最近拼車，車里一位哥們在侃侃而談：
現在的互聯網+，除了打車，其他都是扯淡，沒啥用。
我相信現實生活中，這樣忽視大數據時代已悄然來臨的人不是少數，而且還很多。
畢竟，在中國13億人口中，從事大數據行業的人連2%都不到，更別說真正理解大數據的人了。
你也許會說，大數據是那么高深的技術，我又不做相關的技術，了解那么多干什么。
其實，今天我們談的不是什么復雜的大數據高深技術，請注意文章前面的標題：時代。
是的，我們談的是一個新時代下的個人選擇問題。說的更本質一些，其實是在說明這樣一個新時代(大數據時代)，人類的思維發生了怎樣的改變。
進而，我們思考這種思維改變會給個人未來的成長帶來怎樣巨大的改變和機會。
進一步，你最后會明白這幾個問題的答案：
1)為什么中學老師在許多年之后總是感嘆：
最終，真正有出息的，都是當年成績一般般的... ...
2)從1984年洛杉磯奧運會開始，到盡頭，國人關注奧運會已經32年了。當年的金牌得主們，除了李寧和郎平，剩下的誰記得呢?
3)為何以前起作用的死磕思維，在大數據時代，不是最好的人生策略選擇
而理解和解答所有的這些問題的前提是，你要真正明白什么才是大數據時代的核心?
好了，廢話不多說，我們先來看看在沒有大數據之前，人類的思維模式是怎樣的?
在大數據之前，計算機并不擅長于解決人類智能的問題，即我們現在所說的人工智能。
怎樣才算人工智能呢?
真正科學定義這個概念的是電子計算機的奠基人 阿蘭·圖靈(Alan Turing)。
(關于圖靈的傳奇人生我曾寫過一篇文章《圖靈為何自殺》，有興趣的可以回復“圖靈”就能看到了)
1950年，圖靈在《思想》雜志上發表了一篇題為《計算的機器和智能》的論文。在這篇文章中圖靈提出了影響至今的圖靈測試，現已成為驗證機器有無智能的標準判別方法。
圖靈測試的原理其實很簡單的：就是讓一臺機器和一個人同時坐在幕后，然后請一個裁判同時與幕后的人和機器進行交流。如果這個裁判無法判斷自己交流的對象是人還是機器，就說明這臺機器有了和人同等的智能。
簡單直白吧，其實很多真正有用的人生哲理，也就是這么簡單直接。只不過人類天生有喜歡秘密的天性，所以很多人更愿意追逐秘密，而非有用的道理，這也是為何從古至今八卦永盛不衰的道路。
后來，計算機科學家們認為，如果計算機實現了下面幾件事情中的一件，就可以認為它有圖靈所說的那種智能：
1.語音識別
2.機器翻譯
3.文本的自動摘要或者寫作
4.戰勝人類的國際象棋冠軍
5.自動回答問題
當然，今天的計算機已經可以做到這些事情，而且還會超額完成更多的智能問題。例如2011年，IBM研發的智能計算機Watson參加綜藝節目《危險邊緣》來測試它的能力，這是該節目有史以來第一次人與機器對決。Watson在前兩輪中與對手打平，而在最后一集里，Watson打敗了最高獎金得主布拉德·魯特爾和連勝紀錄保持者肯·詹寧斯。Watson贏得了第一筆獎金100萬美元。
我們從語音識別這個角度來看下，人類是一開始如何思考解決這個問題的：
首先，能想到的是去了解人的大腦是如何識別語音的，然后讓計算機按照人的思路去做。舉個例子，就拿我們以前學英語，死記硬背單詞和句法，當單詞量達到一定程度后，就可以理解外國人的話。
事實上，當時各個大學和研究所的專家們在這個問題上就是這么做的，而且已經死磕了20多年的時間。
主要采用的研究方法就是：
基于語法規則和語義規則，利用人工智能的方法理解人所講的完整的語句。
這個研究方法的思維就是在數學模型這個單個度上死磕，直到“磕的吐血”為止。
我把這種傳統的研究思維方法起了個有趣的名字叫：單維度死磕思維。
按照這種方法，經過20多年的研究，在20世紀70年代初，語音識別這個智能問題解決到什么水平呢?
當時按照這個思維方法做出的最好語言識別系統大約智能識別幾百個單詞，而且識別率只有70%左右。同時，面對機器人講話要清晰，不能有方言，不然機器真識別不了。假如王寶強去說，機器估計會想：這是什么鬼，咋聽不懂呢?
這種單維度死磕思維，在很長時間指導人們的行為(知道現在大部分人都是單維度思維)，最典型的例子是以前我們讀書老師講的一句話：
學號數理化，走遍天下都不怕。指的就是在數理化這條單維度的方向死磕。
單維度死磕的好處是你可以在某一個領域變的足夠強，但是它也有致命的缺點：就是由于你將全部注意力集中在這個維度上，你的視野和見識會很小，往往看不到其他維度的事情，從而導致無法認識世界。
直到一個人的出現，才打破了人工智能研究方法的僵局。同時，開啟了人類思維的新時代。
我把他的研究方法稱為：多維度思維，而這也正是大數據時代的核心。
這個人是誰呢?
1972年，康奈爾大學的教授 弗雷德·賈里尼克(Fred Jelinek，1932—2010) 到IBM做學術休假，正好當時IBM想開發出具有人工智能的計算機，賈里尼克就負責起這個項目。
語言識別和機器學習先驅~賈里尼克
他選擇解決的問題就是：如何讓計算機自動識別人的語音。
值得一提的是賈里尼克原本并不是一位人工智能專家，他其實是一位通信專家。
由于跨界的原因吧(進入一個新領域)，他看待語言識別的角度和先前的人工智能專家都不相同。在他看來，語音識別不是一個人工智能的問題，而是一個通信問題。
賈里尼克認為，人的大腦其實是一個信息源，聲音從外界傳播到耳朵，一個解碼的過程。而大腦從思考到找到合適的語句，再通過發音說出來，是一個編碼的過程。
這么一想，賈里尼克就找到通信領域的對應數學模型來解決語言識別這個問題，而徹底拋開了人工智能的那一套做法：單維度死磕。
在找到合適的數學模型后，賈里尼克并像以往一樣死磕模型這個維度，而是找到數據這個維度來提高準確度。
賈里尼克的做法是用統計方法和大量的數據來訓練模型的。幸運的是，在但時只有IBM具備語音方面的大量數據。
為何只有IBM具備這些條件呢?
在那個年代，IBM在全世界計算機乃至整個IT產業可以說是處于獨孤求敗的地位。20世紀60年代末，IBM的市值達到500億美元，這在當時是個很大的數目，占到了美國GDP(國內生產總值)的3%以上。
雖然IBM現在市值下滑很嚴重，也在做大數據方向的轉型，但是不可否認IBM仍然是一家偉大的公司，未來價值也巨大。
賈里尼克的團隊花了4年的時間，就開發了一個基于統計法和大數據的語音識別系統，它的語音識別率從過去的70%左右提高到90%以上，同時語音識別的規模從幾百詞上升到兩萬多詞。這樣語音識別就有了本質的飛躍。從此，語音識別就能夠從實驗室走向實際應用了。
賈里尼克在研究語音識別時，無意中開創了一種多維度(統計+數據)的方法解決智能問題的途徑。由于這種方法需要使用大量的數據，因此現在又被稱為數據驅動方法，這也是現在大數據解決問題的思維辦法。
即不在數學模型這一個維度上死磕，而是通過大量數據這個維度來解決以往解決不了的問題。這種方法最大的好處是，隨著數據量的積累，會變得越來越好。
李開復就是在這樣的背景下，在傳統的人工智能實驗室里，采用這種多維度的方法開展他的博士論文的工作，并且最終和洪小文一起構建了世界上第一個大詞匯量、非特定人、連續語音識別系統。
隨著互聯網興起之后，數據的獲取變得非常容易，所以大數據的這種多維度研究方法也變的流行起來。
可以說，賈里尼克開啟了人類思維的一個里程碑：多維度思維。
基于多維度思維，我們可以分析數據中的多個維度的相關性，往往可以獲得意外的收獲。
舉個例子，猴子我以前為客戶做女性購物數據分析的時候，在分析之前，大家普遍認為網上購物產品頁面詳情應該不需要太多的字，尤其現在手機屏幕那么小，會造成用戶體驗差的感受。
但是，經過分析網上排名前50的店鋪的多個維度，我發現這樣一個有趣的現象：對于女性網上購物用戶，產品詳情頁面越長越詳細越好。
基于這個分析結果，客戶調整了頁面展示和營銷的策略，從而提高了店鋪的銷售額。
現在我們知道了，從 傳統思維方法 到 大數據新思維方法 的出現，人類其實是經歷了一個很長時間的思維轉變，而這個思維也成為現在大數據時代的核心：
單維度死磕思維 -> 多維度思維
只有深刻認識到這個時代思維轉變的核心，我們才能徹底從大腦認知底層理解：
為何個人在這個新的時代，適應轉變成多維度跨界思維變的那么重要?
因為，在任何一個單一的維度上，能做到“第一”的只有一個人，只有少數人“名列前茅”，剩下的絕大多數都是“落后”。想想，你在自己的領域多久才能超過那個第一，或者名列前茅的人呢?
但如果我們拓展開另外一個維度呢就會完全不同。
我們打個比方，你在A維度上打80份，B維度上打60分(勉強及格就可以)，兩個維度上相乘就是4200分。而你在A維度上的競爭對手是90分。
你的4200分和對手的90分比，誰的優勢更明顯呢?
你也會明白，實際生活中的人都是立體的，而不是平面的。在單個維度上，大家比的是人生的長度，而在兩個維度上，大家的比的是人生的寬度.... ....
進而，你會發現一個新的趨勢，現在跨界(即多個維度)賺取財富的人越來越多。他們事實上，都知道這樣一個秘密道理：跨界能給自己拓展一個新的維度。
就拿微信公眾大號來說，顧爺以前是做設計的，但是通過聊繪畫，現在居然成了廣告這個維度上的大號，賺錢賺到手軟。如果顧爺真拼設計，真的搞不過這個維度上的頂級高手。
說到底，其實是因為時代變了，以前我們用的諾基亞手機都淘汰了，在新的時代，思維不轉變就會一直產生這樣的問題：為什么我和他的差距越來越大呢?
所以，我們現在知道文中開始那幾個問題的答案了：
1)為什么中學老師在許多年之后總是感嘆：
最終，真正有出息的，都是當年成績一般般的... ...
由于在中國長期實行的是單維度的評價標準(傳統的思維模式)，使得大部分人只關注學習成績這個維度。這在學校的時候其他能力(維度)不足也沒有關系，但是步入社會后，就會發現多維度才是競爭的核心。
中學老師之所以感嘆，就是因為沒有想到，當初竟然不知道人生除了學習成績之外，人還有很多其他的維度需要擴展。
2)從1984年洛杉磯奧運會開始，到盡頭，國人關注奧運會已經32年了。當年的金牌得主們，除了李寧和郎平，剩下的誰記得呢?
李寧除了金牌這個維度，他還增加了商業這個維度。
(值得一提的是李寧的父親是健力寶的創始人，他父親的經歷太過傳奇和曲折，后面有機會寫出來探討)
3)為何在某個技能上死磕，在大數據時代，不一定是最好的策略選擇，那什么才是這個時代好的策略?
時代不同了，在大數據時代，多維度打造競爭力才是更好的選擇
單維度能擴展你人生的深度，但是多維度卻可以擴展你人生的寬度。
在認知上有了這個概念以后，卻不去執行，就好比戀愛的時候知道泡妞的理論，卻遲遲沒有下手去追，三個字：不執行沒有任何用。
那么，如何執行多維度策略，在大數據時代，打造個人競爭力呢?
首先，我們應該反省下自己擅長的領域是哪些，然后圍繞這個領域你可以擴展的維度有哪些。
以我個人為例，我擅長的領域是編程(大概可以打80份)，圍繞編程這個領域，我擴展了數據分析(大概可以打70分)和人物寫作(即現在的 猴子聊人物公眾號 可以打60分)。根據對自己的反思和分析，我用數據分析語言R做了下面這個圖
值得注意的是，圖中60分是及格線，我又將它取名叫平庸線。因為一個維度沒有及格的話，說明你在這個維度上是平庸的，那就不能算作你的維度，因為它分數太低，不起作用。
所以，想讓自己不平庸的最直接的辦法，就是在有限的維度上提高積累，然后組合打出漂亮的“組合拳”(跨界)。
這點對我最直觀的改變是，在反思過后，我利用自己大數據領域的數據分析，和自己的寫作特長的組合，成為一家營銷公司的顧問。要知道，現在搞營銷，也是要建立在數據分析之上的。當然，我還是一家公司的數據分析師。
如果你也想在未來變成一個有競爭力的人，而不被時代淘汰，不妨也畫出你的人生維度分析圖，去反思該從哪些維度方面去積累和整合資源。
如果你想制像上面那樣的人生維度分析圖，可以在后臺給我留言：只需要告訴我你每個緯度上的得分，我會將制作后的圖給你。
人最可怕的就是不了解自己，在錯誤的方向努力，而多緯度圖可以清晰的展示你目前的水平，盡快發現你該努力的方向。
京公網安備 11010502049343號