我刚接触计算机的时候，总是为它强大的计算能力所折服，又有些不服气：计算机不就是靠“傻算”取胜嘛——简单重复操作，人类无论怎么锻炼，速度都不可能提升太多，芯片的处理能力却可以按照摩尔定律持续增长。换句话说，计算机算得比人快，“无它，手快尔”。
可是后来，我逐渐发现，用计算机解决许多问题，依靠的并不是“傻算”加上生搬硬套生活中的直观方法，而是“别开天地、自成一体”。我曾经遇到过一个每日运营数据分析的程序，需要10小时才能计算出结果（在当时的业务环境下，这速度完全不可接受），其思维就是生活中的直观方法。我花了一天时间来改进算法，最后只需要5分钟。这个例子我记忆犹新，它充分说明：强大的计算能力，并不能直接带来充沛的解决问题的能力；用计算机解决复杂问题，必须懂得计算机的“玩法”，理解计算机的逻辑，然后才谈得上妥善运用计算能力。
怎样才算懂得计算机的“玩法”，理解计算机的逻辑呢？可以举个排序的例子来说明。
排序，这几乎是我们每时每刻要遇到的问题，对普通人来说，排序就是把一堆东西按大小顺序组织起来；对应的，许多变成语言提供了现成的sort函数，对某些程序员来说，排序就是查找语言文档，调用这种函数即可。但是，事情真的这么简单吗？
为进行排序，需要定义一种关系R用来比较任意两个元素，以常见的小于（<）关系为例，a < b 可以表示为 a R b；现在要做的是，对于排序结果中的任意两个元素Xi, Xj，如果i < j（也就是说Xi在Xj之前），必然存在关系Xi R Xj。
这段话看起来繁杂，意义却很重要。常见的数值类型”天然“就可以进行小于计算，所以对不少程序员来说，a < b中的 <，和返回true或者false的布尔运算符没有区别。这样“凑合”确实可以解决简单问题，却无法处理复杂对象的排序，把人按照身高排序，把货物按照发送的远近排序，把向量按照夹角排序；因为这些时候，排序的对象并不是身高、距离、夹角的度数，而是人、货物、向量。还有些人，大概了解关系的概念，但没有考虑“对排序结果中的任意两个元素，关系都成立”，所以排序结果经常出现“局部有序，全局无序”的情况。
用计算机解决排序问题，必须首先定义“关系”的概念，它在编程语言中存在对应物——常见的数值类型往往会提供默认的排序关系，也可以由用户指定排序关系，比如Java中的Comparator类，Python中的cmp函数，都对应着关系的概念。
以上两点都了解清楚之后，就可以开始选择排序算法。请注意，排序算法与排序关系是彼此独立的——不同的排序关系，可以采用同样的排序算法；同样的排序关系，可以应用到不同的排序算法（这里体现的，是计算机科学中的“责任分隔”、“低耦合”的原则）。
学过算法的人大都记得，常用的排序算法有几种：插入排序、快速排序、归并排序等等。编程语言一般会提供通用的sort函数，确保排序的结果是正确的，所以是不是就不需要了解排序算法了呢？
一般来讲，如果排序的规模比较小（小于千），插入排序是足够快的，也足够简单，同时只需要O(1)的额外空间；如果排序的规模较大，那么选择快速排序比较合适，只是它需要O(log n)的额外空间；如果排序的规模更大，内排序已经不合适，则应当选择归并排序之类的外部排序（External Sorting）算法。
对应到实际开发中，经常会遇到各种场景，比如资源非常有限（典型的就是移动开发），或者运算量非常大（海量数据的处理），这些时候需要程序员理解各种排序算法之后的原理，如果不分青红皂白，只管随意抓一个sort函数来用，结果很可能不只是计算缓慢，而是根本无法实行。所以说，要用计算机高效地解决真正的问题，必须懂得计算机的“玩法”，理解计算机的逻辑。
亨利·福特曾说：“人们需要的是汽车，而不是更快的马”。相应的，汽车时代有汽车时代的规矩和逻辑，同样是赶路，已经不可能再用骑马的规矩和逻辑进行。计算机也是如此，我的经验是，“基本上，计算机可以无限延伸人的能力，前提是懂得计算机的逻辑”，如果在高速增长的计算能力面前还只能延续手工时代的直观方法和简单逻辑，充其量，也只是骑高铁的马夫。
From Life Sailor, post 骑高铁的马夫
在上一篇文章里，我列举了一些种族歧视现象的亲身经历，引发了许多读者的讨论。但是让我略感遗憾的是，许多人大概没有注意文章的标题，没有觉察到关键是“比想象的要复杂”，所以直接给出了一个简单的论断。 我的本意绝不是强化已有的简单粗疏的刻板印象，而是希望让大家知道，种族歧视这回事，有许多的侧面和细节。了解这些侧面和细节，有助于我们形成更立体的认知。 于是就有了下面这些内容，希望能引发大家的思考。 一 种族歧视是一种最简单粗暴的歧视。 许多人都知道，“歧视”的英文是discriminate，准确的意思是“区别对待”。既然要区别对待，就自然首先必须有办法区分。目力所及，似乎没有人愿意“区别对待”与自己完全同样的人，而总是要先找出一点区别来，再实行区别对待。 所以，种族、口音、家庭出身、经济能力等等各种因素，都可以成为“区别”的指标，由此催生出区别对待。在这些因素当中，种族大概是最容易识别的特征——判断口音需要等对方开口，家庭出身、经济能力等等因素就更是要全面接触才可能了解。唯有种族，具体来说，绝大多数时候是相貌和肤色，是可以远远一眼就望见的。 也恰恰是因为这个原因，种族歧视特别容易引起反感。 这些年来，我得到的一条重要的生活经验是，如果你希望指出对方的问题，但又不纯粹是为了激怒对方，那么最好不要归因为一些木已成舟，对方无法改变的因素，否则对方多半会恼羞成怒。 举个例子，你觉得某人的口语表达还可以更好一点，完全可以直接给出具体的建议。但是如果从“经济不发达地区来的人就是口语差”，或者“个子矮的人就是没自信心来表达”，那几乎一定会制造矛盾。因为“口语表达”是可以改进的，加以锻炼将来肯定更好，而“不发达地区来的人”和“个子矮的人”就像烙印一样，是无法摆脱的。这种话说出来，对方哪怕有意愿改进，也会觉得无奈甚至恼怒。 种族歧视也是这样，“种族”同样是一种烙印，是无法摆脱的。所以当对某些人的判断与种族挂钩的时候，他或她必然感到无奈甚至愤怒。况且老话说“人上一百，形形色色；人上一万，千奇百怪”。哪怕是同一个种族的人，也可能在肤色、相貌之外完全找不到相同点。先入为主地用种族去对其他人下判断，无论是从情感反应上，还是从逻辑上，都是站不住脚的。 (more…)
去年初的时候，小朋友冰球俱乐部来了个新教练Robo。Robo来自加拿大，总是一副很健谈很乐观的样子，而且很喜欢放音乐，把整个训练场搞得热情四射。最关键的是，小朋友们好像都很喜欢他，不但许多动作耐心示范，对每个人的指导也相当到位。而且，他的英语很好，人又很喜欢开玩笑，所以我们交谈很多，他总是跟我说：“你家的小朋友超级酷的，不要给他太大压力，只要他自己运动起来足够自在，能够持续练下去，就是最好的。” 没想到的是，到去年9月份，Robo忽然神秘失踪了，没有任何征兆，也没有任何说明，就此人间蒸发了一般。问其他的教练，也是语焉不详。小朋友训练完，偶尔会失落地跟我说“好久没看到Robo了，不知道他哪里去了。” 3月份的时候，一个偶然的机会，我又见到了Robo，虽然当时时间很紧张，只是打了个照面，但我要他留下了联系方式。 当天晚上我问他：哥们，你怎么忽然就不见了，大家都很想你啊。 过会儿我收到他的回复：我也很想念小孩子们，你儿子很酷……我现在没在那个俱乐部了，因为其他几个教练总是或明或暗地针对我，仅仅因为我的肤色，这是我受不了的。 (more…)
注：原文发布于2023年1月16日 到1月份为止，我已经体验了几个月的全远程+共享空间办公了。有不少朋友听说之后很有兴趣，问我到底是什么感觉，所以我简单介绍下个人的体验。 背景 2019年末、2020年初开始在全球流行的Covid-19对远程办公来说，绝对是黑天鹅一般的存在。因为疫情导致的社交隔离措施，极大影响了各大公司的正常运转。 所幸，IT类公司受到的影响比较小，只要求员工“面对屏幕编程”，不必亲临现场。所以，许多IT公司也谨小慎微地开展了远程办公的试验。 从我所知道的结果来看，不少美国公司并不特别喜欢远程办公，比如Google，一旦社交隔离措施有所放松，就忙不迭要求员工回到办公室，盖因为公司认为远程办公严重影响合作效率。 与此相反，不少德国公司反倒是逐渐适应了远程办公的节奏，纷纷降低对员工“到办公室上班”的要求，许多公司甚至可以支持百分百的远程办公。 这里要提到的是，德国公司说的“远程办公”往往是货真价实的“远程”，而不是一些人理解的“家和办公室在同一个城市，只是不用去办公室”而已。 因为德国IT行业缺人严重，而且许多德国公司并没有那么“互联网”，而是依托实业开展业务，所以据我所知，目前不少公司非但没有裁员，反而都在大力招人。 (more…)
注：本文发布于2023年2月6日 最近硅谷几大公司都在裁员，看了些报道，被裁的员工真是不好过。损失经济来源不说，有些人还面临身份问题，这可真是屋漏偏逢连夜雨。 我也留意到，不少被裁的人会不停追问自己：为什么我会遇到这样的事情？为什么这样的不幸会降临到我头上？…… 实话说，我挺能理解这种态度。这挫折如此巨大，似乎又来得全无预兆，不由得让人对命运、对人生、对世界产生深重的怀疑。尤其是对已经走入社会，取得一定成就（如果非要抠字眼，那就用“进展”吧）的人来说，更是如此。 但是我更想说，如果被裁员了，当务之急是赶紧找到下一份工作，哪怕只是机械地行动。要知道，成年人找工作，容不下那么多愁善感。 我之所以这么说，是有切身经历为基础的。之前我讲过找德国工作的经历。最开始是信心十足的，因为虽然毕业多年，手艺没丢，基础还在，随时打开leetcode，中等难度题目基本都不在话下，不但能解对，解法也基本接近最优。既然网上都说“刷题就能找到工作”，估计自己应该没大问题。 没想到真的找起工作来，仍然充满了意想不到的挫折。如果不相信，我且举几个例子吧。 (more…)
虽然早就听说《园丁与木匠》是关于育儿的好书，但一直没开始读。最近终于翻开这本书，才发现属于“拿起就很难放下”的类型，加班加点读完，收获不少。 关于这本书的价值，已经有许多书评讨论过了，所以我想略过微言大义、长篇大论的叙述，谈谈我印象最深，也是最打动我的三点细节。 第一，儿童的学习方式 小孩子觉得拧螺丝很好玩，想自己动手拧一颗螺丝。于是，他打开了工具箱，对着琳琅满目的工具，他不知所措。一会儿摸摸钳子，一会儿试试扳手……这时候，旁边的父母应当怎么办？ 在大多数情况下，父母大概会直接告诉孩子，“亲爱的，你应该用螺丝刀，来，我告诉你”。耐心一点的父母，大概会潜心观察一段孩子的举动，再设法“引导”他到正确的工具上来。在父母眼里，孩子当然不可能一开始就找对正确答案，所以做各种尝试也是情有可原。但是另一方面，也不应该“在错误的路径上摸索太久，浪费时间”，应当“迅速识别出正确的答案”。 无论父母有多少耐心，在他们眼里，孩子找到拧螺丝的工具的过程，都是个“不断接近正确答案”的过程。这个过程越短，孩子就越“聪明”，或者说“学习效率”就越高。 (more…)
陈皓（Haoel，网名“左耳朵耗子”）上周六因为突发心梗去世了，享年47岁。 我跟他虽然聊过好些次，但只是微信好友，从未见过面。回看微信记录，当年稀松平常的一声“再见”，已经成了“再也不见”。 许多人在缅怀他，许多文章提到他的时候，会用到“骨灰级程序员”、“技术大牛”这样的称呼。但如果仅仅用这两个词描述他，断然难以解释，为什么他的突然去世，会引发互联网上怀念的狂潮。 所以，我更愿意按照自己的经验，把他描绘为“有坦诚追求，兼具趣味、操守、胸怀的技术人”。恰恰是因为这样的人在这个年代太稀少，而这些品质又让众多人赏识和受益，大家才会如此地怀念他。 这个年代，做技术（仅指狭义的IT）的人很多，愿意分享的人也不在少数，其中不少还可以算世俗意义上的“成功者”。 但是，若仔细去看他们分享的内容，总感觉不够真诚。总感觉作者希望往高深了靠，目的也没有那么纯粹。你若提一些小白问题，迎来的往往是“你怎么连这都不知道？”的反问，或者“要谈这个问题，你先去看几本书再说吧”。话是这么说没错，但无数的初学者也往往因此打了退堂鼓。 但是陈皓的分享不同。我已经不止一次地看到有人提起，他分享——更准确说，是“创作”——的内容质量很高，而且总能做到“深入浅出”。哪怕是小白读者，看完也确实能有收获，如果还有兴趣，更可以跟着文末的链接，顺藤摸瓜探究更广阔的世界。 这让我想起我佩服的一位记者说的：记者写文章的最高境界，就是不表达自己的观点，因为记者的观点应当来自于他的素材。只要把这些素材摆出来，读者读完报道，观点就自然形成了。要做到这一点，需要对素材有足够的信心和把握，外加真诚和坦荡。 能做到这一点的记者，着实不多。陈皓虽然不是记者，他写的技术文章却能让读者得到类似的结论——要知道，技术讨论往往是非常容易擦枪走火的——可见他运用素材和逻辑的功力，以及更重要的，他的真诚和坦荡。 (more…)
View Comments
计算机不是“傻算”的另外一个例子：从1加到100，傻算和算法的区别是for(i=0;i<100;i++)和100*(100+1)/2的区别
哥们，总觉得你是学文的，搞计算机的，能把技术博文写得如此诗化的，少之又少
哎呀，这句话，我是应该正着听呢，还是反着听呢？呵呵
想起电动马鞍，电动马鞭的那个笑话了。
人学东西就是爱用类比和迁移，不过，深入之后，光靠经验的迁移是远不够的了。因为，超出了定义域，经验不能用了。