马拉松是一种人生历练。对每一个成功的运动员而言，他们总是善于分解大目标为一个个小目标，循循渐进，寻求反馈，迭代自己。
对于人工智能（机器学习）也是如此，机器学习的反馈闭环必须是业务天然的一个有机部分，用户行为通过产品的端实时反馈到数据智能的云上，这样沉淀下来的数据在帮助机器学习在模型的基础上不断优化模型的精确度，它又把优化结果通过端实时提升用户体验。这才是一个自然的智能商业循环，而数据化本质上将一种现象转化成可量化形式的过程。
我们学习的过程，就是不断知识输入的过程，我们可以通过阅读技术书籍、观看技术视频、参与技术探讨、遇到工作问题等输入知识，然后通过大脑的“知识模型”转化和沉淀到我们的知识仓库中。所谓的“一万小时理论”，其实就是加强这条链路，提高决策的快速提取能力。以技术知识为例，比如我对「微服务」不熟，它可能在我的知识仓库的角落位置，如果我做了笔记，等价于我记录了一个位置和知识的目录清单，提高我找到它的能力。如果我天天思考（学习）它，天天实践（获取）它，那么，我闭着眼睛也可以快速在大脑中做出决策。是吧，道理就是这样通熟易懂。
但是，我们怎么知道自己的决策是对的？再来思考下机器学习，它一开始构建的模型可能精确度很低，不过，有趣的事，它通过大数据的持续输入和自我修正来完善模型。我们自我成长和学习亦是如此。
个人经验和经历会限制自己的思维方式乃至眼界，让我们经常沉浸在自己固有的思维中，形成知识盲区。只有不断与别人交流并且输出自己的想法，我们才能发现自己的不足和打破个人认知局限。而与人分享交流是一种很好制造反馈的方法。