没有整块时间常常是拖延项目实践的最大障碍，刚刚吴恩达（Andrew Ng）老师分享了一个自己的在用的干货建议，不是什么学习AI的秘籍，但是吴老师的分享非常实用，可以快速操作
吴老师的核心观点：如果你发现自己只有有限的时间来开发，那就果断地缩减你的项目范围，直到它能完全容纳在你所拥有的这点时间里
AI开发学习困境
吴老师认为，要真正擅长用AI进行创造，无论是调用AI模块构建应用，还是利用AI编程助手高效编码，都离不开两个关键步骤：
-
1. 学习相关技术（例如，通过在线AI课程） -
2. 动手构建和实践
然而，许多开发者（包括他自己）常常陷入一个怪圈：脑子里装着宏伟的构想，反复琢磨数月，却因为感觉没有足够的时间启动而迟迟不动手。
吴老师鼓励大家，如果发现自己处于这种状态，就应该不断地“砍掉”最初的项目范围，直到找到一个可以立刻动手构建的、最小化的组件。哪怕你只有一个小时，也要找到一个能在一小时内完成的、令你兴奋的微小功能点
他特别提到，像Anthropic公司的Claude Code这样的现代AI编程助手，能极大地提升开发效率，让你在短时间内完成的工作量远超想象。先行动起来，项目以后总有机会可以继续扩展
吴老师自己的实例：从“百人观众模拟器”到“单人2D头像”
为了让这个建议更具体，吴恩达分享了自己一个有趣的周末小项目作为例子
宏大构想： 很多人害怕公开演讲，而练习的一大难题是找不到听众。因此，他想开发一个“观众模拟器”，在电脑屏幕上生成数十乃至数百名虚拟观众，让用户可以对着他们练习演讲
现实制约： 一个周六下午，吴恩达在咖啡馆里有几个小时的空闲时间。他并不精通图形编程，而一个带有AI实时反馈的大型观众模拟器显然无法在短时间内完成
范围削减： 他没有放弃，而是对项目进行精简：
-
1. 模拟规模： 从模拟一个大群体，缩减为只模拟一个人（将来可以复制成N个人）。 -
2. AI反馈：省略复杂的AI反应模型，改为由人工操作员手动选择虚拟观众的反应（这类似于“绿野仙踪”原型测试法，即用人工模拟智能系统的后台） -
3. 视觉呈现：放弃复杂的3D图形，用一个简单的2D头像来实现
成果与收获： 在有限的时间里，借助多个编程助手的帮助，他成功构建出了一个基础版本。这个2D头像可以轻微移动和眨眼，虽然离一个成熟的模拟器相去甚远，但吴恩达认为这次实践非常有价值。因为它不仅：
推动了项目进展，让他对不同的设计方案有了初步探索；
提升了个人技能，让他学到了基础的图形学知识；
产出了一个可展示的粗糙原型，可以拿给朋友看，并获得了宝贵的早期用户反馈，这些反馈反过来又塑造了他对这个产品未来方向的看法。
想法落地
吴老师的笔记本里有一个长长的清单，上面列满了各种他想尝试构建的有趣想法。这些想法大多需要远超他日常碎片时间的投入。但通过“削减范围”这一技巧，他总能找到一个切入点并开始行动。
这种做法的好处是多方面的：
-
1. 启动项目： 让一个想法不再仅仅停留在脑海里。 -
2. 评估价值： 最初的进展能帮助他判断这个项目是否值得进一步投入时间。 -
3. 锻炼技能： 尝试各种各样的小项目，能让他练习到更广泛的技能。 -
4. 加速迭代： 最重要的是，它能将想法快速转化为可供体验的东西，从而获得至关重要的用户反馈，让项目更快地向前发展
参考：
https://www.deeplearning.ai/the-batch/issue-308/
（文：AI寒武纪）