监狱开编程课:他出狱后就当上了程序员

加州一些监狱为囚犯提供计算机编程课,帮助他们开始新生活。

监狱开编程课:他出狱后就当上了程序员

Kenyatta Leal

氧分子网讯 Kenyatta Leal拥有一项上百万人愿意付出一切交换的能力:让硅谷高管中的精英们登门造访的能力。

然而,跟大部分应用开发人员不一样,他没有麻省理工学院或者斯坦福大学的学位,他是在圣昆廷监狱学习科技的。

他是世界上第一个监狱孵化基地“最后一英里”(The Last Mile)的第一名毕业生。

Leal在1994年因犯重罪和非法持有枪支而被判无期徒刑。

他被关进了加州最古老的男子监狱。这里曾经关押着查尔斯·曼森以及杀害鲍比·肯尼迪的刺客索罕·索罕。

但在2011年,他得到了一条出路:编程。

这个商业计划向囚犯教授互联网知识。而互联网诞生的时候大部分囚犯已经进了监狱。

这个计划的目的是让每一个人形成一个出狱后可以开始实施的商业构想,因为大部分犯人出狱后都很难找到工作。

Leal在2013年被假释,目前在说服更多投资者支持这种前所未有的罪犯改造方法。

他告诉记者说:“我一直非常幸运。我刚进监狱的时候感到非常迷茫,我不知道我做什么。”

“然后我开始听说了这种叫做互联网的东西。我的家人在探望我的时候会带上手机,我们会谈论关于互联网的事。”

“我会问‘什么是推特?’,‘什么是博客?’,‘什么是谷歌(微博)?’。我想了解更多。”

这个项目由风险投资人Chris Redlitz和他的妻子Beverly Parenti在2011年发起。当时他们被邀请向犯人进行半小时的嘉宾演讲。

但是,他们对犯人提出的问题很感兴趣,他们多呆了好几个小时。在离开的时候,他们发誓还会回来。

监狱开编程课:他出狱后就当上了程序员

加州囚犯出狱后在一年内的重犯率是61%,是美国各州中最高的。每个囚犯每年要消耗4.7万美元成本。

美国人找工作不容易,而雇主们对计算机知识也有了更高的要求。这些从来没有见过电脑的刑满释放人员无缘跟科技相关的工作。

Leal是从200名囚犯中选出的15名参加强化培训的囚犯之一。由来自硅谷的企业家帮助他们制定自己的商业规划。这当然是在圣昆廷监狱内进行的。

说唱歌手MC Hammer也成为了众多导师中的一位。

每一名申请参加这项计划的囚犯必须完成一个申请流程,就像申请工作一样,他们需要阐述他们的历史和志向,完成一道关于他们生活的作文题。

在申请通过之后,他们每星期跟企业家和社区领导举行两次会面和若干反馈课。这些企业家和社区领导被这些囚犯称为“The Shark Tank”。

这些被称之为“雇员”的囚犯使用了旧金山编程学校Hack Reactor研发的特殊编码指令学习编程。

每隔四周,他们还会争取获得“每月明星雇员”的称号。

六个月后,他们向满堂的潜在投资者推荐自己。

Leal开发了一个称为Coach Potato的现场版梦幻橄榄球应用,成为了班里的明星学员。这个应用将在Leal完成第二个商业管理学位之后发布。

Chris Schuhmacher是另外一名明星学员,他正在开发一个健身应用。Schuhmacher在12年前因朋友从他的公寓偷走一箱大麻将其刺死而被判无期徒刑。

跟Leal一样,Schuhmacher在狱中完成了佩丁大学专科课程,毕业时成为班里致告别词的毕业生代表。

另外一名毕业生Horatio Herts正在匹兹堡向州议员提供如何解决肥胖的建议。

他的商业计划被称为健康心脏基金会。

该基金会专注于帮助超重的美国人恢复原来的身材。

还有一名叫James Houston的学员创立了一套向贫困的城市孩子教授科技知识的课程。

Leal说:“监狱里犯人有创业精神,但是用错了地方。如果你在监狱里重新开始,你将能在监狱外重新生活。我曾经感觉我被排斥在一切之外,需要一个方法重新开始。”

监狱纪录片执行制片人Rachel Samuels在评价Leal时说:“我认为这是一个全新的措施。举个例子,Kenyatta是我见过的最励志的人之一。你会想:如果他都能改变他的人生,我们这些人还有什么理由不努力呢?”

分享给您的好友:

您可能还喜欢…

2 Responses

  1. 池建强:⼈⼯智能时代,程序员何去何从?说道:

    QCon 大会的时候,我的一位好朋友也来到了现场。他是阿里老员工,P9,麾下数十号兄弟。他为人极其低调,十年如一日以一辆「马自达二」纵横滨江,无人敢挡,颇有腾讯 Tony 开宝来之风。这次大会他一直泡在人工智能场子里面,就没离开过。我说什么情况,你不是在做天猫的业务么,看这些干嘛?他说,现在做算法和人工智能的家伙太厉害了,再不学习,真不知道我们这些做业务工程的未来能做什么了。

    看着他阴郁的脸色,我心想好险,好在我除了写代码还能写文章 —— 难道以后 AI 也能写文章了?

    去年 AlphaGo 在围棋人机大战中击败李世⽯,「⼈⼯智能」再次成为热词⾛⼊⼤众视线。为什么再次?因为 AI 的历史已经很久了,事实上,各⼤科技巨擎在⼈⼯智能领域的布局早就开始了,比如,Facebook 成⽴了 FAIR 和 AML;Google 前后并购11家 AI 公司,更以4亿美元巨资收购 DeedMind,2017年2月正式推出机器学习框架 TensorFlow 1.0;Microsoft 雇⽤的⼈⼯智能科学家和⼯程师⾼达数百位,囊括⼈⼯智能领域数⼗个分⽀;Amazon、IBM、Uber、Tesla 也各⾃在⼈⼯智能领域有巨大的投入。在国内,腾讯⼴招⼈才构建 DI-X 深度学习平台;阿⾥成⽴了 iDST 部⻔并于年初发布「NASA 」计划,为⼈⼯智能招兵买⻢;百度请来陆奇,将⾃身定义为⼈⼯智能企业。

    人工智能是未来的方向还是另一个泡沫,亦或是遥不可及的「趋势」?不重要,作为程序员来说,我们把人工智能当做一种正在使用的、未来即将大放异彩的技术就行了。

    人工智能分为狭义和广义,狭义人工智能指在一个相对窄的、强逻辑性的领域内完成推理、分析和决策任务,比如下棋,自动驾驶,智能推荐,搜索引擎,图形图像和语音识别等等。这方面的人工智能已经在持续改变我们的生活。广义人工智能呢?我觉得是认知能力和理解能力可以与人类相媲美甚至优于人类的计算机。人们总是在说「机器要像人一样思考才能获得智能」,事实上,如果我们回到图灵在1956年描述人工智能的原点时就能知道,机器最重要的是解决人脑能够解决的问题,而不是采用和人一样的方式。

    今年2⽉份,李开复老师公开预⾔:AI 的⾰命将是⼀场⾮常彻底和⾎腥的⾰命。不能接受 AI+ 概念的公司将被颠覆。前⼏周,亚⻢逊 CEO 杰夫·⻉索斯在年度股东信中说:⼈⼯智能会引⼊很多变⾰,⽽机器学习会帮助那些积极拥抱它们的公司,同时对那些抗拒变⾰的公司构成障碍,并表示亚⻢逊正全⼒拥抱⼈⼯智能。

    每当新趋势来临,网络上总有各种看客和「专家」发出各种声音,比如「人工智能打脸」「⼈⼯智能是否会导致⼈类灭绝」等等。这个场景给我的感觉就像是:⼀座巨⼤的金矿前热热闹闹挤满了⼈,⼈们对着这座宝藏指⼿画脚、窃窃私语。然⽽技术变⾰的真正主⻆,从来都是全副武装的专业⼈员 —— 具备理解、掌握和应⽤机器学习技术能⼒的科学家和工程师们。

    事实上,⽬前大部分国内外知名的互联⽹企业⽆⼀不在建⽴⾃⼰的机器学习团队,以期⽤机器学习技术,提升产品的体验和智能化程度。对于工程师们,我想说一个观点,「机器学习技术可能是大部分技术人员绕不过的一个槛」,即使你自己不去做这样的应用和实践,未来也会使用这样的服务为客户提供更好更智能的产品。

    为什么不向前一步呢?

    经历了移动互联⽹时代变⾰的朋友都或多或少都有体会 —— 2009年左右,移动互联⽹浪潮汹涌而至,那时候,很多在 PC 时代的技术⼈并没有意识到新的技术时代已经来临,很多人保守的选择了固守旧的技术领地,以至于错失了很多创新的机会。

    物竞天择,适者⽣存。与大自然一样,技术世界同样是残酷的,⾰命性的技术总是会周期性地出现,追寻并选择最合适的技术并创造最好的产品,对技术从业者而言,是永恒的主题。

    机器学习很可能是这样⼀个可以引起⾏业洗牌的「⾰命性」技术。它的技术特性能够进⼀步地解放⼈类,⽤更低的成本创造更多的价值。现在机器学习的算法和框架已⾜够成熟,硬件⽀持⾜够强⼤,⼤数据技术也解除了训练数据量不⾜的限制。接下来,它对各个⾏业的改造,将是潜移默化的,所谓随风潜入夜,润物细无声,也许有一天你会惊喜的发现,自己的工作已经被机器取代了呢?:)

    如何进入这个领域呢?坚持学习和实践。目前网络上有大量的学习资料和开源框架,有人还在 GitHub 上直播自己从一个移动开发者转型成为一名机器学习工程师过程(说实话我也想做一个类似的直播),资源从未如此丰富,你需要的就是选好方向,深入学习。除此之外,我们还应该去了解机器学习技术在各个⾏业中是如何应⽤的,相关的技术细节,⼯程上的最佳实践,成熟的产品架构设计,⾏业的上下游等等。工程师们需要去接触这些⾏业的核⼼⼈员,与他们交流、沟通、学习。

    深情按压,小额赞善

    推荐一个大会:2017全球机器学习技术⼤会。

    ⼤会的讲师全部来⾃国内外⼀线⼈⼯智能公司,既包括 Google、 Facebook、 Microsoft 这样的巨型科技公司,也包括别具特⾊的 Skymind、Operator、 Boomtrain 这样的硅⾕创业新秀;还有类似 Uber、 Netflix、 Esty、 Pinterest 这样基于机器学习获得成果的创新企业。当然,国内在 AI 领域投入重兵的阿⾥、腾讯等巨头⾃然也会不缺席。这些都是耕耘在机器学习领域的⼀线⼯程技术专家,在全球机器学习领域相当有代表性。

    本次⼤会有主题演讲、互动研讨、案例分享、⾼端培训多样的形式,站在⼀线技术⼈员的⻆度,分享机器学习技术在各领域的发展和实践应⽤。对正在从事或预备投身机器学习⾏业的朋友来说,含⾦量⾮同⼀般。

    当然,最后能有多少收获,还要看你⾃⼰的「学习」能力了。

  2. 池建强:⼈⼯智能时代,程序员何去何从?说道:

    QCon 大会的时候,我的一位好朋友也来到了现场。他是阿里老员工,P9,麾下数十号兄弟。他为人极其低调,十年如一日以一辆「马自达二」纵横滨江,无人敢挡,颇有腾讯 Tony 开宝来之风。这次大会他一直泡在人工智能场子里面,就没离开过。我说什么情况,你不是在做天猫的业务么,看这些干嘛?他说,现在做算法和人工智能的家伙太厉害了,再不学习,真不知道我们这些做业务工程的未来能做什么了。

    看着他阴郁的脸色,我心想好险,好在我除了写代码还能写文章 —— 难道以后 AI 也能写文章了?

    去年 AlphaGo 在围棋人机大战中击败李世⽯,「⼈⼯智能」再次成为热词⾛⼊⼤众视线。为什么再次?因为 AI 的历史已经很久了,事实上,各⼤科技巨擎在⼈⼯智能领域的布局早就开始了,比如,Facebook 成⽴了 FAIR 和 AML;Google 前后并购11家 AI 公司,更以4亿美元巨资收购 DeedMind,2017年2月正式推出机器学习框架 TensorFlow 1.0;Microsoft 雇⽤的⼈⼯智能科学家和⼯程师⾼达数百位,囊括⼈⼯智能领域数⼗个分⽀;Amazon、IBM、Uber、Tesla 也各⾃在⼈⼯智能领域有巨大的投入。在国内,腾讯⼴招⼈才构建 DI-X 深度学习平台;阿⾥成⽴了 iDST 部⻔并于年初发布「NASA 」计划,为⼈⼯智能招兵买⻢;百度请来陆奇,将⾃身定义为⼈⼯智能企业。

    人工智能是未来的方向还是另一个泡沫,亦或是遥不可及的「趋势」?不重要,作为程序员来说,我们把人工智能当做一种正在使用的、未来即将大放异彩的技术就行了。

    人工智能分为狭义和广义,狭义人工智能指在一个相对窄的、强逻辑性的领域内完成推理、分析和决策任务,比如下棋,自动驾驶,智能推荐,搜索引擎,图形图像和语音识别等等。这方面的人工智能已经在持续改变我们的生活。广义人工智能呢?我觉得是认知能力和理解能力可以与人类相媲美甚至优于人类的计算机。人们总是在说「机器要像人一样思考才能获得智能」,事实上,如果我们回到图灵在1956年描述人工智能的原点时就能知道,机器最重要的是解决人脑能够解决的问题,而不是采用和人一样的方式。

    今年2⽉份,李开复老师公开预⾔:AI 的⾰命将是⼀场⾮常彻底和⾎腥的⾰命。不能接受 AI+ 概念的公司将被颠覆。前⼏周,亚⻢逊 CEO 杰夫·⻉索斯在年度股东信中说:⼈⼯智能会引⼊很多变⾰,⽽机器学习会帮助那些积极拥抱它们的公司,同时对那些抗拒变⾰的公司构成障碍,并表示亚⻢逊正全⼒拥抱⼈⼯智能。

    每当新趋势来临,网络上总有各种看客和「专家」发出各种声音,比如「人工智能打脸」「⼈⼯智能是否会导致⼈类灭绝」等等。这个场景给我的感觉就像是:⼀座巨⼤的金矿前热热闹闹挤满了⼈,⼈们对着这座宝藏指⼿画脚、窃窃私语。然⽽技术变⾰的真正主⻆,从来都是全副武装的专业⼈员 —— 具备理解、掌握和应⽤机器学习技术能⼒的科学家和工程师们。

    事实上,⽬前大部分国内外知名的互联⽹企业⽆⼀不在建⽴⾃⼰的机器学习团队,以期⽤机器学习技术,提升产品的体验和智能化程度。对于工程师们,我想说一个观点,「机器学习技术可能是大部分技术人员绕不过的一个槛」,即使你自己不去做这样的应用和实践,未来也会使用这样的服务为客户提供更好更智能的产品。

    为什么不向前一步呢?

    经历了移动互联⽹时代变⾰的朋友都或多或少都有体会 —— 2009年左右,移动互联⽹浪潮汹涌而至,那时候,很多在 PC 时代的技术⼈并没有意识到新的技术时代已经来临,很多人保守的选择了固守旧的技术领地,以至于错失了很多创新的机会。

    物竞天择,适者⽣存。与大自然一样,技术世界同样是残酷的,⾰命性的技术总是会周期性地出现,追寻并选择最合适的技术并创造最好的产品,对技术从业者而言,是永恒的主题。

    机器学习很可能是这样⼀个可以引起⾏业洗牌的「⾰命性」技术。它的技术特性能够进⼀步地解放⼈类,⽤更低的成本创造更多的价值。现在机器学习的算法和框架已⾜够成熟,硬件⽀持⾜够强⼤,⼤数据技术也解除了训练数据量不⾜的限制。接下来,它对各个⾏业的改造,将是潜移默化的,所谓随风潜入夜,润物细无声,也许有一天你会惊喜的发现,自己的工作已经被机器取代了呢?:)

    如何进入这个领域呢?坚持学习和实践。目前网络上有大量的学习资料和开源框架,有人还在 GitHub 上直播自己从一个移动开发者转型成为一名机器学习工程师过程(说实话我也想做一个类似的直播),资源从未如此丰富,你需要的就是选好方向,深入学习。除此之外,我们还应该去了解机器学习技术在各个⾏业中是如何应⽤的,相关的技术细节,⼯程上的最佳实践,成熟的产品架构设计,⾏业的上下游等等。工程师们需要去接触这些⾏业的核⼼⼈员,与他们交流、沟通、学习。

    深情按压,小额赞善

    推荐一个大会:2017全球机器学习技术⼤会。

    ⼤会的讲师全部来⾃国内外⼀线⼈⼯智能公司,既包括 Google、 Facebook、 Microsoft 这样的巨型科技公司,也包括别具特⾊的 Skymind、Operator、 Boomtrain 这样的硅⾕创业新秀;还有类似 Uber、 Netflix、 Esty、 Pinterest 这样基于机器学习获得成果的创新企业。当然,国内在 AI 领域投入重兵的阿⾥、腾讯等巨头⾃然也会不缺席。这些都是耕耘在机器学习领域的⼀线⼯程技术专家,在全球机器学习领域相当有代表性。

    本次⼤会有主题演讲、互动研讨、案例分享、⾼端培训多样的形式,站在⼀线技术⼈员的⻆度,分享机器学习技术在各领域的发展和实践应⽤。对正在从事或预备投身机器学习⾏业的朋友来说,含⾦量⾮同⼀般。

    当然,最后能有多少收获,还要看你⾃⼰的「学习」能力了。

发表评论

电子邮件地址不会被公开。 必填项已用*标注

您可以使用这些HTML标签和属性: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>