偷代码：让算法跑起来本身一分不给

Lex Fridman 开场就想挑起一点分歧。Charles Isbell 当时是佐治亚理工学院计算学院的院长，Michael Littman 是布朗大学的计算机科学教授，两人做了多年朋友。他们愿意在节目上承认的唯一一场争论，是个老问题：机器学习是不是计算统计学？Littman 说不是。Isbell 同意它不“只是”统计，也不“只是”计算。图景里还有别的东西：规则、符号，以及构建系统的实践。接下来的几分钟，两人都不肯让对方赢得这个定义。

Isbell 的第一位研究导师是 Tom Landauer。年轻的 Isbell 总被告知他的结果没有统计显著性，他非常讨厌这种说法。Landauer 的回答，是他一直记到现在的一句话：统计学是让你不骗自己的办法。两人都接受这一点。诚实不等于一门学科。Littman 指出，即便是普通的统计学家，也会花时间追问一条规则到底有没有抓住什么东西；从狭义上说，统计量就是概括其他数字的一个数，而这门学科把这个想法用到了假设上。Isbell 不为所动：软件工程不是统计学，编程语言也不是统计学。当你真正在做机器学习时担心的事情，与你做统计时担心的事情不同，所以两种实践也不同。

Littman 打了个比方，终于让他们可以停下来：化学就是物理，但你不会因此把化学系改成物理系。抽象层次很重要。统计视角在某些场合确实有用，Isbell 说他想和统计学交朋友，不想把它吞掉。接着他讲了一段会议的“考古”。在 1990 年代末和 2000 年代初，ICML 这个会议——有人开玩笑说这个缩写要读作“I smell”——感觉像是计算机科学家做的机器学习。NIPS 则像是计算机科学家在努力讨好统计学家。两批人有重叠，但他们想取悦的听众并不重叠，这种差别改变了他们选择关心哪些问题。在这个框架里，统计学是手段，目的在别处。

Fridman 问，神经网络如何改变统计切片的大小。人们开始把这种新工作称为软件 2.0：你在超参数空间里做设计，把收集、清洗和组织数据当作一种编程。Isbell 不拒绝这个口号。他补充了一个他认为最容易被忽略的部分：调试意味着什么？从计算物理的视角看机器学习，关心的是方程。从计算的视角看，关心的是你如何编程、开发并让系统跑起来。两种视角都不是价值判断，它们会催生完全不同的问题。

他说，正是这种分裂，让数据科学圈的推特和机器学习圈的推特彼此错过。经济学家和数据科学家抱怨，搞机器学习的人不肯承认这一切都是统计。搞机器学习的人其实根本不在问同一个问题，他们把工作当成编程问题来想。把机器学习当作工程实践，并不等于只调调超参数、整理整理数据，但它指向的方向是一样的：一套不同的焦虑，以及一个不同的“完成”标准。

Isbell 的机器学习作业把工程视角变得具体。第一项作业要求学生实现五种算法：决策树、支持向量机、提升法、神经网络，以及其余的常见几种。他说的“实现”，就是偷代码。让程序跑起来，一分也拿不到。他不希望任何人花一周时间去处理边界情况，比如一个点正好压在另一个点上时怎样归一化距离。把实现拿来，在两个数据集上运行。这两个数据集必须有意思，而他的标准很严格：一个数据集有意思，是指它能揭示出在原则上能表示同样事物的算法之间的差异。两个数据集合在一起有意思，是指它们展示的是不同的差异。然后你要论证它们为什么有意思，并从几个角度分析整个实验。唯一算数的，只有数据和分析。

学生会和他争论。反对意见来自程序员的世界观：要真正理解一个算法，唯一的办法就是把它写出来。Isbell 认为这在一个具体的意义上是错的。对排序来说，数据几乎无关紧要，重要的是算法的结构。对机器学习来说，数据比几乎任何东西都重要。如果你一头扎进边界情况，就会错过数据在告诉你的东西，也会错过一个更基础的失败：你以为自己在问的问题，往往并不是实验真正回答的那个问题。他承认，统计学家通常对形式数学，以及一个数字最终说明了什么，把握得更好；计算机科学家则对过程有另一种把握。两者都重要，但它们不是一回事。

Fridman 把这份作业理解为：通过迫使两个数据集互相矛盾，来培养对数据的直觉。Isbell 说学生最终很喜欢它，只是要过一段时间，他们才会意识到这一点。对他来说，这是关于教学的一课。你不能只是问学生，你做的事情对不对。Littman 曾经跟他讲过关于孩子的一件事，他把它用在了课堂上：你得给他们需要的东西，而不能屈服于他们的意愿。关键在于策展。学生自己不一定知道该往哪里找。你要推着他们穿过学习的空间，让他们保持投入，直到找到自己想要的东西，并拿起能在下一件事上用到的工具。

Fridman 戴上他所谓的“俄罗斯帽”。他是先在数学上一直很差，直到不再差，才爱上数学的。挣扎让他最终看懂时的喜悦更强烈。他对现代那种“教育应该更有趣、更吸引人”的主张持怀疑态度，仿佛困难是个 bug。他说，人生就是苦，学校本来就该难。Littman 喜欢看学生受苦吗？Littman 不接这个说法的圈套。他在无望的受苦和有希望的挣扎之间划了一条线。只要有人还能想象走到终点，痛苦就可以是有成效的。如果你打碎了他们的意志，让他们陷入绝望，大多数人就会放弃。你不会在一件毫无乐趣的事情上花很多时间。这种平衡很微妙：挫折要挫得让人仍然相信，前面有路可走。

Isbell 同意，然后又把词汇进一步划分。挣扎和受苦不是一回事，尽管它们常常混在一起。你可以挣扎而不受苦，也可以受苦而不挣扎。希望是不能丢的东西。Littman 说，布朗大学的本科教育理念和佐治亚理工不同。布朗偏向呵护与赋能。而佐治亚理工的风气，用那里的人引以为豪的抱怨来说，更接近“我们会把你压垮，而你会爱上这种感觉”。Littman 开玩笑说，Isbell 似乎只去名字里带“institute”的地方，Isbell 承认事情确实是这样发展的。人们常把 Georgia Institute of Technology 错叫成 Georgia Tech University，这种误会至今仍让他耿耿于怀。

佐治亚理工以前的毕业要求，把这种风气变得具体。多年来你必须通过防溺水测试：衣着齐整，在一个真正的泳池里踩水，时间长得离谱，比校园传说里的两分钟还要长。Littman 建议用浴缸。Isbell 说那是一个泳池，而且他们在他就要通过之前取消了这项要求，这很幸运，因为他肯定拿不到毕业证。重点在于，你能被逼到多远而不崩溃，而在另一边，你本该变得更强。以前的本科生常说，佐治亚理工是前一晚才把明天造出来的。给他一件不可能完成的事，他会在几天之内做完，因为过去四五年就是这么过来的。Littman 现在已经和他一起做过项目，说 Isbell 确实真的会在前一晚才动手。Isbell 的更正是这段对话里最有分量的一句：等到最后一分钟才开始，没有什么错。关键在于知道，最后一分钟是什么时候。

他们在 AT&T 实验室认识。Littman 当时是杜克大学的教授，想去新泽西，而那个年代那里意味着贝尔实验室或 AT&T 实验室，面试像学术报告一样进行。Isbell 已经在里面工作了。在他看来，无论如何 Littman 都会被录用：大家都在谈他关于填字游戏的工作、一个最佳论文奖，还有一大堆论文。Satinder 说了不少好话，而从 Satinder 嘴里说出来的好话，意思是说得很勉强。Isbell 有别的事要做，回到办公室时发现 Littman 已经坐下了。那张桌子是 L 形的。外面的访客椅总是比 Isbell 的椅子低，所以客人得仰着头看他。Isbell 说这是意外。Littman 说 Isbell 后来告诉他，那是故意的。Isbell 不记得自己说过这话。

Littman 对那天的回忆是，谈话糟糕到他想要中止访问。中午，在求职报告之后，他把东道主拉到一边——Michael Kearns，后来是他的老板，至今仍是朋友——说如果他直接离开，对大家都好。谈话很尴尬；继续面试只会让 Kearns 显得很糟，因为是他邀请了这个人。Isbell 记得那次报告是普通的 Littman，就是他每一周的样子，而且是一场很好的报告。Littman 离开时以为 Isbell 不喜欢他。Isbell 其实挺喜欢他。问题提出来了，问题也都回答了，Isbell 对自己感觉不太好，那只是普通的一天。

Fridman 听到自我批评，引用了 Marvin Minsky 的话：学术研究成功的关键，是讨厌你做的每一件事。Littman 不接受“讨厌”这一套。研究生阶段，你会被反复告知你的工作就是垃圾——这是为播客打磨过的说法；然后你去参加一个会议，发现别人的工作也都是垃圾，于是感觉好了一点。他一直不满意，但他并不讨厌这份工作。能承认你迈出了一个正向的步子——一阶导数为正，如果能做到的话，二阶导数也为正——是让你继续下去的希望的一部分。Isbell 把自己和工作分开。他对自己很严格，但这不等于讨厌他做出的东西。有些作品让他马上兴奋。他喜欢的大部分工作，是事后才喜欢的，隔了几年，他注意到它悄悄塑造了之后的一切。他不靠自我厌恶来激励自己。别人可以，他不行。

他们在 AT&T 没有太多一起做的研究。他们确实拥有一个神奇的地方，但在他们看来，那个地方并不懂得珍惜自己拥有的东西。Isbell 的解释是从结构上说的，与情怀无关。贝尔实验室是政府体系的一部分，因为 AT&T 是政府体系的一部分：一家垄断企业。每个月电话账单上那一小行费用，实际上就是一种为研究征收的税。正是这样，你才得到了晶体管、激光、宇宙微波背景辐射的发现，还有一间满是吸音板的房间：同事只要往左迈两步，就会从听觉里消失，然后把整个系统关掉，直到你能听见自己的心跳。Isbell 说，最后那种效果非常让人不安。

他把贝尔实验室描述成最纯粹意义上的大学，只不过没有学生——或者说，学生只会在夏天来待三四个月，然后离开。教员彼此合作。你可以走出门，就看到 Michael Kearns 在和某人争论证明一件事的正确方式，旁边还有 Dave McAllister、Peter Stone、Satinder，后来还有 Littman。你可以想各种念头，因为只要大约每二十五年就有人发明一个晶体管，它就能养活其他一切。你负担得起冒险。当这个前提不再成立，要让远离实验室的人理解这项工作，就越来越难了。AT&T 那边的中层管理者换得太快，研究人员根本建立不起关系。然后灾难来了，所有人都离开了。

被问到他做过最好的工作是什么，Isbell 的回答——即便他现在是教授——是贝尔实验室。他不指望还能有那样的工作，因为贝尔实验室已经不存在了。微软研究院很棒。谷歌也做出了很好的工作。你想选 IBM 也可以。贝尔实验室曾是美国基础研究的一座高峰，它属于某个特定的时代。

Fridman 在疫情那一年问，身体上的接近和偶然的碰撞，究竟能给你带来什么。Isbell 的回答很直接。研究是一个社会过程。随机的互动即便当时感觉不像社交，也会有所帮助。事情就是这样做成的。实验室里有整面整面的白板墙。人们站起来写东西，别人走过来争论。你得能接受别人对你说的每一个字提出质疑，这一点他有时觉得非常烦人，但大部分时候又觉得很有用。在某种意义上，互动看似毫无意义，它的无意义本身就是重点所在。

Fridman 提到 Josh Tenenbaum，他会把你拉到最近的一块能写字的表面前，取消会议，然后漫无目的地聊上两个小时，直到时间扭曲。每当 Isbell 开始怀疑，自己对贝尔实验室的印象是不是被修饰过，他就会找 Josh 聊一聊。在他看来，有些人身上承载着一个机构最好的东西，而那些大师通常意识不到自己的造诣。Isbell 和 Littman 之间更长久的情谊，并不源于他们没能一起写出的论文，反倒源于他们全都被裁掉之后的日子。公司在他们找工作的过渡期内仍然支付薪水。Littman 去办公室工作。Isbell 则去 Littman 的办公室，好让他别工作。Littman 记得 Isbell 说过，一旦这段关系结束，为一家公司工作就没有意义了。Isbell 的更正简短得多：他以前就有过这种感觉。这从来都跟公司无关，他在意的是那群做着有趣事情的人，而那群人已经不在了。

最后，Michael Kearns 在 Littman 认为时机完美的时候跳槽离开了。他们的老板的老板想救几个人，于是安排了一项“非常有用”的工作：一个自动助理，帮你管理日程，接受语音请求，整合个人信息。Isbell、Littman 和 Peter Stone 是那支精锐小组。时间不够，即使有时间，也救不了他们。他们一直记着的，是后面的部分。那位老板的老板就是 Ron Brachman。裁员之后，他去了 DARPA，启动了一个项目，后来变成了 CALO，而 CALO 催生了 Siri。每当 Littman 为被裁掉一份或许是史上最棒的工作而难过，他就告诉自己，他们某种程度上帮忙催生了 Siri。之后大家各奔东西。Isbell 去了佐治亚理工，那是他一直想去的地方。Littman 发明了一句话：运气偏爱 Charles。Isbell 许下一个愿望，事情就照他希望的方式发生了。

多年以后，佐治亚理工和 Udacity 在做一个在线硕士项目，Isbell 请 Littman 和他一起教机器学习。Littman 觉得这根本不可能行得通。它后来成了他们作为一对公众搭档的原因。Isbell 想在这种新媒介里做一件事，而这件事除了剪辑之外，一个人是做不成的；他也想找个理由和 Littman 一起工作。两人都是内向的人，却仍然从人群中汲取能量。一个人对着屏幕，没有这份工作需要的那么大的激励。Littman 之前录过一门 Udacity 的算法 MOOC：一周时间待在一间昏暗的房间里，对着一块小台子讲。讲到一半，工作人员说有点不对劲，他快要“关机”了。他一直在对空无一人的地方讲笑话。每一段沉默都在消耗表演的力气。一起教课，让他们可以彼此配合。一个人讲课、准备测验、拥有这些材料；另一个人则以学生的身份进来，什么都不知道，就像校园里的学生一样。

“Smooth”和“Curly”这两个外号，来自一堂囚徒困境的课。Isbell 需要为收益矩阵准备两个卡通罪犯：一个是留山羊胡的圆脑袋，一个是卷发。“这是 Smooth 和 Curly，”他说，并坚持让 Smooth 做一个 V 字手势。然后他唱了迈克尔·杰克逊的《Smooth Criminal》。学生们很喜欢。后来他们还拍了一支《Overfitting Thriller》的视频，并开始了一个系列，专门看《西部世界》，看它在计算机科学方面说了什么。Isbell 对这部剧的技术吐槽是，园区的建造者是糟糕的调试员。他们做了个改动，把它放进世界里，然后把灾难当作一种有趣的风险。如果你的流程是这样，那流程本身就是问题所在。应该有一个人，他的全部工作就是四处走走，探头看看，问一问到底会出什么问题。Fridman 想看那种实习生的集数，整集都是一个模型在失败，直到剧集变成了《硅谷》。Littman 说，那个版本是一部恐怖片。

Fridman 提到 Alex Garland 的《机械姬》，以及 Garland 谈到的一个几乎没人注意到的细节：在结尾，机器人转向镜头，短暂地微笑了一下。对 Garland 来说，一般意义上的图灵测试，或者意识测试，就是为了没有人而微笑——与体验建立联系，不为观众表演。Isbell 喜欢这个想法，但立刻提出了一个技术上的异议：朝镜头看就是在为观众微笑，它打破了第四面墙。Littman 说这是媒介的局限。然后 Isbell 说出了他真正想留在记录里的话。几乎所有这类故事，都把 AI 的问题设定为成功加上失控。那并不是最糟糕的部分。最糟糕的部分，是我们现在正在经历的：用数据做出糟糕的决定。那个将要走出去超越我们的智能，并不是恐惧的来源。计算机非常擅长让我们变得更有效率，包括更有效率地做糟糕的事情。他投身这个领域，部分是因为想亲手做出电影里的那种东西。哲学问题很有意思，但恐惧其实就在日常里。

他觉得 HAL 9000 更接近，因为它给人的感觉像个私人助理。真正的麻烦，是过度依赖愚蠢的助理和社交网络，把太多的自己交给需要电力和网络的东西，最后作为一个独立个体变得无能为力。当这个东西开始以一种微妙的方式出错，你就有麻烦了。《2001 太空漫游》把这个放到太空里，是因为你无法走开。Littman 从另一个角度提出反驳：人类本来就已经高度专业化，依赖那些与我们目标并不一致的其他人。我们不知怎么就活下来了。Isbell 不确定添加机器能不能让这一切变得更好，甚至是否有所不同。

Fridman 问我们是不是生活在一个模拟里。Littman 把它当作思想实验来看，不当成科学问题。对计算机科学家来说，更有意思的版本是：要造出一个足够逼真、让人愿意留下来享受的世界，到底有多难。Isbell 不相信我们是被放进模拟里的。他愿意把宇宙本身当作一个模拟，有时他会盯着量子力学去理解计算机眼中的世界，但那对他来说一点也不自然。如果有人想把那些怪异之处称为模拟器里的 bug，他没有意见。问题在于，bug 对于里面的人来说，就是 bug。对他们来说，那只是现实。

Littman 补充说，建造模拟的存在，很可能没有为*他们自己*建造一个逼真的模拟。它只需要对我们逼真。我们可能会造出一个对里面的居民来说没问题、但作为创造者的我们却未必能接受的模拟。电子游戏和虚拟现实已经把人拉进去，让人在短暂的时刻里忘掉另一个世界。Fridman 的问题是，能不能在大脑还在发育的时候就把它拉进去，而且拉得那么早、那么频繁，以至于它不想离开，甚至不会察觉。快进一百年，最让他惊讶的，会是我们已经不再生活在物理世界里。Isbell 告诉他去读 Robert J. Sawyer 的《Wake》，那是与通常的模拟故事不同的一类作品，故事大多发生在多伦多，因为按 Isbell 的说法，Sawyer 是加拿大最顶尖的科幻作家。

他们指出，电子游戏已经比电影还大，经济学家可以在劳动力市场上看到它的影响：某个年龄段的年轻男性中，有偿工作的人比预期少，线索一直指向电子游戏。Isbell 的妙语落在《星际迷航》上。真正的问题从来都出在全息甲板上，曲速引擎和传送倒在其次。你进去了就出不来。他一看明白这点，就想：这就是我们所知的人类的终结。那才是奇点，而不是某种通用人工智能。你可以把时间放慢，让自己永远活下去，也可以把时间加快，让自己看起来像在永远活着，或者选择什么时候死去。我们其他人会变成门廊上的老人，对着虚拟世界里的孩子大喊。他们听不见，因为他们戴着耳机。

Fridman 问他们从教育上学到了什么，尤其是在新冠疫情期间。Isbell 提到了《大西洋月刊》当天发表的一篇文章，作者是他在佐治亚理工的同事 Ian Bogost：美国人愿意为大学体验牺牲任何东西。人们希望校园重新开放。他们花钱买的是在那里待着、离开家、经历一种成人礼、获得一个身份，课程本身倒在其次。新冠把一种分离摆到了每个人的面前：教育与作为一个地方的大学被拆开了。Isbell 认为，我们大多数人其实早就像知道这一点似的行事。很多本科生逃课，照样学到东西，至今仍然把那几年当作体验来怀念。他猜，其中大约 85% 会弹回原样。我们会假装旧的故事才是真的，而忘掉这个教训。留下来的，会是一种更分散的远程提供教育的方式，以及一个新的设计问题：如何把大学生活中的学习部分，搬进接下来出现的任何形式里，让四年、五年或六年后，有人真的学到了一些东西。

他说，西海岸的科技话语很爱拆分：把书从书店里拿走，然后亚马逊就统治了整个宇宙。人们曾预测高等教育也会遭遇同样的颠覆：学生待在一所校园里，却从别的地方选修一门很棒的机器学习课，直到没有人再教那门课。这种事从来没发生过，也不会发生。大学是一个社会环境，佐治亚理工不是布朗，也不是爱荷华州的一所州立大学，或者边界与城市模糊不清的市区校园，这一点确实重要。学生并不能获得完美的主动权，但确实会获得不同的体验。技术在新冠之后会很重要，只是不会以最初搭建平台的人想象的方式重要，而疫情只是加速了一个本来就在到来的转变。

他小心地说明，自己是从一个奇怪的泡沫里说这些的。大多数人不上大学，而上大学的许多人也并不是十八岁。大多数辍学的人，是因为缺钱。他真正担心的，是进一步的分化：一小群人仍然能获得这种体验、人脉和正向的反馈循环，而其他人则在学历门槛不断抬高的情况下——拿着硕士学位去星巴克上班——却得不到学位本该代表的东西。对他来说，准入和使命，是让教职不至于分解成三份毫不相关的工作的办法。教育对他而言比研究更像是一种更高的召唤，因为如果你要做好它，就不能把它当作爱好。很多同事会把这句话倒过来说。Fridman 认为，这种张力正是一种舞蹈，能把他们最好的一面激发出来。

Fridman 不明白，为什么一所在线大学的学位，在酒吧里从来不像佐治亚理工的学位那样被提起。按几项指标衡量，Isbell 的在线硕士学生，比校园硕士生更忠诚。该项目覆盖约 11000 名学生，录取所有教员认为能成功的人——录取率大约 60%——整个学位的费用为 6600 到 7000 美元，而在校园读的话大约是 46000 美元。你可以在全职工作、有家庭和房贷的同时完成它。他从学生那里听到的价值是，这给了他们一个机会，否则他们不觉得自己能拥有这个机会，而他们又不必放弃两年和已经建立起来的生活。他最有力的证据，不是一份调查。大约八十多名，也许一百名毕业生，回来当这门课的助教，报酬基本是最低工资，尽管他们都有全职工作，因为他们想成为那个给了他们机会的东西的一部分。他不知道第三代学生十五年后会不会也这样想。眼下，他们确实如此。

这个项目不会取代大学，他说，因为它处于生态系统的另一个部分。学生已经是成年人了。他们的本科成人礼已经完成；他们的目标自十七岁以来已经改变。社交层面不是从上面设计出来的，团队也没有时间去做。学生们自己做了：第一年就有三十多个 Google Plus 群组，按州、工作和背景划分。项目寄出了 T 恤，人们穿着它们登上山顶。Isbell 喜欢的比喻，是别先浇筑人行道。先种草，看人们在哪里走，然后再铺路。在这个案例里，是学生们自己走出了那条路。在校园里，分享的经历仍然更容易实现。一个人对着电脑屏幕，就困难得多。这并不意味着归属感不可能存在，它只是说明，大学作为成年礼的机器，正在做另一种工作。

在计算学院内部，他有十到十二名讲师，对比大约九十名有终身教职轨道的教员。这些讲师承担了超过 50% 的学分课时——相当于八到九倍的工作量，算上大课则接近九到十倍——他们因此深受爱戴。一项校友调查询问人们，从 1930 年代出生的毕业生，到上周刚刚毕业的人，每人说出一个产生过特别影响的人。供应商做出的词云粗糙到一个人因为拼写不同而出现了九次。Isbell 还是看了。他认得的计算学院的五个名字中，有四个是讲师：两位是较近的计算教学部门主任，另两位来自 1980 年代。其中两人的名字被用来命名教学奖。第五个名字是他自己，他说这并不是重点。四十年过去，人们记得的是谁对他们友善，谁教给了他们东西。使命必须摆在台面上，否则就会被个人喜好主导。

Littman 担心，紧急的线上教学一直是一场挣扎，却缺少那种有希望的回报：人们庆幸它终于结束，却谈不上为自己挺过来而自豪。他所知道的证据真正追踪的是联结，内容倒在其次。感到与授课者有联系的学生，会记得更多，也会更投入。Isbell 自己的调查，用他不能公开的数字，显示了一个尖锐的结果：学生们认为，他们在线上学到的东西，和面对面学到的差不多。他们不满的，是缺少的那种联结。这种联结不一定非得是十二人的研讨课。他那门校园里的机器学习课有 348 人，坐在校园里最大的礼堂；过了第三排，几乎就像在线上一样，他把这一点和 Daphne 联系在一起。人们仍然来了，包括那些已经有了教材的人，因为他们想看看身边的人。一场喜剧在空荡的剧场里就没那么好笑。唱片没有杀死演唱会。便利让蛋糕变大。关键在于让更多的人受教育，同时又要保持自己做得足够好，从而能继续运营下去。这两个目标可以彼此紧张，但并不互相排斥。

Fridman 请他给年轻人一些建议。Isbell 说，如果你在需求层次上处于足够高的位置、有选择的余地，就去找到你热衷的事情，去追求它。有时它会是你的生活，有时因为你得吃饭，它只能排在次要的位置。即便如此，也要留出时间给那些能带来快乐的东西。如果你说自己没有这样的东西，那你就是在骗自己——你只是还没找到，而这需要很长时间，那也没关系。Rodney Dangerfield 很晚才成为喜剧演员。Isbell 多年前曾遭遇一名警察，按他的看法，那之后他本不该还在人世。之后的一切都是锦上添花。允许自己天真到相信事情会好起来，但不要天真到看不见显而易见的东西。Littman 的玩笑是，要明智地选择你的父母，因为很多事情都不在你的控制之内。他学习计算机科学，是因为它有趣，并不是因为他预见到了 2020 年。他的母亲喜欢把远见归功于他。他则把运气记在账上：他热爱的东西，后来恰好有人愿意付钱。

那些对太多事情都充满热情的人会问，要怎么选。Isbell 有一次走下一条走廊，朝一扇办公室的门左转，没有朝一面空白墙右转。他无从知道另一种人生会不会更好。他对一些说不通的旅行和工作说了“是”，包括那个可能让他拿到终身教职的教育工作；也许他如果没有这么做，就会成为马斯克，也许他会过得更糟。押注概率吧。当几种热爱摆在面前，就选那个最跳出来的，追它一段时间。最坏的结果，不过是你向左拐了，最后只是还算快乐。人生够长，偶尔还能穿上皮夹克，拍一支《Thriller》风格的视频。

对于想编程、却不是计算机科学专业的人，他的建议按年龄分。他的女儿 Jenny 上 AP 计算机科学时，想在两周里做一个节奏游戏。他告诉她，从小处开始。学会那些积木。保持耐心。你会做出那个节奏游戏的。他在研究生阶段就有一天意识到，作为计算机科学家，他应该能在一个下午写出吃豆人，于是他真的做了，用 Pascal 在一台老式苹果机上写的，连幽灵都做了。如果吃豆人是第一个目标，结局会很糟。那个下午背后，是多年的一块块积累。第一门语言几乎无关紧要。他说 Lisp 才是唯一真正的语言，这当然是因为它就是；Python 也可以；图形化语言对很小的孩子来说也可以。不行的，是一开始就在一个很大的框架里，用错误的抽象层次起步。选一个有教程和基础设施的，因为工作本身很难。

有一个夏天他教 C 语言入门，他一直在琢磨，要怎么用九十分钟讲完四种循环，然后才意识到其实只有三件事：从变量读取，写入变量，以及条件分支。其他一切都只是语法糖。这并不让它变简单，只是让它变难。他带 Fridman 走了一遍。X 等于 3，Y 等于 4。现在 Y 等于 X，Y 是 3。现在 X 等于 7。Y 是多少？这个问题是课程里最棘手的之一，因为变量指向内存，而有些语言会把这一点隐藏起来，直到语句看起来像数学。在电子表格中长大的人，会按引用或按名字来回答，然后得到不同的数字。他带过一个学期的三分之二时，还有学生没有弄清 Y = X 是什么意思，但这并没有毁掉他们的作业，因为作业从来没有暴露这种误解。多年前，在一篇用 C 写的硕士论文里，他找不到一个乱写内存的 bug，于是在 main 的顶部声明了一个 400K 的数组，让溢出落在那里。他从来没有找到那个 bug，只是绕了过去。别灰心，每个人都会学到这一点。基础很少被讲明白，而这正是把人赶走的原因。最后，Fridman 问他们各自感激对方什么。Isbell 给了一个轻松的答案：友谊。Littman 说，Isbell 看世界的方式与他足够相似，又足够不同，这就像拥有另一种人生——内积不为零，也不为一，大概是 0.7，刚好足够让人学习。Isbell 在他不相信自己的时候相信他。如果 Charles 觉得他还行，也许他没有自己以为的那么糟。运气偏爱 Charles。