做事情的完成度

我第一次印象比较深刻的算法，是通过迭代求平方根（牛顿法）的方法。

大概思路是，首先给出一个猜测值，然后将这个猜测值与真实值的差值带入到一个公式中，获得一个比刚才那个结果更接近结果的值。

如此往复循环，可以逐渐逼近真实结果。

这个算法的精妙之处在于，每次重复都在做同样的事情，但是每次的结果都比上次一次离完美更近一步。

后来接触到的人工智能机器学习算法也基于同样的思路，但是就没有第一次见到牛顿法的震撼了。

这个算法的执行，在计算机世界里，也有一个关键点，那就是必须设定一个合理的退出条件，否则它可以永远执行下去（假设计算机精度足够）。

但考虑到对结果精度的需求与所消耗资源的平衡，一般会设定将计算精度精确到小数点后若干位即停止，以降低迭代的次数，因为越到后面每次迭代的进步都越小（性价比越低）。

我发现世间的事真的很有相似性，大部分事情都是刚开始所见成效明显，然后随着越来越接近完成，所需要处理的细节就越来越多，进展也越来越慢，仿佛永远也无法完成。

虽然一分价钱一分货，但是越往后面加钱的效果越差，也就说这个世界不是线性的。

我对此深有体会，因为浮躁的性格会导致我喜欢在 20% 的时间里就实现了 80% 的进度，然后就停留在此，转投入到另外一件事情中了。

这导致我做事情完成度一直不高，也几乎没有体会过“真正完成”一件作品的深度喜悦。

据我了解，伟大的艺术家，在看待自己的作品时，会总觉得还有很多需要修改的地方，并且忍不住会动手去修改它。

如果不是条件不允许的话，他们可能会一直去完善细节，就像一个不知疲倦的深度学习算法。

我都能想象出他们的作品完成度在坐标轴上所呈现的函数图像（假设横轴为时间，纵轴为完成度），一个标准的对数函数曲线，刚开始陡峭，最后趋于平直。

我在今年年初的一个晚上，才想到了应该提升自己做事完成度的问题。

也就是说，同样的算法，希望自己能够多迭代几次，将退出条件精度设置的比之前再高一些，不要再虎头蛇尾，忍住枯燥给自己的作品去补充细节。

也许这样做会使得我的耐心得到磨练，并且在某些任务中收获意想不到的体验。