图片来源:百家号
自动驾驶产业链长,涉及到的零部件和技术众多,并且迭代速度很快。
最近总有小伙伴咨询,如何在这浩如烟海的知识中,快速的学习并提升自己,本文尝试介绍一下我自己的方法(至少目前来看是非常有效的)。
本文字数并不多,尽量用精炼的语言表达,供小伙伴们参考。
对于一些技术或者概念,自己虽然看了很多文章,但依然一知半解;
自己从事某项工作很长时间,但总是不能建立全局观,对于关键点的理解,总是不如有些身边其他同事深刻;
想学习一些新技术,但是涉及点很多,系统庞杂,自己不知所措,无从下手;
在制作PPT的时候,想引用之前看到过的某段精彩论述,或者某张非常好的图片,但到翻了半天资料,却很难找到;
在记录有些信息或者存档某些文章的时候,经常“偶然”发现在其他地方已经记录过了,或者已经下载过了;
00
思路
学习是一件终身的事情。
在学生时代,知识是被教材以合理、严密的逻辑组织起来,因此只要紧跟教材,一步一个脚印的认真踏实得把每个知识点学懂,成绩一般不会太差。
然而在工作中,我们接触到的知识的繁杂程度,数倍于学校书本里面的内容,甚至很多新的内容本来就是创新,根本没有现成的“教材”可用。
建立一个适合自己的、结构化的知识体系,并持续更新和精进,是高效学习的必然途径。
该体系的有无,对于知识的学习和理解效率相差巨大,在长时间积累之后,不同人之间将产生巨大的差距。
在早期,由于需要花时间进行知识体系的建立,方式1对于知识理解的效率甚至会低于方式2,但是随着时间的推移,方式1将越来越快。
雪岭推荐的学习方法如下:
01
第一步:收集资料
通过各种渠道,尽量多搜集该技术的相关资料,主要类别有:
免费公开资料:
搜索引擎:百度、Bing、谷歌等;
知识分享网站:微信公众号、知乎、CSDN等;
相关产业链重要公司的主页、公众号等;
上市公司招股书、年报等;
视频分享网站:B站、优酷等;
书籍&论文&研报:
书籍:纸质书籍,或者电子书(豆瓣、Jiumo、熊猫)等;
国内外论文:谷歌学术、知网等;
投资研报:慧博、洞见等;
咨询机构报告:Yole、艾瑞、盖洛普等;
访谈&会议:
行业内调研:专家访谈、主题圆桌等;
行业会议:产品发布会、研讨会、各种相关论坛等;
其他:
产品拆解、横向评测等;
自己或者他人已有的开发经验累积、笔记等;
优先级和顺序。如果是新知识点,建议优先收集综述论文或者专题研报,目的是迅速建立该技术点的基本概念和框架。之后,再根据知识点,逐个展开。
存储结构。收集的资料需要按照一定结构进行存储,这个结构建议和知识库的结构保持相同。
“缓存空间”。因为有些资料主题是相同的,但是质量有差异,为了效率最大化,不要把时间浪费在低质量的资料上。因此,收集资料之后,不要马上进行整理,而是把所有内容先临时放在一个“缓存空间”。在资料收集的过程中,有些文章一开始可能觉得不错,但是后面有可能发现更好的,那么前面的文章可以舍弃到。对于这个“缓存空间”,可以使用一些转存工具,例如印象笔记、有道云、腾讯文档等等。
02
第二步:整理资料
该环节是学习的核心过程,主要是分析、消化、理解收集的资料,建立和更新知识库。
1. 思考框架
一般情况下,主要包含这几个方面:
该对象自身:
是为了解决什么问题?
该技术目前都有什么方案?不同方案的发展趋势是怎样的?
该技术目前的主要玩家有哪些?他们的产品有哪些?市场份额是怎样的?
上游:
该技术的上游由哪些部分构成?各部分的原理是什么?发展趋势是怎样的?
都有哪些主要的参与者?竞争态势如何?
下游:
主要客户有哪些?
客户的主要痛点或者诉求是什么?
客户的生态环境是怎样的?
市场:
政策环境:有哪些主要的政策和法规?各国之间有哪些差异?
融资环境:资本市场对该产品的热度如何,主要有哪些资本在关注?
竞争环境:市场容量,市场份额分布是怎样的?变化趋势如何?
技术:
有哪些核心技术?这些技术的发展现状和前景如何?
有哪些技术挑战或者瓶颈?
很多优秀的技术分析研报也是类似的思考框架,大家可以参考。
2. 构建好的知识库
知识库通常是一个金字塔结构,或者是树状结构。建立一个好的知识结构相当于成功了60%。
这个结构因人而异,并不一定要求千篇一律,适合自己的结构就是最好的结构。
雪岭认为,好的知识架构的唯一判断标准是:如果你想在这个知识库中找任何信息,能够以最快速度(例如10s)就可以找到该信息,那么这个结构就是适合你的好的知识架构。
例如,
您能否10s内找到,BOSCH的第2~5代毫米波雷达结构对比:
您能否10s内找到,红外摄像头的实车安装实例:
您能否10s内找到,主流自动驾驶SoC产品推出时间和性能对比:
3. 知识库的不断精进
知识结构也不是一成不变的。
通常是先建立一个初始架构,之后随着理解的不断深入,逐渐优化和改进,直至达到“人库合一”的状态。
对于收集的资料不断消化、理解和提炼,并更新到知识库的对应位置。即图中的内循环:
知识库建议采用线上文档的方式,这样比较方便多地随时随地更新。
同时,需要有比较灵活的树状管理结构,文本格式并不需要太丰富(文本格式过于丰富,有时反而会分散对于知识内容本身的关注精力)。
知识管理类的工具很多,我个人是最推荐飞书。
所有内容按照自己知识库的结构重新组织。
尽量将有价值的资料从原始资料中提取出来,可能是一段话,或者是一张图片,可以注明这段话或者这张图片的出处,但是不要直接将原文附在知识库中。
如果遇到无法理解的点,可以先留着,做好标记,待本次资料全部整理完之后,再反过来重新思考。(有可能这个点在后面资料里面解释得更清楚,这样会节省很多时间)
对于已经整理进知识库的资料,理论上不应该再打开第二次。所有和里面有相关内容的信息,都应该在知识库中查找,而不是去翻原文。(如果做不到这一点,说明还没有吸收完整,或者知识库建立的并不合适)
“内循环”是更新知识库的过程,是在进行知识真正的吸收和理解。
这不是一个轻松的过程。
不过,只要能够坚持,你会在不久之后的某一刻,感谢自己在这个过程中曾经付出的全部努力。
03
第三步:输出
“输出”就是图中的“外循环”。
通过“输出”,促进自己对知识点更深入的理解。
“外循环”其实正是大名鼎鼎的“费曼学习法”,不熟悉的同学可以参考第“05”节。
讨论交流:圆桌讨论、演讲等。
写文章,并公开发表。
讲课,例如直播、录播课、现场讲课等。
04
两个循环缺一不可
“内循环”和“外循环”是相互促进的,雪岭认为缺一不可:
“内循环”是“外循环”的基础。只有通过扎实“内循环”,才具备“外循环”的条件。
“外循环”是“内循环”的动力。没有“外循环”的推动,很多时候,“内循环”很难坚持。
05
费曼学习法
“那些说自己了解某件事,但无法表达清楚的人,通常并不知道自己在想什么。”
——美国哲学家,莫蒂默·杰尔姆·阿德勒(Mortimer Jerome Adler,1902-2001)
对于某个概念,当你能够运用自己简洁的语言,去给无任何背景知识的外行人解释,并且让对方能听懂的时候,表明你已经深入地理解了这个概念。这种能力越强,说明你对这个概念理解得越透彻。
因此,当我们听到有人说“我跟你说不明白”时,很多时候其实是对方自己并没有理解透彻。
费曼学习法就是通过这种方式,让我们不断追求深度理解,并持续完善自己的知识体系。
1. 简介
费曼学习法由诺贝尔奖得主理查德·费曼创立(Richard Feynman,美籍犹太裔物理学家,加州理工学院物理学教授,1965年诺贝尔物理奖得主)。
费曼学习法是一种非常高效的学习方法(甚至有的时候被称为“史上最强终极学习法”),其核心思想是:用简单易懂的语言去解释知识,并不断修正和完善自己的解释。
2. 主要步骤
费曼学习法的主要步骤:
选择一个想学习的主题或概念,可以是一本书、一篇文章、一个理论或一个技能等。
用自己简单明了的语言,解释给一个完全不了解该主题的人,避免使用专业术语或复杂表达。
如果对方无法理解,则回顾我们的解释,寻找其中的问题、模糊之处或不完整之处。注意那些感觉无法清晰地表达或解释的地方,这些正是我们理解不够深入的地方,需要进一步学习和研究。
返回原始资料或者查找更多资料进行学习,进一步理解我们之前解释不清楚的地方。
回到第2步,重复前面过程,直到对方能够完全理解。
3. 原理
深度理解知识。费曼学习法通过将知识用自己的话语,解释给别人听,促使我们将知识转化为自己的思维方式,这个过程可以帮助我们真正深入理解所学内容。
填补知识漏洞。在解释知识的过程中,我们可能会发现自己对某些细节或概念的理解不够深入。费曼学习法可以帮助我们有针对性地填补这些漏洞,从而增强对知识更深的理解和掌握。
提高记忆效果。通过费曼学习法,我们需要将知识转化为自己的话语,这种主动参与的过程可以帮助我们更好地记住和理解所学知识。
发现思考不清晰的地方,并纠正它们。费曼学习法要求我们将知识转化为简单明了的表达,这可以帮助我们发现自己对知识的理解是否清晰、逻辑是否严谨。
06
结语
本文提到的方法,虽然是以自动驾驶技术的学习为例,但是该方法几乎适用于所有领域的学习。
任何资料如果不吸收到自己的知识体系里面,即便收集的再多,除了占用硬盘空间之外,其实和自己没有任何关系。
当自己可以将这些知识,用简洁的语言表达出来,并能够让更多人认同和理解,它们才是真正属于自己的知识。
雪岭最近在策划多个高质量的自动驾驶精品课系列,涵盖:激光雷达、毫米波雷达、摄像头、域控制器、端到端、开发体系等,如果您对于其中内容有独到深刻的理解,非常欢迎一起参与课程的制作。
提升自己,帮助他人,每个人都受益。
《雪岭飞花精品课:车载激光雷达》已经完成,详见B站。(听说口碑非常好^_^)
https://www.bilibili.com/cheese/play/ss34131,欢迎大家试看和关注。
本文内容仅代表个人观点,和真实情况有可能有偏差,仅供参考。如需要相关内容更详细的技术信息,欢迎添加“雪岭飞花”微信(maxhnnl)进一步交流,感谢。
雪岭:自动驾驶-系列文章
《雪岭 · 自动驾驶(3/10):控制系统-硬件(中):关键组件》,包含:
《雪岭 · 20个重点“端到端”玩家——1.7万字方案简介(2/2)》
雪岭:激光雷达-系列文章
《激光雷达系列(三):配备激光雷达的汽车汇总(含安装方式)》(链接:https://zhuanlan.zhihu.com/p/688537867)
《55图分析:华为激光雷达详细拆解和系统方案》(华为96线激光雷达)
雪岭:毫米波雷达-系列文章
毫米波雷达原理详见:《毫米波雷达系列(一):毫米波雷达简介》(链接:https://zhuanlan.zhihu.com/p/686260069)
雪岭:红外摄像头-系列文章
我是雪岭飞花,汽车行业24年开发经验,自动驾驶行业发展的见证者和参与者,自动驾驶感知和控制系统资深专家。
做有深度、高质量的技术分享,如果文章对您有帮助,欢迎关注、点赞和转发。如有疏漏或者错误,请批评指正。
如需加入自动驾驶专家微信群,和上千位自动驾驶CEO/CTO、研发/产品总监、资深开发专家探讨交流,请添加“雪岭飞花”微信(扫描下方二维码,或者搜索maxhnnl,特请备注所在公司和专业方向,感谢)。