首次提出“刻意练习”这个概念的是佛罗里达州立大学心理学家 K. Anders Ericsson(安德斯·艾利克森)。在这之前马尔科姆·格拉德威尔在《异类》中提出了10000小时定律,要成为某个领域的专家,需要10000小时,但这过程中存在一些缺陷,如果只是简单的重复,哪怕练习了10000小时,也很难成为某个领域的专家。

很多事情的背后都有它的方法论,无论是读书、写作、拍电影、下棋,都有他背后的“套路”。读书我认为是一个输入、内化、输出的过程。输入是你怎么读这本书,是浅读还是精读。通俗易懂叙述类的书籍可以浅读,获取到书中的关键信息即可。经典的书籍需要精读,要理解作者的观点,弄明白作者的论据是什么,最好还能了解作者的背景,以及作者在什么环境下写的这本书。内化这是自己去真正理解书中的内容,想想我在哪些场景能使用到,最好能找到5个使用场景。输出是指,学以致用,运用到实际场景中。也可以通过和他人分享,自我检验,还要经得起提问,有的人不愿意说,写也可以,任正非就喜欢通过写的方式来输出,我现在写的这篇文章也是在输出的产物。写作也是有技巧的,总分、总分总、论点论据等。拍电影主要讲究桥段,很多场景使用的桥段是一样的,如一个怪兽要袭击你,然后一个大的怪兽,把小怪兽赶跑了,你以为得救了,其实更大的危险在等着你。你碰到了一个坏人,他要对你不利,被一个更坏的人赶跑了,你将面临更大的伤害。这两个虽然场景不一样,但是桥段是一样的。下棋的人需要打棋谱,这是它身后的模式,从打棋谱过程中,学习其中的套路。学习不只是学习知识,而更应该学习知识背后的思维模型,也就是机器学习中核心算法的概念。

往往找到事情背后的思维模型和算法,是极其困难的,但这是刻意练习的前提。在机器学习的世界里,一旦确定了算法之后,接下来需要通过大量的数据去训练你的模型,优化参数,提高你的模型准确率,训练次数不能太少,太少容易欠拟合,误差很大。训练太多,容易过拟合,偏差很大。就好比如果你训练地太少,你达不到熟练的程度。训练的太多,会让你产生舒适区,不再思考,潜意识的做出决策。机器学习训练过程有一个参数非常重要,这个参数叫学习率,这是一个0-1之间的数,这个值如果很大,就像上文中的浅读,你会学的很快,但是你会错过很多内容。如果这个值很小,就像精读一样,我会学地很细致,但是我会学地很慢,需要花更多的时间去训练。训练的过程是一个自我修炼的过程,需要不断的自我迭代升级,认知升级,改善你的模型,这样才能让你的训练更加有效。简单的重复,只会让你像陀螺一样在原地打转。

自我迭代,改善模型过程中最重要的是反馈。自己往往是很难发现自己的问题,这时候“教练”的角色就很重要,不是说他的技能比你更强,而是他能以旁观者的身份,去观察你整个训练的过程,发现你训练过程中的不足,并针对这些问题给你提供一些好的建议。“教练”可以是你的父母、朋友、同事、同学,甚至可以是不认识的网友。当然对于“教练”提供的意见,你也要采取批判的态度,如果是对的可以采纳,反之拒绝。

机器学习与刻意练习,都有三个步骤,第一步创建模型,第二步训练模型,第三步优化模型。创建模型是从0-1的过程,是最重要也是最痛苦的,机器学习是提出核心算法,刻意练习是提出思维模型。训练模型,机器学习是用大量的数据去训练模型,调整模型参数。刻意练习是重复练习基本功。优化模型,机器学习是优化超级参数,刻意练习是通过反馈,自我迭代升级。

"

首页时政