原文首發於我的微信公眾號：GeekArtT。

從明天起，做一個幸福的人，餵馬、劈柴，周遊世界，然後做一名合格的調包俠。不再基礎設施上糾結不已，而是在前人的基礎上，進行地春暖花開。如果你是一名攝影師，你不用再考究各個光學元件的組成，不用再為光線的昏暗而煩惱，而是迎接PS的新世界，將所有的精力放於更富創造性的構圖上。

繪畫的藝術，是最早的優秀工程實踐。以草圖為基礎的技術方法論，是一切工程的基礎。素描老師教授的第一課，便是先著眼於整體性框架的勾勒，而不要在細節上精雕細琢。等到大物件的位置、構圖都相對確定的時候，再一步步深入細節，讓畫面豐滿起來。這種經典的從宏觀到微觀的工程技術，是控制復雜度的基石。

那麽，對於AI，machine learning這樣的新技術，極為容易被復雜的數學原理和漫長的公式推導所迷惑。這樣的復雜度，既令人生畏，也讓人著迷。因為一旦形成成熟的解決方案，似乎便沒有了任何門檻與屏障，一切顯得來平淡無奇。於是，為了保住自己的光環，便會更加沈迷於基礎設施的復雜性，而忘記了更為重要的宏觀運用。這就好比是做素描時，沈醉於各種紋路的勾勒，而對於草圖的直線、切面顯得不屑一顧。因為這些切面和直線是那樣的簡單，甚至讓人羞於一提。

然而，這裏就不知不覺進入了另一個陷阱之中。像那流傳的故事，“剪去一根導線只會耗費1美元，知道在哪裏剪需要99美元。”所謂的沒有技術含量的直線與切面，會因為其恰到好處的落筆點，而價值千金。同樣的，學習AI、machine learning的目的並不是為了復雜而復雜，其根本性的使命在於解放生產力、發展生產力。如果我們只顧沈醉於這些新技術的基礎建設，而對應用層面的組合不屑一顧，就無異於本末倒置。

事實上，從人的客觀認識規律來講，你應該先成為一名調包俠。它有助於你拋開細節的枷鎖，清晰地為一個現實目標搭建框架。你可以騰出更多的精力集中於解決方案的設計，而不是在基建設施上停滯不前。這些現成的程序包，能夠為你快速地搭建起可以提供反饋的實驗模型，讓你通過實踐來啟發更多的思路。

從明天起，讓我們做一名出色的調包俠。請更加細心地觀察工作生活中的痛點，然後開闊思路，運用現成的程序包來做一些嘗試與改進。以此來發揮出machine learning真正的威力。你應該因為成功地解決了現實問題而欣喜，而不是因為將細枝末節搞得來更加晦澀而興奮不已。

每個階段有每個階段的使命。如果是一門新生學科，你不得不做非常多的基礎性工作來為未來的幾十年做準備。這個時候對細枝末節的高度關註並不是毫無意義，因為這是這一階段無法逃避的必做性工作。而如果過渡到下一個階段，在開源社區的精心呵護下，已有的基礎設施已經基本齊備。這個時候再重復去構築基建設施，將會付出高昂的機會成本。這一階段的使命與任務，已經變成了如何巧妙地運用現有平臺來真正解決自己的問題。

不要過度關註偽問題，把元問題當做護身符而拒絕接觸現實，拒絕了解生活。而是要反過來，認清楚、辨別出生活中真正需要解決的痛點，然後考慮應該運用哪些工具去解決。不要拿著錘子去找釘子，而是要先認清楚了這是不是釘子，再決定是否要用錘子。

如果你喜歡我的文章或分享，請長按下面的二維碼關註我的微信公眾號，謝謝！

從明天起，讓我們做一名調包俠