怎么样才能干掉将来会抢你工作的各种机器人呢?

学习啊!

学习是人类具有的一种重要智能行为,但究竟什么是学习,长期以来却众说纷纭。

社会学家、逻辑学家和心理学家都各有其不同的看法。在这些讨论当中,关于智能的定义其实才是最重要的。无论评价的对象是人或者机器,“能在经验中改善(improve their performance with experience)”都是智能的重要体现。

收集资料的初衷是用,也就是消化它们,利用它们完善自己的行为和思考。人在教导机器学习的过程中,也可以更好的理解智能。这一消化过程,也就是学习过程大致可以从人工智能的领域分为以下六个大类:

学习的分类

1)机械学习 (Rote learning)

即机器就可以替代我们的信息重复功能,这同时也是应试教育饱受诟病的一点。机械指学习者无需任何推理或其它的知识转换,这类学习系统主要考虑的是如何索引存贮的知识并加以利用,对输入信息不作任何的推理。

也就是说这一类资料要是躺在硬盘里,你需要的就是清晰的文件夹名;躺在印象笔记里,你需要的就是合适的标签分类;倘若是实体资料,那就需要清晰分类的文件夹。当然,能记在脑子里最好,那就得付诸各种记忆技巧。总而言之,能达到随取随用即可。达不到这一标准的资料,建议删除。



2)示教学习 (Learning from instruction或Learning by being told)

这种学习是学校教学的主要方式,也就是说,通过学习建立一个系统,这个系统能接受教导和建议,并有效地存贮和应用学到的知识。听起来和“本体论”问题有雷同之处呢。

实际上,哲学中的“本体论”(Ontology)这一词就有概念分类的意思。它意味着研究事物的本质,也意味着寻求事物彼此间的联系以确定彼此的边界。边界的确定要怎么实现呢?这就是试错,不断的试错。考试中不断出现的选择、判断、改错无疑是有其依据的。

掌握这一类知识的过程有两个方向,由小到大和由大到小。

由小到大就是把具体问题放到系统性知识里思考的能力,现实生活中的例子就是解决和回答问题(ex:知乎上答题)。

人们常常在看到一个好答案的时候有醍醐灌顶的感觉,但要自己写一个像样的答案却无从下手或者只能讲段子调侃问题,这就是缺乏体系化思考的能力,也是在互联网上碎片化学习的常见后果,所谓“知道很多大道理却过不好人生”。

实际上,一个能让读者由小见大的优秀答主一定同时具有由大到小的能力,他们理解的是学习的过程,而非一个单纯的结论。如果智力体验和情感体验有雷同之处的话,他们就是会讲学习故事的人

诺贝尔物理学奖得主号称终极快速学习法的的“费曼技巧”其实无他,就是通过教别人来确定自己掌握了这个知识。这样,在教授的过程中,就可以同时查漏补缺,摸清主干。如果真的是有用的知识,学习和使用这两个过程不会彼此矛盾的。知乎上也有人用信息流和知识结点来描述这一现象,总之,知识又不是钱,增加流通和结点一定是有利无害的!

应该是知乎上哪里看到的吧……忘记出处了!知道请联系!



虽然并不存在绝对的文理思维决裂问题,但接下来的三种分类会偏理科思维一点,但它们也不乏共通之处。我们先从生硬的基本概念开始看看。

3)演绎学习 (Learning by deduction)

演绎学习这种学习方法适合用于有普遍接受的结论的学科——没错,主要就是指数学等理科!它指从公理出发,经过逻辑变换推导出结论,在推理过程中可以获取有用的知识。

4)类比学习 (Learning by analogy)

利用二个不同领域(源域、目标域)中的知识相似性,通过类比从源域推导出目标域的相应知识,从而实现学习。

5)基于解释的学习 (Explanation-based learning, EBL)

学生根据教师提供的目标概念/该概念的例子/领域理论及可操作准则,首先构造一个解释来说明为什该例子满足目标概念,然后将解释推广为目标概念的一个满足可操作准则的充分条件。工程学常用。

它们三者的主要的差别还是在于结构。演绎学习侧重的是上位概念和下位概念的关系;类比学习侧重于适用范围的扩大;解释学习则是抽象知识与具体知识的转换。

类比学习需要比上述三种学习方式更多的积累,它的本质是在各种不同类型的知识之间建立联系。实际上,常见的类比学习就是写作了,写作就是一片脑洞的海洋。



最后还有无论有无确定结论或文理知识分野都适用的归纳原则。

6)归纳学习 (Learning from induction)

逻辑学里,一般认为的归纳这种推理方法具有保真性。它是指由某概念的一些实例或反例,让学生通过归纳推理得出该概念的一般描述。这种学习的推理工作量远多于示教学习和演绎学习,因为环境并不提供一般性概念描述(如公理)。从某种程度上说,归纳学习的推理量也比类比学习大,因为没有一个类似的概念可以作为"源概念"加以取用。

以前看到一篇讲物理学发展的文章,说上世纪五十年代很多知名的大科学家都有和如今相比,更扎实的基本功。而他们的基本功和大学时某教授出的偏题怪题息息相关——试证明各个牛顿力学定律的正确性。

与单纯重复定理不同,教授希望他们能跳出安全圈,自己做归纳学习。这也因此造就了一批物理科学家的出色基本功。“源概念”被推翻,推理工作量太大。

不管我们愿不愿意承认,归纳学习是最基本的,发展也较为成熟的学习方法。

如果我们嘴里每天说的的“具体”“普遍”是足够确定的概念,那归纳演绎的界限也不会如此模糊。比如,“一个正常人”仿佛是我们每天都在说的具体概念,但谁才是一个真正的正常人呢?这时候它又成了一个抽象的概念。

所以这里的大前提是对那些大部分人感觉到可以被归纳的知识,归纳学习是最基本的。至于其他形而上的问题,卡尔波普尔以前讨论过,还提出了关于到底什么才是真正的科学的证伪原则,引起一场大争论。

大家都在问,如果学习知识意味着不停的推翻以前的范畴,到底什么才是确凿的知识?

知乎有个大神如此总结道,

简单地说,归纳推理要解决的是我们怎么从有限的经验去得出普遍有效的科学理论;证伪原则要说明的是,一个科学理论不能用来证实,只能拿来证伪,是判断科学理论的判据之一(不是充分条件)
就好像,一个方法是用来让你拿到苹果,另一个方法是用来让你检验那个是不是苹果。是不是苹果不能说明拿到苹果的方式对不对,而拿没拿到苹果同样和你证明苹果的真伪方法没有关系。

资料管理

总之,学习是个过程,收集是种方法,终究还是因人而异。但无论是何种类型的学习和知识提取都包括的,是收集—完善—整理—归档这个行为链。其中的关键,还是去除无用的东西。正所谓“学习的品味”。

但是如果你好奇心强,又有极佳数据收集能力,那资料库分分钟会脱控。

说到这里,我要提供一个很简单的方法来辨别什么是对你真正有用的资料,

这就是假装删除法。它能够有效减少数据囤积 50%以上。

内容也很简单,就是,

假设你所有的东西都没有了。这样努力维持一到两周。

然后想不通的删不掉的就都想通了。

通过真删,亲测有效。

误删一次,三年的全部没有了!!!如今已经懦弱到没法承受再一次失去的痛苦!!那后来我连浏览器书签都没再用过了!!!

(PS: 感叹号是最不该使用的符号,它唯一能证明的就是写作者的感情强度。)

然而我当时就!是!这!么!痛!苦!现在都好了!!

所以如果你有太多消化不了的资料,删吧!!各位!!


展开全文
推荐