文/编辑 | 言有三

最近疫情影响了我们的原创更新进度，今天我们来简单谈谈有三AI作死三原则，“不接广告”，“只做系统性原创”，“不追热点”中为什么我们不追热点。

1 学习乱象，但求更快

我常常遇到类似于“图像分割初学者上来就撸Mask-RCNN”，“GAN初学者上来就撸StyleGAN”的学习者来提问，一般都会说他们“还没有学会走就想跳”，借用初中数学老师当年批评我们的一句话，“就是一个不压称的秤砣，看起来大，实际很轻”，换成大白话就是根基不稳，影响以后修仙。

我们常常因为追求快而收获慢。

(1) 比如程序员查一个bug，往往下意识点开很多回答，然后去匹配答案，目标是想最快解决问题，但却不愿意认真思考bug的原因，下一次依旧会踩坑。

(2) 比如验证一个新方向，找了多个开源项目，但是每一个跑起来都会有点小问题，一个跑不通就想着换下一个，最终一个都没搞成，还不如老老实实解决一个项目中的问题。

(3) 比如热衷于寻找更新更好的方案，但到头来发现成熟的技术才是工业界的选择，而自己并不具备用好成熟技术的能力。

(4) 面试工作，不好好夯实自己的基础，而是发力于多跑几个项目，每一个深度不够，完整性不够，只是截取的知识残片，华而不实。

造成这个现状的原因有很多。

(1) 信息更新快。“aa机构bb大神cc重磅工作，dd专家：秒杀ee”，大部分订阅者先被aa机构吸引，再被bb大神吸引。

(2) 领导要求快。两天一个会，七天一个版本。

(3) 学生要求快。Linux暂时俺不会，期望是三个月内发表一篇顶会，1个月内写完大论文。

(4) 商人要求快。1个月决战xx项目之巅，3个月会师xx大厂。

(5) 群众要求快。xx项目24小时star破千，登顶热榜，readme竟有1000行。

......

众人都在问，什么是最快最好的模型？难道这是练武术？

2 静下心来，慢即是快

之前给大家也解释过，有三AI不是媒体，也不是论坛，而是教育平台，我们几百篇文章全部都是成系列的原创，每一篇文章都是仔细推敲过的，可以循序渐进地进行学习，不追热点不是不关心，而是有条不紊地逐渐掌握。

参考：【年终总结】2019年有三AI做了什么，2020年我们要做什么？

我们的目标群体就是真正要学习这一行知识的局内人，不是看客。为什么要做各种各样的技术专栏从简到难讲述问题，既花掉了很多的时间，阅读量又不讨喜，就是希望大家根基要稳，在我看来它至少有几个好处。

(1) 循序渐进提升相比于跳跃式的学习，不会需要反复回去查阅知识点，避免了重复学习的过程。

(2) 循序渐进的过程中会拓宽知识面，而不是跳跃式学习中停留在一些知识点，后者的坏处是难以形成自己的知识系统，对于突击项目或许有用，但是在写论文等需要更综合的知识体系的情况就远远不够了，容易遇到一些小问题就解决不了。

这么看来，其实慢就是快，慢的是开始，快的是将来。

3 邀请大家加入专栏作者

最后，诚意邀请喜欢技术总结的朋友大家加入我们的专栏作者，分享自己的宝贵经验。

专栏作者可以获得回报，包括：

(1) 个人影响力提升。在这个技术自媒体圈子里，我们虽然粉丝不多，但是因为内容质量的保证，影响力不小。成为我们的专栏作者，保证了内容质量，证明自己的能力后，你将收获一批忠实的粉丝。与团队站在一起后，平台会为你背书，我们会辅助你建立自己的微信群，会在知乎，头条等平台推荐你的优质内容，后续带来的东西很多时候都远超想象，比如半年来NLP专栏作者小Dream哥的微信群早就满了。

(2) 收入提升。我们平台是不接广告的，作者所有收入来自于专栏作者的付费内容，也全部返回给了专栏作者，平台不会有任何抽成，大家各凭本事吃饭。平台会不遗余力地为专栏作者宣传，辅助建立个人收入渠道。包括但不限于个人知识星球等付费社区建立，推荐到其他平台当讲师，个人付费课程推广，以及今年会重点做的微信付费专栏等等。

比如半年来NLP专栏小Dream哥的知识星球已经超过200人，独立开设了NLP培养计划，若干专栏作者已经被推荐到其他平台当讲师以及创作课程。

(3) 稀缺资源获取。在平台的支持下，你将会优先获得一些稀缺的资源，比如书籍创作，付费外包项目等。目前专栏作者们已经多次获取相关资源，具体细节不便透露。

最后想跟大家说一句，平台是有三创建的，付出了很多得到了大家的认可，但我并不希望它成为一个仅仅复制转载内容并通过广告将收入全部囊入有三腰包的平台，而是希望“平台的内容取之于谁，就让谁受益，付出该付出的，得到该得到的”，有三唯一要做的，就是让这个过程更加公平，让好的内容不被埋没，让原创得到尊重。

详情添加微信Longlongtogo即可。

转载文章请后台联系

侵权必究

• 【杂谈】学习AI技术总有那么多问题，有三24小时给你答疑它不香吗？

• 【杂谈】为了让大家学好深度学习模型设计和优化，有三AI都做了什么

• 【年终总结】2019年有三AI做了什么，2020年我们要做什么？

• 【年终总结】有三AI至今在人脸图像算法领域都分享了哪些内容？

• 【年终总结】2019年有三AI知识星球做了什么，明年又会做什么

• 【年终总结】2019年有三AI NLP做了什么，明年要做什么？

• 【杂谈】2020年有三AI计算机视觉培养计划详解，该不该学&怎么学CV的简单讨论

• 【NLP】有三AI的NLP培养计划终于来了，如何在专家一对一指导下系统性学习自然语言处理

• 【每周论文推荐】 初入深度学习CV领域必读的几篇文章

• 【每周CV论文推荐】 掌握残差网络必读的10多篇文章

• 【每周CV论文推荐】 初学者必须精读的5篇深度学习优化相关文章

• 【每周CV论文推荐】 CV领域中数据增强相关的论文推荐

• 【每周CV论文推荐】 初学高效率CNN模型设计应该读的文章

• 【每周CV论文推荐】 初学目标检测必须要读的文章

• 【每周CV论文推荐】 初学深度学习图像分割必须要读的文章

• 【每周CV论文推荐】 初学GAN必须要读的文章

• 【每周CV论文推荐】 深度学习人脸检测入门必读文章

• 【每周CV论文推荐】 初学深度学习人脸关键点检测必读文章

• 【每周CV论文推荐】 初学深度学习人脸识别和验证必读文章

• 【每周CV论文推荐】 初学深度学习人脸属性分析必读的文章

• 【每周CV论文推荐】 初学活体检测与伪造人脸检测必读的文章

• 【每周CV论文推荐】 初学深度学习单张图像三维人脸重建需要读的文章

• 【每周CV论文推荐】 人脸识别剩下的难题：从遮挡，年龄，姿态，妆造到亲属关系，人脸攻击

• 【每周NLP论文推荐】从预训练模型掌握NLP的基本发展脉络

• 【每周NLP论文推荐】 NLP中命名实体识别从机器学习到深度学习的代表性研究

• 【每周NLP论文推荐】 介绍语义匹配中的经典文章

• 【每周NLP论文推荐】 开发聊天机器人必读的重要论文

• 【每周NLP论文推荐】 掌握实体关系抽取必读的文章

• 【每周NLP论文推荐】 生成式聊天机器人论文介绍

• 【每周NLP论文推荐】 对话管理中的标志性论文介绍