今天早上在朋友圈看到有人转了一篇推送，借用机器学习当中的随机梯度下降中的一些经验，化用到人生的进程当中。初看起来挺有意思，这些所谓的道理，套在我们的生活当中确实是可行，例如
- 要有目标。梯度下降需要一个目标来确定优化的方向，而在人们的生活当中，也确实是最好有个或长期或短期的目标来驱动自己行动
- 坚持走，很远也能到达。随机梯度下降当中只要一直保持下降趋势总能到达一个最优解，即使并不是一个全局的最优解，也可以通过随机起点，重新再来。
- 痛苦的卷。需要不断地踏出自己的舒适区，改变自己的参数继续前进
- 可以躺平。但改变的过程中除了可以调大步长下降得更快以外，还能够调小步子让自己休息下
当然其实里面也有许多槽点，例如人生并不能像机器学习过程一般随意地重来，尤其是在当下这个对失败尤其不宽容的社会来说。不过对这篇文章的吐槽并不是博文的关键，这篇文章主要还是让我想起了以前看过一个关于学习方法的 up 主 Yjango，也是这般从机器学习当中套用概念，从而形成自己的一套学习方法。这个 up 主提出主要 idea 为：学习的过程其实是对已有材料的提炼吸收，从中寻找问题求解的规律和模式，而这恰好就是机器学习所擅长的（从数据当中获取知识），因而人可以像神经网络模型一般来学习，通过不停地接收输入，生成输出，并比对预期输出形成反馈，从而不断地对自身进行纠正与提升。
这种大道至简的道理其实很简单，无非就是刻意练习的一种，通过不断寻求反馈来进行改进，但是借用了机器学习当中的概念后，摇身一变就变成了一套系统化的学习方法与模型。看起来就觉得很有道理，尤其是对于机器学习有相关知识的支持者更是觉得，万物均可 ML，把机器学习模式应用在日常生活当中未免太酷。
但我们真的是缺这种大道吗？许多时候知道许多道理，但仍然过不好一生的关键原因还是在于：知与行未能合一。道理我都懂，只要那样做就好，但关键是那样到底是要怎么做，怎么开始第一步，这种术也是相当必要的。自己常常立 Flag 的时候总会立一个大大的目标，我要做到怎么样，但完全就没有细细考虑过怎样提供一个具体且即刻可行的计划和方案出来，例如说我想要每天练拳，单凭一腔热诚和自制力肯定无法坚持到每天完成，然后便会逐渐将其抛诸脑后，事后不免会只是以自己太懒了等主观借口作为理由，自我批评下便就此过去，将目标忘却。但如果能有个具体的理想方案，例如每天在什么时候练拳，如果有什么特殊情况没有时间，练拳计划调整到哪一个时间段，或者第二天怎么补上，或是怎样连同伙伴或者团体一起合练，这样的话起码不至于把想要的目标直接丢了。
当然我大多数时候也还不过是个无法知行合一的空想理论家罢了😅除了需要知道一个在大体上起指导作用的道以外，还需要一个确实可行马上可用的术，但这种术怎么来，怎么指定具体可行的计划，怎么让自己马上投身到行动当中，又是一个值得思考的问题了。