第13章 如果你一辈子只能喝一口鸡汤
最新网址:m.xqishuta.net
第13章 如果你一辈子只能喝一口鸡汤 (第2/3页)确实,作为才双修心理学一个学期的新人,有这种见解已经很牛逼了。
然后顾玩话锋一转:“不过,以往我们都认为,心流是一种可遇而不可求的状态,但很快,随着对机器学习的剖析,我们会发现,进入心流或者说最高效学习状态,是有科学的最优解的。
这个最优解,就需要我们把一张卷子、一次学习、一个机器大数据训练集的对错比例、难易比例,调到一个最优化的玄妙数值上。只有量身定做了这个数值,无论人还是机器,都能达到最完美的学习效率。哪怕一个学渣,都能在学习中感受物我两忘开天眼的高效。”
“具体要怎么做到??”麻依依已经忘了自己是在聊学术问题了。
……
对啊,具体要怎么做到?
在地球上,2018年的时候,亚利桑那大学和布朗大学的两位人工智能算法专家,就给出了最优解。
他们的结论是,让一个机器学习的训练集中,对错比例控制在%时,可以达到机器学习算法效率最高、进步最快的状态。
比如让计算机用人工智能图像识别,来鉴别一万张类似猫的图片,来学习“怎样判断图里面的东西是不是一只猫”。
这时候,你要拿8413张真的是猫的图片,和1587张似猫非猫的图片,去给人工智能喂数据,那么机器学完这10000万图片、得到对错评分后,得到的提高是最多的。
这个是自然数学法则的最优解了,换句话说,你拿8414张真猫图和1586张似猫非猫图去喂,机器吃完这1万个大数据之后,进步量也会比岗前前一组略低。
这个数据具体怎么来的呢?是人类算法学家,从2010年,谷歌开始操练深度学习以来,不断反复试验,全人类算法专家共同实验了八年,摸出来的。
更奇妙的是,地球人后来做了更多深入实验,发现这个学习效率机制,真的不仅适用于机器学习,也适用于人类大脑。
在“试错型学习”,或者说早期认知方面,人脑和模拟人脑宏观运作规律表现的深度学习,是一致的。
地球人当时设计的人体实验,主要是拿婴儿做实验,因为可以尽量减少干扰项。选取原本认知发育水平差不多的婴儿,让他们认图片训练,就跟现在一两岁的小孩,看画本教他们什么是猫、什么是狗。这个训练跟深度学习的机器视觉训练,是很相似的。
然后放大样本容量,给每个婴儿的画片对错比例不同。结果最终果然是错误率接近%的婴儿,认知新事物进步速度最快。成年人的话,实验暂时还没法设计,因为干扰项太多。
这就最终引申出一个惊人的结论:怎么样的学习,才是最高效?最容易进入心流的?
结论就是:对于活人而言,也是一个知识点里,有15%点几的内容,是你不懂的,还有85%的基础知识,是你懂的。
这时候,你的好奇心会被调动到最高,你对完全未知的恐惧心和排斥感也会压低到一个恰到好处的水平。
那么多学渣为什么学渣?为什么学习效率低?还不是因为他的成绩,并没有刚好契合老师教育难度的“懂与不懂对错比例”?
为什么有那么多段子,说数学差生当年只是数学课上捡了一下笔,再次抬起头已经不懂老师在讲什么了?
这段子虽然是段子,但理科学渣很多都是一点一滴从学习区脱节到恐慌区,最后放弃治疗的。
这时候如果有个家教,知道你跌入恐慌区了,肯了解你,摸清你的水平,给你一个你最舒服的学习区对错比例节奏、略微调低难度,说不定这些人的一辈子是可以拯救的。
(本章未完,请点击下一页继续阅读)
最新网址:m.xqishuta.net