其实观察ai的训练模式能得到很多可以对应到我们自身的启示，其中之一是：为什么不要过度追求完美主义。有一个词「过拟合」（overfitting），是指机器学习模型在训练数据上表现极佳，但在未见过的测试数据或新数据上却表现极差的现象。这就像是一个完美的好学生却无法适应职业化生存，或是我们常常听到的那种伤仲永的故事。一个人在当前的系统中通过极致的自我压榨拿到了 100 分，通常意味着他已经针对这个系统进行了极致的适配。这种适配越完美，他的「形状」就越固定。当社会系统升级或切换时，这种完美的形状反而会让他难以调整，产生巨大的挫败感。所以一种更有效的策略是：目标（如果有的话）可以设定得很遥远，但过程可以「得过且过」一点。不需要时时刻刻Grading yourself，只要通过就行。这一点类似 AI 里的“早停策略”（Early Stopping）：把能量节省下来，去应对下一个未知的系统。用这种策略来应对此时极速变化中的世界，可能才是真正有效的，因为我们每分每秒都在面对新事物的诞生。