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

来自专栏吉浦迅科技

当HPC遇到AI

作者:Shahin Khan, OrionX 翻译:GPU世界 高性能(HPC)和人工智能(AI)的结合正创建一个充满活力的新市场:“高性能人工智能”(HPA...

3989
来自专栏新智元

AI 翻译能够取代人类?微软黄学东:我们仍在感知智能和认知智能的过渡期

黄学东 微软全球技术院士 精彩回顾 2018 新智元产业跃迁 AI 技术峰会圆满结束,点击链接回顾大会盛况: 爱奇艺 http://www.iqiyi...

3156
来自专栏AI科技大本营的专栏

人工智能和驱动在机器中的应用

【AI100 导读】目前,人工智能的研究和发展仍在继续。那么,对人工智能的研究现在进行到什么程度,我们期望在未来会看到什么样的成果呢?为了回答这个问题,首先我们...

3177
来自专栏大数据钻研

代码的终结,我们很快就能像调教狗一样来调教我们的计算机

在发明计算机之前,大部分的实验心理学家都认为大脑是一个不可知的黑盒子。你可以分析一个实验对象的行为,例如,一旦听到铃铛想起,狗便会分泌唾液。但是思想、记忆和情绪...

3018
来自专栏理论坞

我们为什么需要理论?

理论是指人们对自然、社会现象,按照已知的知识或者认知,经由一般化与演绎推理等方法,进行合乎逻辑的推论性总结。

2226
来自专栏AI科技评论

业界 | 计算芯片革命来临?英伟达谷歌入局紧逼英特尔

AI 科技评论按:随着神经网络的研究和应用越来越多,人们也越发地认识到神经网络所需的计算力近乎于无底洞 。如果说高校实验室和一般爱好者在耐心等待之外办法不多的话...

35510
来自专栏机器之心

业界 | 斯坦福大学Brainstorm神经形态芯片:未来计算的新方向

选自Nextplatform 作者:Nicole Hemsoth 机器之心编译 参与:李泽南、李亚洲 随着摩尔定律终点的临近和机器学习对计算需求的提升,人们对于...

3338
来自专栏钱塘大数据

吴军:数学为人生之题解出漂亮的答案

如果用当下比较流行的说法来概括吴军的身份,他便是会摄影、会写作的计算机科学家中最爱发微博的投资人——几乎很难用一句话涵盖“吴军博士”(吴军的微博昵称)会做什么、...

1245
来自专栏企鹅号快讯

量子技术与人工智能:同时进化的双生子

诞生于 1965 年的摩尔定律,对二十世纪后半叶的世界经济增长做出了巨大贡献,并驱动了一系列科技创新和经济增长。摩尔定律预测集成电路上晶体管的数量每两年翻一倍,...

22810
来自专栏AI科技评论

喊话黄仁勋: 在TPU这事上谷歌高调吗?

AI科技评论按:谷歌毕竟就只是发了一篇描述一个数年前就开始的项目的内部结构和一些性能参数的论文和一篇提炼了其中一些内容的博文而已,但前两天TPU的发布却让黄仁勋...

3376

扫码关注云+社区

领取腾讯云代金券