NO8《技巧》·中·Why-落日萧峰
《技巧·如何用一年时间获得十年的经验》
【R】P104锻炼你的大脑·机器学习：模型+数据量
机器学习主要有两个东西，一个是模型，另一个是数据量。当你选对了足够的语料、足够的数据量的时候，这个模型会越来越好。
我一直在想我们的大脑一个什么东西。大脑其实是一个反馈的流程，大脑接受了一定的数据、一定的训练，形成了一定的理论，然后不断的去验证这些理论对不对。一个聪明的人大脑结构应该非常地清晰。
为了学英语练听力，我开始听一些Podcast，一开始我发现我听得不太懂，但是由于是自己领域内的东西，后来我都能听得懂；于是我开始听一些经济学的东西，发现一个有十几个字母的词我也能够听懂，我到现在都不知道那些词怎么写，但是我就是能够得懂。
现在我验证了大脑是一个有无穷力量的机器，那我怎么去训练它呢？我觉得听力有一定水平了，那我能不能够说英语呢？于是我就去参加上海老外的聚会，从一句话不会说到能够和老外争论宗教的问题。
我始终觉得我的词汇量是一个问题，那我又开始读英文书，现在我可以看哲学等比较艰涩的书籍了。那后来我发现我要练口语的一种方法，原来一开始我要培养即使看不懂也能读下去的一种感觉，现在我遇到每一个不会的单词都要查，于是我感觉我的口语又在慢慢进步。
【I】重述知识
[What]什么是机器学习？
机器学习是一门人工智能的科学，是研究如何使用机器来模拟人类学习活动的一门学科。本质上机器学习和人类学习非常像。
人类学习与机器学习原理
在讨论机器学习之前，我们来先看看人类是如何学习的。如下图的上半部分所示，人类通过阅读、查阅资料、观察得到信息，这些信息经过人脑学习，最后习得了某种技能。机器学习和人类学习类似，只不过机器学习的输入是数据（Data），输出的结果叫模型（Model）。从数据中学得模型这个过程通过执行某个学习算法（Learning Algorithm）来完成。
- 数据（Data）
- 学习算法（Learning Algorithm）
- 模型（Model）
是机器学习的三个要素。
[图片上传中。。。（1）]
机器学习的原理
先说说人类学习的例子，我们小时候学数学，刚开始用课本上的例题，老师通过演示演绎的方式，让我们知道加减乘除大概是怎么回事，然后给我们一本习题集，不断的去演算，对照标准答案，最终学得四则运算的技能。
刚开始写字的时候也是，叫我们简单的笔画和简单汉字，让我们不断的练习写，知道点横竖撇捺折弯钩，不断的练习，老师修正，最后学会写字的基本功，再碰到不认识的字的时候也知道如何写。
在这个过程中，例题和练习就是训练样本，通过训练样本获得标准答案和符合规范的字的过程，就是“训练”。训练的目的就是找到一个“目标函数”或者书写规则。有训练样本，通过训练找到目标函数和书写规则，这就是机器“学习”的方式，它和人类学习是非常相似的。
机器学习简单示意图
[How]怎么运用机器学习？
机器学习其实是在模拟人类学习的过程，是在不断输入数据过程中迭代学习算法并不断调整数据模型，机器学习的速度之所以快是因为数据量足够，从刚开始单一的学习算法会进化迭代出不断优化到准确的算法，而生成模型；
作者举了自己学习英语的例子，我回想自己学习英语到现在的状态，其实就是数据量不够，训练的不够；我们把优秀人的算法和模型拿过来，但是给大脑输入的数据量不够，训练的样本不足，没有在实践过程中去优化算法，也就没有形成自己的模型。
英语不会说就是说的太少了，英语读不懂就是读的太少了，拆书RIA便签学不会就是拆的太少了，有了拆书的R便签、I便签、A便签的标准还是写不好就是拆的太少了，积累了一定的数据量，结合拆书家的指点反馈，及时调整优化改进，再持续练习，就学会了拆书法，学以致用。
大脑是个反馈流，在过程中的及时反馈会给大脑的神经回路留下痕迹，反馈的越多越及时，大脑留下的回路就越粗，链接越紧密，大周期的重复练习，给大脑足够的数据，不断的及时反馈，给大脑及时优化的算法，最终就能形成自己的模型。
[Why]为什么要用机器学习？
1、机器学习是模拟人类学习活动，但人类没有让自己的大脑这个无穷力量的机器得到足够的数据量，没有给大脑及时有效的反馈信息，自然就算是学到思维模型，缺乏大周期的重复练习和刻意练习，也没有用；
2、机器学习和人类学习本质的区别就在于数据量的多少、学习算法的迭代速度，给自己的启示是逐步增加数据量，尽可能的迭代速度
【A1】内化知识
①成功案例：
回想起当年高中背英语单词的时候，那时候我的词汇量就已经达到六级词汇量，以至于大学都没有怎么背单词，那时背单词就是背的多，用各种方法背，后来就背字典，都是给大脑输入了大量的数据，大脑自动的会进行分类，词根汇总，直到现在很多的词汇我都还能知道什么意思；
自己在大学时是记忆与思维协会的会长，后来开始记忆训练，数字训练和扑克牌训练，通过大量的数据输入，自己就不断的优化了记忆方法和记忆组块，用的编码更简单而翻译出来的信息更多，这就是学习算法的优化迭代；
自己跑步能跑到半马，也都是前期积累了足够多的跑量，不断的让自己的身体适应，是有了大量的跑量输入，身体开始不断调整适应，知道如何跑才能跑的更舒服更持久；
②失败案例：
自己的英语口语一直是我不想提及的，没有认真的学，没有坚持的学，也没有足够多的训练，所以就荒废了，不是自己的智力有问题，而是自己缺乏了大周期的重复的练习和训练；
2014年就开始写微信公众号，其实如果坚持写下来，自己现在也能有很多的粉丝，也还是输入的数据量不够，输入的练习量不够，也没有找到迭代优化的算法，自然也没有提炼出来的结构模型、思维套路
【A2】应用知识
1、对于阅读，自己现在基本平均一天能输入2本左右“每天听本书”的精华信息，自己的很多的观念思路都得益于自己从高中、大学一直到现在的大量输入量，还要持续的做这件事，自己在进行关键字搜索、主题搜索、信息链接的时候，都能让自己快速的和大脑中的网络进行匹配，虽然这个网络之间的连接有些薄弱，网架有些松散，但不重要，这些松散的网架里已经逐步开始内化核心知识网络结构，每天听本书+检视阅读+主题阅读+拆书法RIA，这件事还是会始终贯穿终身学习过程中；
2、对于RIA便签拆书法，自己一定要拆到足够多的数量，先完成这30拆，每天一拆，下次还要训练营还要继续参加；
网友评论