "begrijpen" van een onderwerp betekent dat ze de meest populaire inhoud over het onderwerp hebben geconsumeerd. Zodra je één onderwerp diep begrijpt, kun je die ervaring opnieuw toepassen om een ander onderwerp diep te leren. Als je één onderwerp diep kent, is het gemakkelijk om andere onderwerpen tot een oppervlakkig-matig niveau te leren — maar als je meerdere onderwerpen op een oppervlakkig niveau kent, weet je niet hoe je één onderwerp diep moet leren. Bovendien is het grote voordeel dat mensen hebben ten opzichte van AI het vermogen om een diep begrip van een onderwerp te ontwikkelen — AI heeft al een oppervlakkig begrip van alles, maar heeft moeite met de fijne details.

Dit zorgt er altijd voor dat ik glimlach.

I’m having the legendary @Jeyffre on THE NETWORK PODCAST this Friday. What should I ask him? Respond with a comment below this post!

Laat me je voor de 56e keer herinneren dat het zijn van een "monkey see, monkey do" coder je niet verder zal helpen. Je zou eigenlijk de fundamenten van de computerwetenschappen moeten leren. De meeste echte innovatie in de computerwetenschappen is decennia geleden gestopt. De "innovatie" die we tegenwoordig zien, is simpelweg het herschikken van dingen die al bestonden + betere hardware en snellere netwerken. (Geen belediging voor de innovators van vandaag, echte innovatie vandaag vereist net zoveel vaardigheid als decennia geleden). De manier waarop je "bijblijft" met de laatste veranderingen is door de fundamenten te leren. - Rust is in wezen een mengelmoes van C++ en functionele programmering. - AI is gewoon computergraphics, lineaire algebra en een beetje calculus. - Blockchain is gewoon gedistribueerde berekeningen met een vereiste voor Byzantijnse fouttolerantie. - SVM, EVM, CairoVM, enz. zijn gewoon variaties van de Von-Neumann-architectuur met kleine wijzigingen. - ZK-programmering (Circom, Halo2, enz.) is slechts een neef van logische programmering. - ZK zelf maakt gebruik van wiskunde en cryptografie-algoritmen die al lange tijd bestaan. Als je moeite hebt om bij te blijven, is het niet omdat je niet snel genoeg leert, het is omdat je de bouwstenen niet begrijpt waaruit alles wat we tegenwoordig "computerwetenschappen" noemen is opgebouwd. Metaforisch gezegd, als je alleen maar bevroren pizza's in de magnetron kunt stoppen, zul je uiteindelijk vervangen worden. Als je weet hoe bloem, gist, kaas, enz. met elkaar interageren, dan kun je een echte chef-kok zijn en je aanpassen, zelfs als de beschikbaarheid van ingrediënten verandert.

Iets waar ik actief over nadenk is "Hoe leer je iemand schrijven?" Ik ben bezig met het gebruik van AI om te leren coderen, maar als AI je schrijfdocent is, kan het je alleen helpen als je schrijven echt slecht is. Enkele gedachten in geen bepaalde volgorde: 1) Directe mentorschap is zeer effectief als het meerdere jaren kan worden volgehouden. Sommige schrijvers die zo lang voor mij hebben gewerkt, verbazen me gewoon met hoe goed ze kunnen schrijven, en onze enige interacties zijn dat ik feedback geef over hoe een artikel te verbeteren. Het werkte veel beter dan ik dacht. Uiteindelijk ontwikkelen ze een tweede natuur voor het herkennen van ondermaats schrijven (zelfs als het subtiel is) en dat is geweldig. Dit is echter geen schaalbaar model. 2) Goed schrijven vereist volume in de beginfase. Schrijven is als hardlopen. Als je een beginner bent, bestaat er niet zoiets als "hard werken" versus "slim werken." Als je overgewicht hebt en je begint met hardlopen, zul je resultaten zien, ongeacht wat. "Slim werken" doet er alleen toe als je je genetische grenzen nadert (wat de meeste mensen niet doen). Als je een ondernemer bent, kun je automatisch de schrijfvaardigheden van je werknemers verbeteren door je stand-ups te vervangen door geschreven stand-ups, en vervolgens feedback te geven op het schrijven wanneer het niet duidelijk is wat de update is. Het mooie is, mensen zijn experts in wat ze hebben gedaan, dus ze hoeven alleen maar te oefenen met het uitdrukken ervan. Volume is voor een beginnende schrijver het enige dat er echt toe doet. 3) De meeste mensen hebben een ondergetrainde woordenschat. Overweeg deze analogie: Zelfs als je nooit "wiskunde" gebruikt, moet je het toch leren. Zelfs als je nooit "recursie" of "DSA" gebruikt, moet je ze toch leren. Ze trainen je in hoe je een groot probleem kunt opdelen in kleinere, wat in wezen je taak is als ingenieur. Voor schrijvers is je taak ook om een groter idee op te splitsen in kleinere. Aangezien woorden de ondeelbare eenheden van ideeën zijn, moet je er een goed gevoel voor hebben. Als je het verschil kunt verwoorden tussen - "insinuatie" en "implicatuur" - "generalizatie" en "abstractie" - "voorspellingsvermogen" en "voorspelling" - "interpolatie" en "inductie" dan train je jezelf automatisch om ideeën precies uit te drukken — wat de hele bedoeling van schrijven is.

Het verbaast me hoe gebroken het onderwijs is, zelfs op de universiteit. 1) Je zit in een college waar de docent hetzelfde zegt voor de zoveelste keer. Hij of zij heeft waarschijnlijk niet het voordeel van speciale effecten of animaties om concepten duidelijker over te brengen (d.w.z. visuele modaliteit is verzwakt). De docent is misschien zelfs niet goed in de eerste plaats. 2) De klas beweegt in een tempo dat voor iedereen hetzelfde is. 3) Uren later, misschien dagen later, maak je het huiswerk. Dit is nadat je alles wat je in de klas hebt geleerd bent vergeten — ervan uitgaande dat je iets in de klas hebt geleerd. 4) Je bedriegt waarschijnlijk bij je huiswerk en leert eigenlijk niets. Als ik een school zou ontwerpen, zou elke student voor een desktop zitten (met toegang tot het internet afgesloten of extreem beperkt), en het zou een software draaien die korte lessen en een paar oefeningen geeft om het te oefenen. Een surveillant zou rondlopen om ervoor te zorgen dat studenten gefocust zijn. Niemand neemt huiswerk mee naar huis. Wanneer je klaar bent, is het voorbij. Het maakt gewoon helemaal geen zin voor mij waarom we onderwijsmethoden van 400 jaar geleden gebruiken alsof technologie sindsdien niet is veranderd. Ik begrijp dat deze strategie niet voor elk vak werkt (vooral niet voor schrijven), maar veel vakken, zelfs de liberale kunsten, kunnen op deze manier worden onderwezen. Bovendien zouden de computers Arch Linux draaien. Omdat ik dat zeg.

IMO was Jeff's grootste bijdrage dat hij ZK-educatie perfect opende met de juiste volgorde: Verzamelingen, Groepen, Velden, Homomorfismen, Pairings. Dit aspect kan niet worden onderschat; absolute game changer. Ik zeg dit als iemand met een pure wiskunde diploma en 2 kwantitatieve masters. Deze unlock was een enorme versnellingsfactor. Zonder die juiste volgorde zou ik waarschijnlijk een jaar nodig hebben in plaats van 2 weken. Niemand anders heeft het zo vereenvoudigd; alle ZK-bronnen verwijzen nu naar deze unlock.

In een eerdere tweet raadde ik aan om aan het moeilijkste probleem te werken dat je kunt vinden om respect te krijgen, en gebruik dat respect vervolgens om uit de "junior engineer" fase te komen. Maar dit geldt niet alleen voor juniors. In mijn eigen werkleven: 1 - Ik werd de jongste engineering manager bij Yahoo door te proberen real-time AI / AR op te lossen in 2017. We hebben daar tegenwoordig SDK's voor, maar toen vereiste het aanzienlijke optimalisaties vanwege beperkte hardware. Ik zei niet: "promoot me, en ik zal het oplossen." Ze vroegen me eigenlijk om meer mensen te managen nadat ik had laten zien dat ik met een probleem kon omgaan waarvan zij dachten dat het niet oplosbaar was. 2 - RareSkills begon zeer serieus genomen te worden nadat ik ZK-onderwijs had gekraakt. Terug in 2023 kon ik het aantal bronnen dat een serieuze (hoewel onvolledige) poging deed om iemand te leren hoe je daadwerkelijk een prover en verifier codeert, op één hand tellen. Tegenwoordig zijn er veel ZK-materialen, maar de meeste zijn sterk geïnspireerd door het ZK-boek. Het lijkt misschien voor de hand liggend om eerst Sets, dan Groups, dan Fields, dan Homomorphisms, en dan pairings te bestuderen, maar zelfs de moon math handleiding had zo'n duidelijke kennisgrafiek niet (meer dan één Math PhD vertelde me dat het moeilijk te begrijpen was, maar ik bedoel dit niet als een belediging voor de auteurs, al dat materiaal samenbrengen is geen kleine prestatie). Het was vreselijk moeilijk om een nieuwe manier te vinden om ZK uit te leggen, naast de nutteloze "polynomial commitment -> linear PCP -> non-interactive proof" uitleg die mensen toch niet begrepen. —— Wanneer je verder gevorderd bent in je carrière, kan de verleiding zijn om je gewoon te concentreren op wat handig of winstgevend is op de korte termijn. Ik heb jaren met het gevoel rondgelopen dat ik gewoon een goedbetaalde technische baan moest krijgen in plaats van blogs te schrijven die mensen gratis lezen. Maar overweeg dit: het doen van moeilijke dingen kan op de lange termijn meer winstkansen creëren. Bijvoorbeeld, technische schrijvers worden normaal gesproken heel slecht betaald, maar wij zijn erin geslaagd om het om te zetten in een winstgevend bedrijf (en betalen onze schrijvers 2-3x wat ze ergens anders zouden verdienen) simpelweg omdat we bewezen hebben dat we iets moeilijks konden doen op het gebied van technische schrijvers. Onderwaardeer de kracht van reputatie en respect niet en probeer niet om daar snel te komen.