元学习-03

这一篇主要是两个部分,分别是境界的划分和学习的悖论。

境界的划分

首先说一下程序员的分级,这个是根据德雷福斯模型来的,具体见下图。

在这里,我们重新对经验进行下定义。经验——通过执行这项技术,最后促成了思维或技能上的改变、提升。

新手-Novice,小白,经验很少或者完全没有经验。

高级新手-Advance Beginner,开始对基本规则有一定的了解。使用基本规则去完成眼前的任务。对底层原理不太感冒,但已经具备独立解决问题的能力。

胜任者-Competent, 能把经验梳理成规则,并把这些规则融合在一起,建立起对这个领域的知识模型。并且在未来的状况中有效的运用。对于未知的问题,也可以摸到头绪,开始独立地解决。这类人通常是团队的主要核心。因为他能准确地评估问题被解决的可能性,并且熟练地运用自己的工具和经验,去用这些细节知识去把问题好好地解决。

精通者-Proficient, 能提炼出指导性的架构和方法,并且能精确地判断目前方案中出现的大部分的可能性,知道什么东西可能会出错,并且预先防范,同时也能设计出风险出现时的解决方法。他可以用全局的视野去设计出很好的解决方案,并且熟练地运用该领域内经典的模式与案例。

专家-Expert, 该领域中知识和信息的创造者,能创造出方法把所在领域往前推进。甚至他们的经验可以多到凭直觉去面对未知的问题, 乃至于跨领域把这些知识融合,创造出更新的火花。

由图中可以看到,高级新手占了一半还多,这也就是说,一般人如果老老实实的学,是能跨过入门级别,达到高级新手的这个级别的。因为整个行业一半以上是高级新手和新手,那么也就是说只要做到胜任者这个级别,一般就能有一个比较体面的收入了。此外如果能以胜任者中级的水平是可以去Top10的互联网公司面试高级新手的职位的,但这不保险,仍然可能遭到来自985和211大学的新手的冲击(大公司会看中这些新手的可培养性)。更进一步,如果能做到胜任者高级或精通者初级,去年get高级新手的职位应该是绰绰有余。

学习的悖论

大师们的学习并不是我们想象的苦巴巴的坚持,而是一种上瘾的状态,一种根本停不下来来的内心感受。而他们达到状态的这个过程与玩游戏上瘾的过程类似,所以称为游戏化。

那什么是游戏呢,所谓的游戏,就是根据人类大脑原理,用来引导建立习惯的一套系统性公式。习惯的形成分为提醒行动,惯性行为,相关奖励三个步骤。

而这也正是上瘾游戏的套路——游戏=习惯+强烈的奖励。

玩家在玩一个游戏的时候,具体会经历四个阶段:

设计者为了不让用户达到Endgame状态,一般会给出随机的奖励。这是因为人一旦没法没法判断奖励什么时候出,出的多大的时候,就会被一点一点儿地勾引,从而继续玩下去。这也就是游戏上瘾的机制。

那如果把这套机制用在学习上呢,也就是如何人工制造“学习上瘾”。

我自己就是个健身族,去年健身了一年,今年换工作之后加班比较多,就不能做到天天健身。但这不妨碍我有空的时候练习邱波的Tabata训练集,还有腹肌轰炸训练。我的妈妈有一次看到我大汗淋漓而且非常痛苦地在做腹肌训练,就问我这样不累么,我说,这哪儿累啊,这压根就是根本停不下来啊。尤其是第一次看见自己的啤酒肚消掉,第一次看见腹肌有些成型的时候,那种成就感,不光感觉之前的努力值得,还感觉要继续下去,因为我实现了自我价值啊。

对的,实现自我价值才是人工制造上瘾的核心。

健身组会迷恋自己的身材,沉迷学习的coder会享受自己超帅的大脑。健身每次照镜子就能得到反馈,那coder该如何享受自己的大脑呢,可以写博客注点击量。也可以自己做demo,放到github上关注点击量,甚至可以自己搭建网页直接挂在网上。写博客和git会时不时地收到别人的回复,这其实是一种变动的奖励。一开始可能人数不多,时间长了人数多了之后,就会爽到根本停不下来。

如何创造一个行为

行为 = 动机 + 行动能力 + 出发点

知道这个公式,下面就可以有效有策略地去制造行为了。分别是降低行动的门槛,提高行动的动机,最终触发行为的发生。

下面就可以设计自己的成瘾行为了,如下:

原文发布于微信公众号 - 怀英的自我修炼(hydzwxl)

原文发表时间:2017-08-28

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏华章科技

人工智能发展简史

投稿和反馈请发邮件至hzzy@hzbook.com。转载大数据公众号文章,请向原文作者申请授权,否则产生的任何版权纠纷与大数据无关。

441
来自专栏AI科技评论

学界 | 如何提高NIPS论文命中率?这里有一份详细的分析

在学术界,NIPS大会在论文方面的争议似乎比其他学术会议更为突出一些。例如去年在ML圈子里影响颇大的SARM论文撤稿事件就是在NIPS,以及像这位叫Thang ...

3497
来自专栏新智元

李飞飞:我们怎么教计算机理解图片

前言: 当一个非常小的孩子看到图片时,她可以辨认出里面简单的要素:"猫""书""椅子"。现在,电脑也聪明得可以做同样的工作了。接下来呢?在这个令人震撼的演讲里,...

3288
来自专栏新智元

1663-2016:人工智能发展时间轴

【新智元导读】从笛卡尔的身心二元论到波普尔《科学发现的逻辑》;从帕斯卡尝试建造机械计算机到ENIAC诞生;从达特茅斯会议召开到AlphaGo击败李世石........

2764
来自专栏PPV课数据科学社区

人工智能发展简史

一、人工智能发展简史 ? 二、人工智能发展大事记 时间人物事件意义1633Rene Descartes发表著作《论人》提出灵魂存在于大脑的松果体中1714...

3377
来自专栏AI科技评论

深度 | 继美国之后,加拿大如何成为下一个人工智能金矿?

位于加拿大多伦多的Mars Discovery District是世界上最大的创新中心之一。但多年以来,由于美国硅谷的吸引,流失了大量人工智能领域的科学家和初创...

3325
来自专栏机器之心

深度 | 从规则推理到数据学习:人工智能该学习人类的思维方式吗?

1308
来自专栏数说工作室

【精选】十日大数据精选

1.灵感·大数据× 大数据在各行各业的应用、以及最新分析报告。 2.内参·大数据产业 大数据行业的【人才、资本、战略】最新动向 3.利器 算法、模型、学科 --...

2798
来自专栏大数据文摘

七宗罪:我们是如何错误预估人工智能的

1082
来自专栏腾讯研究院的专栏

人工智能:道德外包与“黑箱”中的算法歧视

曹建峰 腾讯研究院研究员 今天,基于算法的自主决策系统日益被广泛应用在教育、就业、信用、贷款、保险、广告、医疗、治安、刑事司法程序等诸多领域,认为算法...

2649

扫描关注云+社区