Nie jest rzadkością, że ludzie odnoszą sukcesy mimo bycia: - aroganckim - zmiennym - o niskim EQ - niezbyt inteligentnym - zdezorganizowanym - prowadzącym niezdrowy styl życia - z problemami zdrowotnymi (takimi, na które nie można nic poradzić) Jednak niezwykle rzadko zdarza się, aby odnieść sukces z następującymi cechami: - leniwym - bez ambicji - skupionym na samodzielnej rozrywce - myślącym tylko o dzisiaj lub może o jutrze - mającym silnie zakorzenione ograniczające przekonania Jeśli próbujesz "naprawić siebie", elementy z drugiej listy mają wyższy priorytet. (Kredyt dla Paula Grahama za wprowadzenie tego kontrastu)

Szukam dewelopera z następującymi umiejętnościami: - Musi być w stanie wykonać projektowanie UI / UX, jeśli otrzyma wytyczne dotyczące marki i istniejące teksty. - Musi być komfortowy z PHP. - Musi mieszkać w Azji. - Musi mieć doświadczenie z Selenium / Playwright do testowania stron internetowych (lub do zakupu biletów na koncerty/tenisówki, nie obchodzi mnie to, ale MUSISZ mieć doświadczenie z tym zestawem). - Sześciodniowy tydzień pracy. - Już używa AI w swoim workflow. Jeśli projekt strony jest bardzo dobrze określony, powinieneś być w stanie dostarczyć go w tym samym dniu. Dokładna "liczba lat doświadczenia" nie ma znaczenia, ale powyższe wymagania są OBOWIĄZKOWE i nie można ich nauczyć się w pracy. Napisz do mnie, jeśli to ty. Nie mogę zrobić wyjątków w żadnym z powyższych punktów — bardzo przepraszam.

Powinien być przynajmniej jeden temat, który rozumiesz bardzo głęboko. Ludzie, którzy nie osiągną tego punktu, nie uczą się, jak wygląda "głębokie zrozumienie". Myślą, że "rozumienie" tematu oznacza przyswojenie najbardziej popularnych treści na dany temat. Gdy raz zrozumiesz jeden temat głęboko, możesz ponownie wykorzystać to doświadczenie, aby nauczyć się innego tematu głęboko. Jeśli znasz jeden temat głęboko, łatwo jest nauczyć się innych tematów na płytkim-średnim poziomie — ale jeśli znasz wiele tematów na płytkim poziomie, nie wiesz, jak nauczyć się jednego tematu głęboko. Ponadto, główną przewagą, jaką ludzie mają nad AI, jest zdolność do rozwijania głębokiego zrozumienia tematu — AI już ma płytkie zrozumienie wszystkiego, ale ma trudności, gdy dochodzi do szczegółów.

To zawsze sprawia, że się uśmiecham.

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

Pozwól, że przypomnę ci po raz 56-ty, że bycie programistą, który tylko naśladuje innych, nie zaprowadzi cię daleko. Powinieneś naprawdę nauczyć się podstaw informatyki. Większość prawdziwej innowacji w informatyce zatrzymała się dekady temu. "Innowacje", które widzimy dzisiaj, to po prostu przearanżowywanie rzeczy, które już istniały + lepszy sprzęt i szybsze sieci. (To nie jest obraza dla dzisiejszych innowatorów, prawdziwa innowacja dzisiaj wymaga umiejętności, tak jak to miało miejsce dekady temu). Sposobem, aby być na bieżąco z najnowszymi zmianami, jest nauka podstaw. - Rust to w zasadzie mieszanka C++ i programowania funkcyjnego. - AI to po prostu grafika komputerowa, algebra liniowa i odrobina rachunku różniczkowego. - Blockchain to po prostu rozproszony obliczeniowy system z wymaganiem tolerancji na błędy bizantyjskie. - SVM, EVM, CairoVM itd. to tylko wariacje architektury Von-Neumanna z drobnymi zmianami. - Programowanie ZK (Circom, Halo2 itd.) to jedynie kuzyn programowania logicznego. - ZK sam w sobie wykorzystuje algorytmy matematyczne i kryptograficzne, które istnieją od dłuższego czasu. Jeśli masz trudności z nadążaniem, to nie dlatego, że nie uczysz się wystarczająco szybko, ale dlatego, że nie rozumiesz cegieł, z których składa się wszystko, co dzisiaj nazywamy "informatyką". Metaforycznie, jeśli jedyne, co potrafisz, to wkładać mrożone pizze do mikrofalówki, w końcu zostaniesz zastąpiony. Jeśli wiesz, jak mąka, drożdże, ser itd. oddziałują ze sobą, to możesz być prawdziwym szefem kuchni i dostosować się, nawet jeśli dostępność składników się zmienia.

Coś, o czym aktywnie myślę, to "Jak nauczyć kogoś pisać?" Zastanawiam się nad wykorzystaniem AI do nauki programowania, ale jeśli AI jest twoim nauczycielem pisania, może ci pomóc tylko wtedy, gdy twoje pisanie jest naprawdę słabe. Kilka myśli w losowej kolejności: 1) Bezpośrednie mentorskie wsparcie jest bardzo skuteczne, jeśli można je utrzymać przez wiele lat. Niektórzy pisarze, którzy pracowali dla mnie przez tak długi czas, zadziwiają mnie tym, jak dobrze potrafią pisać, a nasze jedyne interakcje to moje uwagi na temat tego, jak poprawić artykuł. Działało to znacznie lepiej, niż myślałem. Ostatecznie rozwijają drugą naturę rozpoznawania pisania poniżej standardów (nawet jeśli subtelnego) i to jest niesamowite. To jednak nie jest model skalowalny. 2) Dobre pisanie wymaga objętości na początku. Pisanie jest jak bieganie. Jeśli jesteś początkujący, nie ma czegoś takiego jak "ciężka praca" w porównaniu do "inteligentnej pracy". Jeśli masz nadwagę i zaczynasz biegać, zobaczysz wyniki niezależnie od wszystkiego. "Inteligentna praca" ma znaczenie tylko wtedy, gdy zbliżasz się do swoich genetycznych limitów (co nie dotyczy większości ludzi). Jeśli jesteś właścicielem firmy, możesz automatycznie poprawić umiejętności pisarskie swoich pracowników, zastępując spotkania na stojąco pisemnymi, a następnie dając feedback na temat pisania, gdy nie jest jasne, co jest aktualizacją. Fajną rzeczą jest to, że ludzie są ekspertami w tym, nad czym pracowali, więc muszą tylko ćwiczyć wyrażanie tego. Objętość, dla początkującego pisarza, to jedyna rzecz, która naprawdę ma znaczenie. 3) Większość ludzi ma niedostatecznie wytrenowany zasób słownictwa. Rozważ tę analogię: Nawet jeśli nigdy nie "używasz" matematyki, powinieneś się jej nauczyć. Nawet jeśli nigdy nie "używasz" rekurencji czy DSA, powinieneś się ich nauczyć. Uczą cię, jak rozbijać duży problem na mniejsze, co jest zasadniczo twoją pracą jako inżyniera. Dla pisarzy, twoją pracą jest również rozbicie większej idei na mniejsze. Ponieważ słowa są niepodzielnymi jednostkami idei, musisz mieć dobre wyczucie ich. Jeśli potrafisz wyartykułować różnicę między - "insynuacją" a "implikaturą" - "generalizacją" a "abstrakcją" - "przewidywaniem" a "prognozowaniem" - "interpolacją" a "indukcją" to automatycznie trenujesz się do precyzyjnego wyrażania idei — co jest całym celem pisania.

Dla mnie niesamowite jest, jak bardzo zepsuta jest edukacja, nawet na studiach. 1) Siedzisz na wykładzie, gdzie nauczyciel powtarza to samo po raz dziesiąty. On lub ona prawdopodobnie nie ma przewagi w postaci efektów specjalnych ani animacji, aby jaśniej przekazać koncepcje (tj. modalność wizualna jest ograniczona). Nauczyciel może nawet nie być dobry w pierwszej kolejności. 2) Zajęcia odbywają się w tempie, które pasuje do wszystkich. 3) Godziny później, może dni później, robisz zadanie domowe. To po tym, jak zapomniałeś wszystko, czego nauczyłeś się na zajęciach — zakładając, że w ogóle czegoś się nauczyłeś. 4) Prawdopodobnie oszukujesz przy zadaniu domowym i tak naprawdę niczego się nie uczysz. Gdybym zaprojektował szkołę, każdy uczeń siedziałby przed komputerem stacjonarnym (z dostępem do internetu odciętym lub bardzo ograniczonym), a oprogramowanie dawałoby krótkie lekcje i kilka ćwiczeń do ich praktykowania. Nadzorca chodziłby wokół, aby upewnić się, że uczniowie są skupieni. Nikt nie zabiera pracy domowej do domu. Kiedy skończysz, to koniec. Po prostu nie rozumiem, dlaczego używamy strategii nauczania sprzed 400 lat, jakby technologia nie zmieniła się od tego czasu. Rozumiem, że ta strategia nie działa dla każdego przedmiotu (szczególnie pisania), ale wiele przedmiotów, nawet tych z zakresu sztuk wyzwolonych, można uczyć w ten sposób. Ponadto komputery działałyby na Arch Linux. Bo tak powiedziałem.

Moim zdaniem największym wkładem Jeffa było to, że doskonale zrealizował edukację ZK, zaczynając od idealnej sekwencji: Zbiory, Grupy, Pola, Homomorfizmy, Parowania. Nie można tego zbagatelizować; to absolutna zmiana gry. Mówię to jako osoba z dyplomem z czystej matematyki i dwoma magisterkami z zakresu ilościowego. To odblokowanie było ogromnym czynnikiem przyspieszającym. Prawdopodobnie zajęłoby mi to rok zamiast 2 tygodni, bez tej poprawnej sekwencji. Nikt inny nie uprościł tego w ten sposób; wszystkie zasoby ZK teraz odnoszą się do tego odblokowania.

W wcześniejszym tweecie zalecałem pracę nad najtrudniejszym problemem, jaki możesz rozwiązać, aby zdobyć szacunek, a następnie wykorzystanie tego szacunku, aby wydostać się z etapu „młodszego inżyniera”. Ale to nie dotyczy tylko juniorów. W moim własnym życiu zawodowym: 1 - Zostałem najmłodszym menedżerem inżynierii w Yahoo, próbując rozwiązać problemy związane z AI / AR w czasie rzeczywistym w 2017 roku. Mamy SDK do tego dzisiaj, ale wtedy wymagało to znacznych optymalizacji z powodu ograniczonego sprzętu. Nie powiedziałem „awansuj mnie, a ja to rozwiążę”. Oni w zasadzie błagali mnie, abym zarządzał większą liczbą ludzi, po tym jak pokazałem, że mogę poradzić sobie z problemem, który uważali za nierozwiązywalny. 2 - RareSkills zaczęło być traktowane bardzo poważnie po tym, jak rozwiązałem edukację ZK. W 2023 roku mogłem policzyć na jednej ręce liczbę zasobów, które podjęły poważną (choć niekompletną) próbę nauczenia kogoś, jak właściwie zakodować prover i verifier. Dzisiaj jest wiele materiałów ZK, ale większość z nich jest mocno inspirowana książką ZK. Może się wydawać oczywiste, aby studiować Zbiory, potem Grupy, potem Pola, potem Homomorfizmy, a następnie parowania, ale nawet podręcznik matematyki księżycowej nie miał tak jasnej grafiki wiedzy (więcej niż jeden doktor matematyki powiedział mi, że trudno to zrozumieć, ale nie mam na myśli obrażania autorów, zebranie całego tego materiału to nie małe osiągnięcie). Było niezwykle trudno znaleźć nowy sposób na wyjaśnienie ZK poza bezużytecznym wyjaśnieniem „zaangażowanie wielomianowe -> liniowy PCP -> dowód nieinteraktywny”, które ludzie i tak nie rozumieli. —— Kiedy jesteś bardziej zaawansowany w swojej karierze, pokusa może polegać na tym, aby skupić się tylko na tym, co jest wygodne lub opłacalne w krótkim okresie. Spędziłem lata z poczuciem, że powinienem po prostu zdobyć dobrze płatną pracę techniczną zamiast pisać blogi, które ludzie czytają za darmo. Ale rozważ to: robienie trudnych rzeczy może stworzyć więcej możliwości zysku w dłuższej perspektywie. Na przykład, pisarze techniczni zazwyczaj są słabo opłacani, ale udało nam się przekształcić to w dochodowy biznes (i płacić naszym pisarzom 2-3 razy więcej, niż zarobiliby gdzie indziej) po prostu dlatego, że udowodniliśmy, że możemy zrobić coś trudnego w dziedzinie pisania technicznego. Nie lekceważ potęgi reputacji i szacunku i nie próbuj skracać drogi do tego.