Det är inte ovanligt att människor lyckas trots att de är: -arrogant -flyktig - Låg EQ - Inte särskilt intelligent -Oorganiserad - ohälsosam livsstil - hälsoproblem (sådana som du inte kan göra något åt) Men det är extremt sällsynt att lyckas med följande egenskaper: -lat - ingen ambition - Fokuserad på självunderhållning - Tänker bara på idag eller kanske imorgon - starkt hållna självbegränsande övertygelser Om du försöker "fixa dig själv" har objekten i den andra listan högre prioritet. (Tack till Paul Graham för att ha introducerat denna kontrast)

Jag letar efter en utvecklare med följande: - Måste kunna göra UI / UX-design om du får en varumärkesriktlinje och redan existerande kopia - Måste vara bekväm med php - Måste vara baserad i Asien - Måste ha använts med Selenium / Playwright för webbplatstestning (eller för prickskytte konsertbiljetter/sneakers, jag bryr mig inte, men du MÅSTE ha använt stacken). - Sex dagars arbetsvecka - Använder redan AI i ditt arbetsflöde. Om en siddesign är extremt väl specificerad bör du kunna ha en vändning samma dag. Exakta "års erfarenhet" spelar ingen roll, men ovanstående krav är ett MÅSTE och inte något att lära sig på jobbet. DM mig om det här är du. Jag kan inte göra undantag från någon av ovanstående punkter – jag är verkligen ledsen.

Det bör finnas minst ett ämne som du förstår mycket djupt. Människor som inte kommer till denna punkt lär sig inte hur "djup förståelse" ser ut. De tror att "förstå" ett ämne innebär att man har konsumerat det mest populära innehållet om ämnet. När du förstår ett ämne på djupet kan du tillämpa den erfarenheten igen för att lära dig ett annat ämne på djupet. Om du kan ett ämne på djupet är det lätt att lära dig andra ämnen på en ytlig medelnivå - men om du kan flera ämnen på en ytlig nivå vet du inte hur du ska lära dig ett ämne på djupet. Dessutom är den största fördelen som människor har över AI förmågan att utveckla en djup förståelse för ett ämne – AI har redan en ytlig förståelse för allt men kämpar när det kommer till de små detaljerna.

Detta misslyckas aldrig med att ge mig ett leende på läpparna.

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

Låt mig påminna dig för 56:e gången om att du inte kommer att få platser att vara en "monkey see, monkey do"-kodare. Du borde faktiskt lära dig grunderna i datavetenskap. De flesta verkliga innovationerna inom datavetenskap upphörde för årtionden sedan. Den "innovation" vi ser idag är helt enkelt att arrangera om saker som redan fanns + bättre hårdvara och snabbare nätverk. (Inte en förolämpning mot innovatörer idag, genuin innovation idag kräver skicklighet detta årtionde precis som det gjorde årtionden tidigare). Du kan hålla dig "uppdaterad" med de senaste förändringarna genom att lära dig grunderna. - Rust är i grunden en blandning av C++ och funktionell programmering - AI är bara datorgrafik, linjär algebra och en touch av kalkyl - Blockchain är bara distribuerad beräkning med bysantinska krav på feltolerans - SVM, EVM, CairoVM, etc är bara varianter av Von-Neumann-arkitekturen med mindre ändringar. - ZK-programmering (Circom, Halo2, etc.) är bara en kusin till logikprogrammering. - ZK själv använder matematiska och kryptografiska algoritmer som har funnits länge. Om du kämpar för att hänga med beror det inte på att du inte lär dig tillräckligt snabbt, det beror på att du inte förstår de tegelstenar som allt vi kallar "datavetenskap" nuförtiden består av. Metaforiskt, om allt du kan göra är att stoppa in frysta pizzor i mikrovågsugnen, kommer du så småningom att bytas ut. Om du vet hur mjöl, jäst, ost etc interagerar med varandra kan du vara en riktig kock och anpassa dig även om tillgången på ingredienser förändras.

Något jag aktivt har funderat på är "Hur lär man någon att skriva?" Jag är tveksam till att använda AI för att lära mig koda, men om AI är din skrivlärare kan den bara hjälpa dig om ditt skrivande är riktigt dåligt. Några tankar utan inbördes ordning: 1) Direkt mentorskap är mycket effektivt om det kan upprätthållas i flera år. Några av skribenterna som arbetade för mig så länge förvånar mig bara med hur bra de kan skriva, och våra enda interaktioner är att jag ger feedback om hur man kan förbättra en artikel. Det fungerade mycket bättre än jag trodde. Så småningom utvecklar de en andra natur för att känna igen undermåligt skrivande (även om det är subtilt) och det är fantastiskt. Detta är dock inte en skalbar modell. 2) Att skriva bra kräver volym i början. Att skriva är som att springa. Om du är nybörjare finns det inget som heter "arbeta hårt" eller "arbeta smart". Om du är överviktig och börjar springa kommer du att se resultat oavsett. "Att arbeta smart" spelar bara roll när du närmar dig dina genetiska gränser (vilket de flesta inte gör). Om du är företagare kan du automatiskt förbättra dina anställdas skrivfärdigheter genom att ersätta dina standups med skriftliga standups och sedan ge feedback på skrivandet när det inte är tydligt vad uppdateringen är. Det fina är att människor är experter på vad de har arbetat med, så de behöver bara öva på att uttrycka det. För en tidig författare är volym det enda som verkligen betyder något. 3) De flesta människor har ett undertränat ordförråd. Tänk på den här liknelsen: Även om du aldrig "använder" matematik bör du ändå lära dig det. Även om du aldrig "använder" rekursion eller DSA bör du ändå lära dig dem. De utbildar dig i hur du bryter ner ett stort problem till mindre, vilket i princip är ditt jobb som ingenjör. För författare är ditt jobb också att bryta ner en större idé i mindre. Eftersom ord är de odelbara enheterna av idéer måste du ha en god känsla för dem. Om du kan artikulera skillnaden mellan - "insinuation" och "implikation" - "Generalisering" och "abstraktion" - "Framsynthet" och "Prognos" - "interpolation" och "induktion" Då tränar du automatiskt dig själv att uttrycka idéer exakt – vilket är hela poängen med att skriva.

Det är häpnadsväckande för mig hur trasig utbildningen är, även på college. 1) Du sitter på en föreläsning där läraren skriker samma sak för tusssinte gången. Han eller hon har förmodligen inte fördelen av specialeffekter eller animationer för att förmedla koncept tydligare (dvs. visuell modalitet är nerfed). Läraren kanske inte ens är bra från början. 2) Klassen rör sig i en takt som passar alla 3) Timmar senare, kanske dagar senare, gör du läxorna. Detta är efter att du glömt allt du lärt dig i klassen - förutsatt att du lärt dig något i klassen. 4) Du fuskar förmodligen med dina läxor och lär dig faktiskt ingenting. Om jag designade en skola skulle varje elev sitta framför ett skrivbord (med tillgången till internet avskuren eller extremt begränsad), och den skulle köra en programvara som ger lagom stora lektioner och ett par övningar för att öva på det. En övervakare skulle vandra runt för att se till att eleverna är fokuserade. Ingen tar med sig läxorna hem. När du är klar är det över. Det är helt enkelt obegripligt för mig varför vi använder undervisningsstrategier från 400 år sedan som om tekniken inte har förändrats sedan dess. Jag förstår att denna strategi inte fungerar för alla ämnen (särskilt skrivande), men många ämnen, även de som är fria från konst, kan läras ut på detta sätt. Dessutom skulle datorerna köra Arch Linux. För att jag sa det.

imo Jeffs största bidrag var att han spikade ZK-utbildningen med den perfekta öppningssekvensen: Sets, Groups, Fields, Homomorphisms, Pairings. Den här biten kan inte underskattas; Absolut game changer. Jag säger detta som någon med en ren matematikexamen med 2 kvantitativa masters. Denna upplåsning var en enorm accelerationsfaktor. Jag skulle förmodligen ta ett år istället för 2 veckor, utan den korrekta sekvenseringen. Ingen annan förenklade det så här; alla ZK-resurser refererar nu till den här upplåsningen.

I en tidigare tweet rekommenderade jag att arbeta med det svåraste problemet du kan för att få respekt, och sedan använda den respekten för att komma ur "junior engineer"-stadiet. Men det gäller inte bara juniorer. I mitt eget arbetsliv: 1 - Jag blev den yngsta ingenjörschefen på Yahoo genom att försöka lösa AI / AR i realtid redan 2017. Vi har SDK:er för det nuförtiden, men på den tiden krävde det betydande optimeringar på grund av begränsad hårdvara. Jag sa inte "marknadsför mig, så löser jag det". De bad mig i princip att hantera fler människor efter att jag visat att jag kunde hantera ett problem som de inte trodde var lösbart. 2 - RareSkills började tas på största allvar efter att jag knäckte ZK-utbildningen. År 2023 kunde jag räkna på en hand antalet resurser som gjorde ett seriöst (om än ofullständigt) försök att lära någon hur man faktiskt kodar en bevisare och verifierare. Numera finns det en hel del ZK-material, men de flesta av dem är starkt inspirerade av ZK-boken. Det kan tyckas självklart att studera Sets, sedan Groups, sedan Fields, sedan Homomorphisms, sedan Parningar, nuförtiden, men inte ens månens mattemanual hade en så tydlig kunskapsgraf (mer än en matematikdoktor sa till mig att det var svårt att förstå, men jag menar inte detta som en förolämpning mot författarna, att sätta ihop allt det materialet är ingen liten bedrift). Det var våldsamt svårt att hitta ett nytt sätt att förklara ZK förutom den värdelösa förklaringen "polynomåtagande -> linjär PCP -> icke-interaktivt bevis" som folk faktiskt inte förstod ändå. —— När du har kommit längre i din karriär kan frestelsen vara att bara fokusera på det som är bekvämt eller lönsamt på kort sikt. Jag tillbringade flera år med känslan av att jag bara borde skaffa ett högavlönat tekniskt jobb istället för att skriva bloggar som folk läser gratis. Men tänk på detta: att göra hårda saker kan skapa fler vinstmöjligheter i det långa loppet. Till exempel får tekniska skribenter normalt sett väldigt lite betalt, men vi lyckades göra det till en lönsam verksamhet (och betala våra skribenter 2-3 gånger vad de skulle tjäna någon annanstans) helt enkelt för att vi bevisade att vi kunde göra något hårt inom området tekniskt skrivande. Underskatta inte kraften i rykte och respekt och försök inte ta en genväg dit. Anledningen till att prestationer vinner din respekt är inte på grund av prestationen i sig, utan på grund av den underförstådda ansträngning du lägger ner på vägen dit.