被骂“没前途”，那个996的程序员做错了什么？

有时候奋斗着奋斗着，总会忘记自己为了什么而奋斗，有什么意义呢？

笔者最近看吴军的新书，得知有一个37%幸福规则，是科学家经过大量数据分析总结而来的，大意如下：

如果你要买房，你需要先看房子，你决定用一个月的时间来买下一个房子，你就要先把这一个月的时间分成两个阶段。

在第一个阶段你只看不买，就是根据自己的购买能力，了解一下市场上哪些房子你喜欢，哪些你不喜欢。记住在这个阶段内你看到过的最满意的那个房子。等到过了你1个月设定期的37%以后，你就进入到第二个阶段。

如果预先设定的期限是一个月，那么第二个阶段就从第12天开始，从这天开始，你一旦遇到一个比第一阶段那个最好的房子好，或者与它类似的房子，就要毫不犹豫的买下来。

37%规则，并不能保证你一定能买到最好的房子，但是在假定市场上的房子随机出现的情况下，它是能让你买到一个足够好的房子的好办法。

从概率的角度来说，如果你看了不到37%的房子就开始买，你将来很可能后悔买早了，如果你看了超过37%的房子开始买，你将来很可能后悔买晚了。

理性的人应该知道什么时候停止。

你先估计一下自己做一件事儿，成功的概率有多大，然后又成功的概率，除以失败的概率，就是你做这件事的最优次数。

比如抢劫，比如你的水平很高，得手的可能性是90%，失手的可能性是10%，那么你就应该在抢劫九次以后收手，如果你成功和失败的可能性都是50%，那么这件事你就应该只做一次。

我们希望每一天都活在当下，可是从数学角度来说，你预计停留的时间越长，探索新事物的价值就越高，基廷斯指数也就越高。

如果我们把期限设定为人的一生，这就意味着年轻人应该多探索，到了后期就要专注于收获。

因此对理性的人来说，要想过好这一生意味着三件事：

第一，年轻时代要大胆探索。在年轻时代可以不断的探索未知，积累各种经验教训，才能迅速理解这个世界，他的后期才能做出更好的选择。

第二，随着年龄增长，要慢慢学会，利用已有的知识，专注于收获。一般的规律就是，人的年龄越大，社交的圈子越窄，老了以后经常交往的也就寥寥几人，经常做的事情也就那么几件，去的地方也非常有限，吃饭只去一个餐馆，就好像已经失去探索的动力了。

之前人们都认为这是老年人的悲哀，可是斯坦福大学有个心理学家认为，这其实是老年人的理性选择，他们已经完成了探索，他们知道，自己最适合做的事情是什么，和哪些人在一起最舒服，哪个餐馆最符合自己的口味，他们已经没有冒险探索的必要，只要享受人生就可以了。

第三，在慢慢变老的过程中，我们的生活其实是越来越好的。研究表明，随着年龄的增长，人的精神状态和生活状态都会越来越好，如果你已经知道自己喜欢什么，你就会很乐意被自己喜欢的事物所包围。当你看到一位老人，每天见同一个人去同一个餐馆，坐在同一个座位，点同样的饭菜，你可能会以为他的生活很无聊，殊不知，这才是最浪漫的事，他是在享用自己用一辈子的时间所探索出来的成果。

身边常有人对我们指手画脚。

“你做这件事不会有结果的啊！”

“你这工作没前途~”

“你就是瞎折腾。”

只有我们自己知道，自己从来不是瞎折腾。

996不是屈服，是坚持。

去北上广深不是不知深浅，是想更多的激发潜能，证明自己的价值。

我们大胆探索，不断突破自己的上限，为的就是将来能够安心的说：“这是我探索出的人生。跟你，不一样。”

程序员爱学习，总有人拍到程序员加班看书，做地铁看书，各种求电子书资料。这种看书，跟某些拍照晒朋友圈的行径完全不是一个性质，程序员每一次学习，都是为了解决目前的问题，为了解决未知的问题，甚至为了改变自身现状。

所以，那些不懂程序员的人，凭什么指手画脚的谈论“程序员的前途”二字？人工智能是现在的大势所趋，许多程序员认真学习、准备入行。这时候总有些“前辈”自己不愿改变现状，一边做着焦虑的中层，一边说：“你学这个太晚了，根本不行，别浪费时间了！”

这个圈子太大了，有些同学准备去做数据挖掘，计算机视觉，自然语言处理等各大领域，什么都学，确实耗时，但是核心竞争力强。主做一个领域去深挖，在做横向拓展，会更容易把自己培养成专才。

而这其中最核心的就是机器学习了，想要开始探索，要做的一切都离不开它。所以学习人工智能的第一个目标就是搞定机器学习各大算法，掌握其中各种应用案例。

机器学习能做什么？举一个小例子，我之前特别喜欢玩梦幻西游手游（是不是勾起了一段回忆……），一顿氪金。弃坑之后它们客服经理给我打电话，说您能不能回来接着玩耍（充钱）呀，帮派的小伙伴都是十分想念……

这时候我就想为什么会给我打电话呢？每天用户流失的不下上万人吧，那肯定得挑重点客户来沟通了，其后台肯定有我们的各种数据，比如游戏时长，充值金额，战斗力等，通过这些指标就可以来建立一个模型，去预测哪些用户最有可能返回来接着充钱了。

机器学习能做的远不止这些，数据处理分析，图像识别，文本挖掘，自然语言处理，语音识别……这些都是以其为基础的。现在各大公司也是越来越注重数据的价值，机器学习也就必不可缺了。

在这个和时间赛跑的世界里，大胆探索、跑得更快的，永远是最稀缺的人才。

如何成为一个真正的机器学习工程师?

学习建议：

结合自身能力和经验，用机器学习扩充自身能力和价值

积累领域知识，提高灵活解决问题和协作的能力

首先搞定机器学习各大算法，掌握多种案例