图解抄录笔记【图灵的猫】，目的是过程加深理解及思考。

01 | 如何让自己像王者荣耀一样发了疯的学习

玩王者荣耀是为了什么？

除去客观因素消磨时间，玩王者荣耀是为了拿五杀、推掉水晶，还是陪同伴一起玩耍，享受在游戏中畅快地倾泻技能。

这些都不是本质原因，单纯的获胜和五杀，并不能促使打开下一局游戏。

本质上，我们对游戏的快感，是大脑对游戏反馈机制的一种奖励。

它由我们多巴胺决定，但多巴胺不等同于快感，它是对快感的预期或追求。

当你获胜或者拿到击杀，肾上腺、催产素分泌增多，会感到愉悦、兴奋。但对大脑情绪来说，这些只是短暂的情绪快感，多巴胺构建的信号思维机制，才是决定你会不会接着玩下去，接下来打开游戏的关键。

换句话说，多巴胺赋予你沉迷游戏的欲望。

在多巴胺的信号机制中，它不会赋予你快感，而是赋予大脑接下来的思路。

正由于多巴胺是直接作用于大脑的奖励回路，于是一次又一次的打开王者荣耀，周而复始，这就是我们玩王者荣耀的根本原因。

反馈回路

大脑构造的反馈回路，是我们沉迷游戏的底层根本原因。我们来理解反馈回路的底层原理。

假设你是个刚玩MOBA类游戏的玩家。

一开始只知道推掉敌方水晶，于是孤身进入防御塔范围，被击杀，感到失望。

于是，泉水复活，孤身进入泉水的概率降低，并选择跟随兵线一起进入（动作）概率增加。并推掉敌方防御塔，推掉水晶，获得胜利，得到了反馈：满足。

根据反馈结果，大脑判断第二种路径更好。因此下次循环，你选择跟随兵线的概率会继续增加。

最终，强化这条反馈回路的效果。

反馈回路并不复杂，它只是一种信号、动作、反馈机制。

由五个组成部分

• 环境：你的交互环境，比如游戏

• 状态：你所处的状态，比如击杀、被击杀或获胜

• 动作：打开游戏、操作角色或关掉游戏

• 更新：提高或降低你做出某个动作的概率，可以理解为大脑信号的强弱

• 奖励：获胜的愉悦，也即快感预期。

当进入游戏（环境），每步动作，会影响到接下来或更远的状态（失望、满足），反馈可以为正也可以为负。

反馈回路的构造方法之一：加强对目标的预期反馈，反馈强化。

反馈强化

游戏带给玩家的反馈是否足够、是否迅速，是决定一个游戏是否有趣的基础。

游戏厂商所做事情，就是加强、加快反馈回路机制。

比如

提高动作的收益：推掉水晶 胜利不仅升段位、还升积分。

增加不确定性：让玩家耗费更多次的尝试来确定反馈回路。比如游戏随机皮肤。

常见游戏系统有以下三种反馈强化模式

• 固定比率强化：每打赢十场，必定升段位

• 固定时距强化：每3小时可以抽一次宝箱

• 不固定比率强化：阴阳师抽SSR卡

这三种方法，将强化学习中的不确定性奖励，固化为确定性收益：留存率、在线人数、净收入。

强化学习

反馈回路和反馈强化就是构成人工智能理论中，强化学习的基础机制。

强化（Reinforcement)是指在不断尝试中，个体所学习到的反馈回路，不断更新，并最终优化到可能目标的过程。它和监督式机器学习一样是构成人工智能的基石。

从生物学角度来讲，强化学习更符合人类的进化方式，不符合正反馈的种族，就注定被环境所更新、淘汰。

人类之所以为人类，是因为除了总结旧有知识并发现规律外，还会不断尝试和探索。

现如今，最强大的AI系统就是谷歌的ALPHAGO，它拥有人类望尘莫及的学习能力，每日与自己对弈10万局，根据对弈结果，强化棋盘落子的反馈回路。

如果说监督式机器学习是一种方法抽取，那强化学习则是方法探索，在某种意义上，强化学习更接近想象中的人工智能。

了解强化学习的机制，我们就能发现“学习”这个动作的本质。

学习，究竟是为了什么？

不打游戏，是为了更好的学习，更好的学习，是为了更好的生活。那，什么是更好的生活？

可以痛快地玩游戏，算不算更好的生活呢？我们从小被教导要好好学习，却从来没思考过为什么要好好学习。如果连成因、机制都不了解，看再多的思维教学、学习导论，也没有办法让自己高效地执行学习这件事。

我们真的厌恶学习吗？

其实，站在人工智能角度来讲，学习和打王者荣耀没有本质区别。

学习是枯燥的过程，要背单词、写题、考试，多次练习，玩游戏也是，要记忆每个英雄的技能、走位技巧、出装顺序，也要通过多次对局来练习。

在强化学习系统中，它们都是一件东西，即：动作。

动作无所谓枯燥和有趣，关键在于所处的状态和预期的奖励。

人类厌恶枯燥的东西，所以当游戏有趣，学习变得索然无味时，我们就会讨厌学习。

但是有的人却能坚持学习并乐在其中，为什么？

答案是反馈机制。

当学习的动作带给人的收益为正时，就会获得我们所说的快感预期，也即前文所提到的多巴胺。

如果只靠意志力去学习，就像不断绷紧一根弦，强行违背生理的感觉，到最后早晚会断掉。我们绝大多数人，没有移山填海的毅力，因此这样的学习方法是不科学的。

大脑发出指令的动机，其实和海洋馆的海豹一样，顶一次球、给一条鱼，只有不断受到正向反馈，才会自然而然地保持前进的动力。

搞清楚这一点，就可以思考：如何让自己像王者荣耀一样的沉迷学习。

我们该怎么做？

学霸和学渣的区别就在于对快感的预期不同，预期不同形成的反馈也不同。

学霸：看作一个高效的学习系统，具备完整的反馈回路以及有效的反馈强化。

成为学霸，以下三点是基础：

1、缩短反馈周期

反馈周期长→半衰期长

• 反馈周期长，是大部分人无法坚持的原因。举个例子，有的人高中成绩很好，大学变差。

• 高中学习一周，就有个考试测试，获得好的名次，有家长老师表扬，这个反馈能持续几天，没等消退，下一个考试又来。而大学，学习一学期，只为了GPA积分，获得好的积分，外界也没有反馈，因此，大多数人坚持不来。

• 取而代之，相当一大部分人，在大学考试前一周突击学习，就可以获得较好奖励，比如及格。

所以，想办法减少你的反馈周期。比如将大目标分解成小目标，会更容易塑造一个连续的回路。

2、增加反馈强化

之前提到的游戏三种反馈强化，换成学习的三种反馈强化。

• 固定比率强化——比如进步累积进步10名，就请自己吃一次烧烤

• 固定时距强化——再看三小时数就去打王者荣耀

• 不固定比率强化——隔壁班的小爱刮目相看的SSR

  

  对应的就是，增加学习留存率，延长学习时间，增加学习收益。

个人图解视频：
     #固定比率强化——增加自己留存的思维论笔记
     #固定时距强化——一篇图解完成后，就可以玩王者荣耀
     #不固定比率强化——完成的图解进行分享，能让更多人看到，并点击收藏的收益。

3、调整反馈难度

斯坦福大学发表了一篇论文，大意是玩家在高难度获胜的那一刻，大脑多巴胺回路会异常激活，也就是说适当的高难度游戏，能最大化的激活反馈回路。

这也是各大竞技类游戏排位赛机制的由来。通过匹配不同难度的对手，既不会让你一直输下去，也不会让你永远赢。而是塑造一种升段掉段的奖励机制，让你的反馈回路一直处于半激活状态。

在学习中，如何设置学习难度，需要根据个人情况制定。

下一次考试提高1分和获取班级第一，就是两种难度。既不要太简单，也不要太难。

一旦大脑形成正反馈回路，尝过一次甜头，食髓知味，那么你的动力将会更加充足。久而久之，甚至会享受学习这件事情本身，像打王者荣耀一样，石乐志一般地学习。

这就是学霸诞生规则。