心理学
知识半衰期的减少
你是否曾有过这样的经历：你掌握了一套特定的技术栈，并凭借它得到了软件工程的工作，然后跳槽到另一家公司，采用新的技术栈，又取得了成功。接着，你又转到第三家公司，却发现自己要用到最初的那套技术栈。这时，你可能会突然意识到，你辛苦积累的经验不仅随着时间的推移而萎缩，甚至还有一部分或全部都变得过时了，这使得你很难跟上最新的变化。
我毕业后从电气工程转向软件工程，并开始在一家电子商务初创公司担任初级数据科学家。在那里，我从事的工作包括训练小型机器学习模型、分析表格数据，以及使用 Python 数据栈构建可视化。当新冠疫情来袭时，我跳槽到另一家公司，使用不同的技术栈，并将注意力转向分布式系统和后端工程。
在目前的工作中，我仍然主要做后端工作，只是使用的工具与之前不同。在整个过程中，我有幸在三个不同的国家工作。虽然在职位和技术栈之间跳跃确实拓宽了我的视野，但我一直在努力应对一个观察到的现象：随着我学习新的技能，一些旧的技能会以更快的速度贬值。对于那些你不经常在工作中使用的工具，保持熟练度是非常困难的。
最近，随着大语言模型 (LLM) 的热度，我感觉自己被拉回了最初的数据科学领域。为了重新点燃大脑的这一部分，我开始涉足一些我以前的开源项目，但令我惊讶的是，由于我离开了这个领域很长时间，我发现自己很难重新拾起基础知识和必要的数学知识。虽然我一直与开源数据世界的一部分保持联系，但显然这还不够。除此之外，世界还在不断堆积新的概念和技能，如果我想再次突破面试障碍并在这个领域再次工作，就需要学习这些东西。
事实证明，这种知识衰减现象已经得到了广泛的研究。知识半衰期这个术语是由经济学家Fritz Machlup在1962年创造的，用来表示特定领域中一半的知识或事实被取代或被证明不正确之前所需要的时间。它的命名源于放射性物质的衰变半衰期。这篇发表在《IEEE Spectrum》上的文章深入探讨了这个概念，并反思了它对行业的影响。文章假设，工程知识的半衰期比以往任何时候都缩短得更快，应对这一问题的唯一途径是不断学习，并提高管理信息冲击的能力。
我没有一个具体的解决方案。我写这篇文字是为了引发关于一种我之前一直在努力解决但不知道如何去描述的感受的讨论。到目前为止，参与我感兴趣的开源社区话题、仔细做笔记、追踪我的学习进度、采用枯燥的技术并写一些关于它们的文章，这些都帮助我保持了相关性。然而，这种方法并非万无一失，而且很容易受到40小时工作周后缺乏动力的影响。
本文译自 Redowan's Reflections，由 BALI 编辑发布。