大家好,我是为人造的智能操碎了心的智能禅师。 虽然禅师身在边疆,但是心系人工智能头条的粉丝们。 之前我们的特约作者李烨跟大家分享了《她在机器学习踩过的坑,现在告诉你怎么跳过去》。 有同学看了以后,发出了直击灵魂的拷问:为什么别人学机器学习就那么快,为什么我就老是学不会? 于是李烨再次分享了她和这位同学的问答互动。这位同学问的问题,相信很多读者也会有同样的疑惑。 非常难得的机会,大家好好把握。趁别人出去玩,闷声进步。 全文大约1500字。读完可能需要好几首下面这首歌的时间。今天条子罢工了,没做排版。有想 battle 条子的同学,请联系禅师。 ??
这其实是一个非常常见的问题,可以说这是一个每个人都会遇到的问题。往大了说这是教育学的终极问题:“老师如何教导 & 学生如何学习”的问题。 现实中,如果一件事真的能够一听就会,说明你早就经历过、体会过,而且自己总结过。别人的讲述、指导,是对你旧有认识的更深刻和更精辟的提炼。
确实存在“一点就透”的人。不过要注意,极少有人是在任何领域都一点就透的,一般也就是在这个人特别擅长的某个特定领域如此而已。 其实,“一点就透”的人的长处在于善于观察,善于推演,也就是常说的举一反三。这使得他们在看似和别人相同的经历中,能够获得许多他人因无视而放弃了的学习资料。
学习能力当然是可以提升的,方法也是现成的:刻意训练! 《荀子·儒效篇》中讲“不闻不若闻之,闻之不若见之;见之不若知之,知之不若行之;学至于行而止矣”。 后来有人把这句话翻译成了英语:'Tell me and I forget. Show me and I remember. Involve me and I understand.' 想来这也是所有上过学的人的共同经验:在课堂上听讲,当时觉得懂了,过后就忘了;老师把操作过程演示一遍,能记住一个前后始终了,但是自己还是不会做;自己动手去练习,去实践,才能真正掌握。 无论是小学学的拼音、汉字、加减乘除,还是中学学的物理现象、化学反应,还是到了实用阶段的编写程序、训练模型……皆莫外于此。
课程(或者书籍、资料等)可以向你展示知识,但是记忆、理解、掌握的过程,课程给不了你。只有自己逼着自己去做动手动脑。否则,知识到不了你的脑子里。 在没有客观压力的情况下,自主的去做“额外(原本不必)”的训练,这就是刻意练习!
这里说的天赋应该主要是指智商和能力倾向吧。那么我们且来看一个比喻:
如果空有算力,既没有数据也没有算法,是训不出模型来的。
如果自己没有经历,就好像根本没有训练样本,就算别人愿意给你打标签(labeling),可是打到什么东西上去呢?
反过来,即使算力一般,但是只要数据算法齐备,花费时间来刻意训练,也可以得出模型。 虽然纯粹的“训练过程”可能比算力高那些位费时,但如果在你开始训练的时候他们还根本没有数据,则很可能你会比他们先得出模型。
你说的“殊途同归”是说达到同样大小的成就?换句话讲,“只要自己主动努力就能赶上先天条件好或者后天资源丰富的人”? 如果那样的话,只能说:不能保证! 天资聪明的人,就是更容易成功。有资源的人也更容易成功。 算力的大小对模型训练肯定有影响。更何况也不能完全把智商等天赋类比成算力,智商高掌握方法(算法)也更快。 如果先天资质优越,同样资源同样努力程度下,一般都会学得更好。而学得好本身还能刺激进一步的motivation,往往是学得越好越爱学,然后就更好——马太效应。 以此类推,虽然任何时代都有自我放弃自我浪费的天才,但就群体而言,天资出众的那一群,获得成就的机率要远大于普通人。这是客观现实。 不仅先天条件会有差别,每个人拥有的后天资源也各不相同。同样的天资,资源不同也会对学习效果产生影响。 我们前面强调刻意练习,其实还有一个和它相对的概念——浸入式自然习得。两者截然不同。刻意练习比自然习得苦、累,且事倍功半,但所需要的资源远远小于后者。 普通人的客观环境里,绝大多数技能的习得条件,仅能够满足刻意训练所需。而那些拥有资源(最直接的资源就是权利和财富)的人,却可以调动大量资源来堆积学习环境。
这也是客观现实。 修仙还讲财侣法地呢,努力的有效性是有限的。 每个人的起点,自己都改变不了——无论先天的智力、体力,还是后天的家庭氛围、早年教育环境,都是已经既定的。 而努力程度,是唯一可以凭借自身主观意志改变的因素,没得选!
|
|
来自: budaozheli > 《机器学习》