闲聊 | 教你如何用$8K的投资做到年入$100K

抱着试一试的心态，在老婆的鼓励下，我还是申请了一下，把简历写得看似像个理工科的老司机，结果，毫无悬念的被拒了。当然，在念PHD这几年，我别的本事没练成，承受打击的本事还是有的，学化学都不怕了还能怕学计算机吗。收到拒信之后，我开始着手学习Java，Python和SQL. 期间还过了Oracle的Java认证考试，对于面向对象有了大概的理解。然后又自己看了一点ML，AI方面的书，这里再推荐一本书，周志华老师的《机器学习》，我感觉这本书比Mitchell的Machine Learning更加适合初学者（Tom Mitchell是卡耐基梅隆大学机器学习系的系头，他教课的视频CMU的官网上也都有）。ML一些基本的概念其实不是很难，Andrew Ng在Coursera上的课作为入门也还不错的，反正我是觉得比有机化学里面这个取代那个进攻的好理解很多。至于这两门学科的比较我后面会详细讲。看了一些书之后我又开始了第二次申请，有了第一次失败的经验，文书被我改了又改

，我还把自己以前写的code贴上了GitHub，功夫不负有心人，这次总算拿到了录取。同时，我的PHD也已经进入了第五年，一方面，我为了能拿到化学的PHD，组里的活要干，文章要写，干活要善始善终，给老板也给自己一个交代；另一方面，佐治亚理工为了保证这个学位的含金量，课程的难度设置其实并不低，而且不少理论课。老实讲，我后面两三年的周末和晚上基本都搭进去了，毕竟同时练Chemistry PHD和CS Master两个号……后来我佛系了，一来是觉得就算这些多出来的时间用来撸实验、出结果、讨好老板，可能最最理想的结果也就是多出一篇JPCC或者ACS Catalysis之类的文章，可能并不能改变任何结果，该找不到工作还是找不到工作（事实最后被我撸出来一篇一作的Nature Chemistry，ACS NANO）。二来我毕竟不是一个人在战斗，这个项目里面还有我的大学同学以及不少火坑专业博后，每次谈到点错技能树的问题都是一副“别说了，大家都懂”样子，慢慢也就习惯了。后来发现，当拿出当年高中搞化学竞赛的热情学编程的时候，很多问题就根本不是问题。这个项目把我拽出了原来的“舒适区”，给了我很多新的挑战，也让我认识了很多优秀的人。最大的影响应该还是改变了我在做化学PHD时候产生的很多消极心态，渐渐地，自己看问题的角度更加多元化了。当然，以上所有这些事，当时我的PHD导师并不知道。

学CS对于一个学化学出生的人到底有多难？说难也难，说容易也容易。如果看科班CS的本科生课程有很多，包括数字电路原理、模电技术、数字逻辑、数值分析、计算机原理、系统结构、计算机网络、高级语言、汇编语言、数据结构、操作系统、数据库原理、编译原理、图形学、计算方法、离散数学、概率统计、线性代数、面向对象，还有现在大火的人工智能，机器学习，人机交互等等。对于非科班出生的人，我觉得很多底层偏硬件的东西刚转行的时候可以学得粗一点，想对硬件有个最基本的了解的话，推荐这么一本书 “Code: The Hidden Language of Computer Hardware and Software”，中文翻译是《编码—隐匿在计算机软硬件背后的语言》，这本书讲的深入浅出，我觉得一个理工科的人应该都能够理解。第一步总是最艰难的，有人选择硬上CLRS的Introduction to Algorithms，有人选择直接Leetcode刷题，还有人直接上手CSS，PHP和JS做网页搞前端（比如我现在帮忙在弄“小钱大玩”的网站）。我个人的经验，线性代数、概率统计、面向对象、数据结构是最基本的，当然如果要像一个码农的话，还要会点Linux，Github。不建议用C和C++上手，原因后面说。

很多时候我喜欢把这两个学科放在一起比，说实话，十年化学学下来，自以为对化学圈还是略懂一二的。毕竟Nature正刊子刊都发过，各种报告、讲座、花边新闻也听过，大大小小的文章也看过审过，牛的和不太牛的教授也接触过。知乎上，MITBBS上，一亩三分地上的各种帖子也是领教过很多。统计上的结论自然是劝转的占九成以上，剩下的一成不到也是中立的。这么说吧，你问我网上的说法是不是真实的？我觉得绝大部分是。就化学的学术圈而言，一个华人，如果要在圈子里混，现在这个年代我见过的tenure-track assistant prof的博士出生基本都是五校：HMSBC，当然，最好要有院士老板的力挺，博后也要是牛校牛老板。如果博士的学校是芝加哥，普林斯顿，麦迪逊，香槟，哥大这种水平的话，手持一篇Nature Chemistry或者若干篇JACS一类的文章的话再找个牛组做2-4年博后发几篇JACS，也还是可以一战的。其中每一环都不能有太大的脱节。同时，华人男性是食物链最底端的事实想必大家是知道的，这个其实也没什么可以抱怨的，人生本来就不是绝对公平的，你要是有黑女的buff，瞬间学校档次可以上两个层次（多说一句，个人认为美国学术界的buff level是这样的：黑女=拉丁女>犹太女>白女=黑哥>犹太男=亚女>白男>印度男>中男）。做完2-4年博后之后，一般也要32-35岁了，然后开始找教职。基本上美国前50名的学校一个AP的位置需要面试至少10个候选人，竞争不言而喻。现在总体的趋势是，文章的通货膨胀一年比一年厉害。光看Nature在过去几年出了多少副刊，就不提Nature Comm这种发一篇文章赚5000刀的所谓open source了，现在又搞出了Nature Energy，Nature Catalysis，Nature Electronics等等，ACS也跟风出了ACS Central Science, ACS Omega等等，Wiley也有很多Advanced whatever Materials，生物化学领域的就更多，以后只会越来越多。不夸张地讲，南大化学系每届这么多本科生，毕业10年之后能在北美当上faculty的最多也就三个人，你不高兴我也没有办法。好吧，就算要回国，化学界现在想搞个青年千人你没有三五篇JACS，Angew基本不用想。虽然个人以为，JACS上一半的文章基本都是凑数据，凑表征，凑解释（当然能凑出来也需要时间和水平的）。炒的那么火的NANO，80%的文章和经费应该被砍掉，什么纳米材料利用太阳能，利用氢能，在我看来it is beyond a joke，有这个在实验室里面小打小闹对着电镜挑照片钻牛角尖的时间和功夫，就应该去搞可控核聚变，搞登火星。除了内心对于奇技淫巧的不屑之外，我个人对搞化学还有一个心结是毒性问题。其实学了十年化学按说应该百毒不侵了，但是当我听到北师大的青年千人何智教授三十五岁就英年早逝的消息时，心中难免感慨。化学圈就这么大，何智在北大，多伦多大学和MIT期间的同学同事我认识若干，他们的观点总结起来就一条，有机有毒。据说北大化学系做有机的教授鲜有生儿子的，因为对Y染色体破坏太大。现在有机化学的研究模式好多都是沿袭了Woodward 和EJ Corey那一套，个人觉得越是劳动密集化的学科就越落后。所以到了PHD后期我其实是有点排斥做化学实验的，至少我不可能让我小孩再搞化学了。

再来说说计算机的事情。第一台计算机在宾大诞生也不过是1946年的事，一个世纪不到就完全改变了人类社会。个人觉得计算机科学和其他自然科学最大的不一样是它逻辑链的完整性。这么说吧，从最简单的三极管，逻辑门单元到现在最复杂的神经网络、深度计算，人类是自始自终拥有上帝视角的主导者。这种对于机器控制的权力至少到现在还完全在人类手上。虽然从比尔盖茨到马斯克，当下一些业内的牛人对人工智能的发展都有一定的担忧，不过扎克伯格说，人类对于人工智能的担心并不应该来源于它过于智能，而应该来源于它还没有那么智能。很多时候，在电脑面前人类是上帝，但在自然面前，人类啥都不是。你别看现在生物技术搞的热火朝天，会个CRISPR就感觉人类能够操纵基因要啥有啥了，那是做梦！（当然CRISPR该拿诺奖拿诺奖，这个是另一码事）举个例子，给你一堆散装的嘌呤和嘧啶，给你一堆氨基酸，再给你一堆无机盐和水，人类现在能不能依靠自己的力量“制造”出一个能够自我复制的细胞？不仅不能，一百年之内估计都悬。但按照进化论的说法，第一个细胞在40亿年之前就有了。怎么解释？当然，这是一个哲学问题，回到现实层面上，我想说的是，计算机科学总体来讲是一门非常定量的学科，定量程度仅次于数学，逻辑链条的完整性导致了没有很多经验性的“唯象论”。尤其是和化学或者生物相比，严谨太多。我听化学系教授的报告，很多时候都觉得结论不是那么的扎实，或者说有过度解读实验现象，贩卖概念的嫌疑。我听计算机系的报告的时候，虽然有时候教授提出的新算法在性能上还有提高的空间，在解释深度网络的时候参数设置有点玄乎，但是我一般不会去怀疑算法本身的正确性和可重复性。化学和生物领域的研究成果的重复性是很多教授讳莫如深的话题，但计算机领域至少还有很多开源的代码，比如Python、Linux、Github。关起门来搞小团体闭门造车的研究学科从长期来看肯定不如开放共享互通有无的研究学科有活力。总而言之，我还是觉得做研究，尤其是理科的研究，还是越定量越数学越好，做实验总是有不那么靠谱的东西在里面。往大了说，科学发现需要经得起时间的考验；往小了说，做理论的可以转做实验，但实验做多了再要回去做理论就很难了。