我们该如何通过数学思维来实现目标和规避风险?人一生需要坚守的理念有哪些?人到底应该怎么看待概率这件事?
在4月20日的师训讲堂的访谈环节中,俞仲秋老师根据现场留言上墙的提问,回答了老师们关心的上述问题。
师训君提醒:每期师训讲堂进行期间,向公众号后台留言回复对嘉宾的提问,即有机会上墙获得嘉宾的现场解答。
点击这里回顾俞仲秋:你与所爱之人,只差了一个公式
问1:结婚问题的数学建模怎么把变动的时间和个人的际遇都定量化?当下的你如何预知你一生会被多少人喜欢?
俞仲秋:也许大家会觉得我今天的讲座有些学术,但我一定要把它作为一个例子来帮助大家理解“量化”。这种思想可以延伸到生活的很多例子上,问题所说的我们全部可以做到。
不要泛泛地思考自己怎样才能变好,这是数学建模无法解答的,而是要有一个很明确的目标。只要你有一个想要达成的目的,实现目标的最大化或使风险达到最小化,都可以通过“明确目标-假设-建模-求解”这四个步骤实现,找到最大可能性的概率。
主持人评:目标要明确,才能有策略。只有这样才能知晓每一步的策略距离目标有多远。
问2:小俞老师,数学模型解决问题有很多假设和简化,那还能用于现实问题的解决么?
俞仲秋:我觉得可以。
首先,现实生活中许多问题是大致符合你的假设的,如果符合假设就可以建立数学模型;如果不符合,就需要及时调整建模策略。
不过模型会因此越来越复杂,问题的解决也会更加复杂化。
在此我给大家延伸一下今天的话题,讲两大对立理论——知识工程和机器学习。
知识工程就如我们先前所讲的人为建立数学模型来解决实际问题。举一个例子,要面部识别来区分猫和驴,按照知识工程的思路,需要通过建模来细化各种定义和限定,建立一个十分复杂的模型,不能单纯地定义两只眼睛两只耳朵就是一只猫(因为驴也是如此),或者说,如果遮上一只眼睛就不是猫了么?我们要简化和假设的东西会越来越多,模型也就越来越复杂,编写的程序也就更容易出错。
与之对立的是机器学习理论。21世纪最热门的专业是大数据基础、人工智能等一系列交叉学科为背景的专业,统称为数字科学。这时人们只要给机器一亿张猫和一亿张驴的照片,让它自己识别,只给它纠错,渐渐地它就能够自己识别猫和驴的特点。
这就是以大数据为基础,机器的自我学习。所以随着人类社会的不断发展,那些最复杂的问题将由机器来解决。
主持人评:正如第一期吴伯凡老师提到的自我迭代,不断在自我试错中积累正确的经验。机器学习也是对我们人脑的一个挑战,同样也敦促我们人类社会不断进步与发展。
问3:作为新东方的老前辈,您在新东方从事过很多项目的工作,又去美国深造工作八年后回国继续在新东方拓展事业。请问您在这么多角色切换中,是如何做到一直保持在行业最前沿,您始终坚守的理念是什么?
俞仲秋:我一直以自己的职业规划作反例,因为我的职业规划很混乱。我在新东方当过教师,成为南京校长后又去美国深造和工作,后来回国继续在新东方做出国项目,这样一来在美国的工作就没有延续性,一切都从零开始,可以说我一直都在重启自己的人生。
我常说:“我的人生已经很难达到什么高度,所以我只有拓宽人生的宽度。”不过我确实一直坚信2件事:
第一,保持学术好奇心。我希望大家即便人到中年也不会失去学习新事物的热情,因为未来无论是商业模式还是社会形式都会发生翻天覆地的改变,如果早早放弃学习,以后的社会将十分陌生,生活会十分艰难。
第二,保持理性。一个大规模的企业,在管理上一定需要量化分析的思想,发展将会变得更加可控。新东方的管理也从早期的定性工作逐渐向定量工作转变。即使是非管理者,但这种时间分配、工作调度等量化思维方式也会大有裨益。
主持人评:从定性走到定量,用数学去思考理性去分析,又如上一场谢老师讲座中提到的理性和感性之间的平衡。这个问题解决好的话,我相信大家也会走的更广。
问4:俞老师您好,您一开始提到的概率问题,我的感受也是:人这一生往往就是一个规避概率或拥抱概率的一个过程,这里就涉及到一个价值观的问题,人到底应该怎么看待概率这个事情?若是不看重可能会失去一些东西,太过看重可能又会死板。您是怎么看待概率这件事情的?您自己是风险偏好型还是风险厌恶型的性格呢?
俞仲秋:实际上概率只能当作一个学科研究,仅研究现实世界中可能出现的一些现象。
作为一个人生的整体,我建议不要去思考太多概率的问题,因为从最大的角度去考虑概率是没有意义的,也许你从感性和人文科学方面能找到更好的答案。
但概率什么时候相对有用呢?就是在解决有期限的具体问题上,理性的思维和定量的工具是有意义的。
我是一个风险规避型的人,假如给我两种选择,一种是得到100块,第二种是50%概率得到200块而50%概率一无所获,我肯定选择前者。
主持人评:大事靠感觉,小事看概率。人生总体还是要随心,在小目标的选择上要理性一些,或许小目标选择的集合也是一个不错的理性结果。