如何避免在學生時期做事的目的性太高是我很注重的課題

如何避免在學生時期做事的目的性太高是我很注重的課題。

前幾天po的影片是專題生做的機器學習的自走車走迷宮。多數人會希望迷宮要很複雜，過關的速度要快，看到這類的結果會比較爽，但是我貼的影片，走得慢不打緊，常常原地打轉，還會撞牆。因為我一開始的設定就不是要很快走過很複雜的迷宮。

而是要用不太可靠數量又少的感測器，架在一部結構不太穩固的車子，馬達與輪子的狀況也不好，加上迷宮的牆被撞後還會傾斜的這個狀態下讓車子在遇到狀況時可以脫困，只是我容許的脫困時間可以夠長。

套一句術語，也就是資料維度很低，問題維度很高的意思。

我並不要求每一次模型的判斷都要對，因為在上述的狀況下，根本不可能，其實每一次模型要判斷時的正確率有70%就偷笑了，但是不管如何，最後要能脫困，不可以被卡在牆角死角出不來，而且要能完成整個迷宮的地圖。也就是我要求的是robustness，而不是efficiency。

當一個學生學會用很不足的資料，加上不多的程式碼，90%都靠機器學習模型，就可以去解決一般專家要用上很多的時間才可以寫出一樣robust的系統時，以後，他們遇到類似的問題的時候，就會知道該怎麼辦了。

因為，只靠機器學習無法解決問題，加上資料不僅少得可憐，資料雜訊還很大，能夠對付這樣問題的能力是珍貴的，因為在出去工作後，這類問題太常遇到了。即使，他們的專題看起來很low，拿出去比賽還會被笑。

講到這裡，大家知道為什麼要做一個看起來很low的題目了。

具備這種能力的人將取代舊時代的專家，因為他們是知道如何利用資料科學，機器學習，以及問題的物理特性，加上設計自動資料標記系統的新世代專家。

我希望學生的眼光要看遠一點。當學生的時候剛好有足夠的時間可以不要為了任何目的來學一件事，這時，要學的是

「眼前看不到的東西」

改天做得更完整時，我請他們去為大家分享。