我是一个很谨慎的人。虽然谨慎背后的成因可能有点特殊，但是总的表现出来就是非常谨慎，而且可能还带点完美主义。这种星性格让我不管做什么事都要深思熟虑很久，这导致我在写代码的时候总是畏首畏尾，考虑太多情况，最终设计了一个自己都看不太懂的复杂的架构，最终什么也没完成。这种问题不是一次两次了，而且给我造成了很严重的不好的影响。
于是我就觉得这种“先想后做”的学习方式并不适合我，可能也并不适合进步。
失败和错误对学习也许更有价值。大部分关于“怎么做”，尤其是工程上的“怎么做”的问题的方法论，往往都是经验方法论，而经验之所以叫经验，是因为它是经历过某种问题之后才得到的知识。换句话说，经验往往是从失败和错误中诞生的。工程问题的专业书籍或者知识——我喜欢叫他们技术手册，往往就是一大堆组织起来的经验。我以前经常好奇计算机科学家在设计操作系统或者计算机网络这么庞大的系统时，是怎么做到洞悉这么多的参数、构造，然后发现某个极其微小但对系统是致命的错误的呢？现在想想，超人也许存在，但是人的脑力终究是有上限的，大部分方法，往往还是从错误中脱胎而出的，也就是经验方法论。而没有切身实地地去经历过这些错误，怎么可能真正地理解这些错误方法论呢？
多做总是好的。人脑的拓扑结构就是上千亿个神经元，它们通过以树突轴突为核心建立起来复杂的联系进行更复杂的电信号交换。我们的智能就从这种结构中诞生。本能上，人是讨厌失败的。从生物学角度看，失败往往意味着个体生存几率下降，也就不利于基因的延续，因此过分喜欢冒险的个体是违背自然规律的。但是基因又没有完全关闭死冒险的窗口，这是为什么呢？生物的进化策略（还是生存策略？忘了）有两种形式，一种是多个体用数量硬对的策略，使用这种策略的生物一般是进化意义上比较低级的动物，比如昆虫；一种是以人类为代表的高智能高寿命个体。这种生物的个体有着比较强大的力量去适应环境，适应环境的力量是多样的。可能是庞大的体型（巨大的蜥脚类食草恐龙，或者现在的象、鲸），也可能是极高的智能，那就是我们人类了。人类就是在智能这条路上走到死（至少与地球上其他生物
相比下）的代表。而高智能则是意味着人类可以从错误（不好的环境）中学习，从而得到经验去改变自身（穿衣服）或者改变环境等。因此基因还是要求人去多做点事，多犯错的。最近在学机器学习，想事情总是往机器学习上面靠。人脑就像是一个架构良好的神经网络，智能上限很高，但是终究要靠庞大的数据量来训练，再加上后续的一些强化学习，或者简单地说惩罚函数（因为我也是入门也没搞太懂哈哈哈），才能达到它的智能上限。
某些领域的专家处理问题往往不是靠缜密的分析，而是靠某种直觉：这其实就是神经网络计算的结果。每次直觉的背后都是大量神经元计算的功劳，这些计算的依据就是来自于经验。高中时我是个神奇的选手。因为我明明是男生，擅长的科目却是语文和英语，尤其是英语，做题往往不太靠推理，而是凭借所谓的“感觉”。我想大概也是因为自己从初二开始就对英语有足够的自信，因此后来做英语练习的时候总是大开大合，不怕错误有关系吧。现在想来，如果早点发现这些规律，也许我数学也会很好了，先从每天早上对自己洗脑二十遍“我是数学天才”开始。。。如果很多事情都能早点想到就好了。可惜。
当然，虽然这里推崇“先做后想”，也不是完全就是说不想，而是稍微想个大概就上手去做，而不是一直想一直想。
写这篇文章没有多的目的，就还是希望自己去多做点事吧。不要再因为害怕失败而畏缩不前了。
记住，勇敢地走出舒适区。
