刻意练习一万小时法则的对与错

图片发自简书App

大脑具有适应性,适当的训练能够帮助我们创造新的潜力。与此同时,简单的努力并不能显著地提高能力,我们必须更聪明地去努力。作者及其同事通过研究发现,在任何一个领域,若要显著提高水平,都必须遵循一套普遍原则,叫做“刻意练习”(deliberate practice)。

大脑的结构与功能不是固定不变的,大脑会响应人们特定的行为,所以通过刻意练习来塑造大脑是可行的。

在发展技能时,走出舒适区非常重要。 虽然成年人的大脑适应力不像年幼时那么强、适应的机制也可能与年幼时稍有不同,却依然能应对新的学习和改变。

那么是不是只要坚持不懈地练习,就可以发展和提升技能水平呢?并非如此,遵循“刻意练习”原则非常重要,否则即使训练上一万小时,效果也不一定显著。

任何领域的心理表征与技能本身,都有一种循环往复的关系,磨砺技能可以改善心理表征,而改善心理表征又有助于精进技能。

不同活动的发展程度是不一样的:有些如民间舞蹈等,并没有标准的训练方法;另一些如芭蕾、乐器等,都已经发展出一整套训练方法,只要某人遵守这些方法勤奋训练,那么最后他几乎一定能成为行业专家。后者有几个共同的特点:

对成绩的评价有一定客观性,能确认“好”的标准,比如象棋的胜率; 行业内竞争性强,从业人员必须刻苦训练; 行业内的技艺经过数十年甚至数个世纪的发展; 有一些人担任导师,并且行业内有一整套日渐精细的训练方法。

这就是我们所说的“刻意练习”,它有以下特点:

刻意练习针对的技能,是已经高度发展并有一整套标准训练方法的技能,训练中应有导师进行指导。 刻意练习需要人们适度走出舒适区。 刻意练习需要有总体目标,并且拆分为一系列的特定目标,更有策略地提高技能。 刻意练习需要“刻意”进行,简单执行导师的指令是不够的,学生必须专注并有意识地采取行动。 刻意练习包含反馈,以便及时调整。一开始的反馈多数来自导师,但随着练习推进,学生逐渐能够自我监控并发现错误,如第三章所述,这种自我监控需要高效的心理表征。 刻意练习与有效的心理表征互相促进。随着水平的提高,心理表征越来越清晰,而高效的心理表征又有助于提高水平。 刻意练习着重关注已获取技能的某些方面,通过针对性练习,获得整体水平的提高。

一万小时法则的对与错

1993年,作者及其合作者发表了对小提琴学生的研究成果,该研究屡次被其他研究人员引用,并且到2008年格拉德威尔的著作《异类》出版后开始获得科学界以外的关注。格拉德威尔由作者多年的研究,提出了“1万小时法则”,认为任何行业的大师级人物在有所成就前,都要花费1万小时进行练习:披头士乐队在德国汉堡演出前,大约演出了1万小时,比尔·盖茨花了1万小时练习编程……“1万小时法则”具有无与伦比的吸引力,它使人们相信,只要花上1万小时来练习,你可以在任何领域成为大师。

事实上,虽然作者在发表的研究中确实说过,最杰出的小提琴家在20岁之前独自练习的时间约为1万小时。但这与“1万小时法则”的含义是不同的,后者有一些不准确的地方。首先,1万个小时并不是一定的,在国际比赛中获奖的钢琴家,一般都已经投入了2万到2.5万小时进行训练;而史蒂夫从开始训练到成为当时能记住最多数字的人只花了200个小时。其次,作者所强调的是“独自练习”,但格拉德威尔并没有特意区分这一点。最后,“1万小时法则”给人以“承诺”,认为只要练习满1万小时,即可成为专家。实际上,并没有一项研究能做出这个结论,简单重复并不能获得进步。

“1万小时法则”也传达了一个正确的理念:在任何一个行业要有所成就,都必须付出无数小时的刻苦努力。在这个基础上,一个事实是,成就的达成并不与一个固定的练习时间挂钩,可能是1000小时,可能是1万小时,也可能是2万小时……

我们可以将心理表征看成一种特别的、可以迅速处理大量信息的心理结构,它是在不断实践的过程中逐渐形成的。 任何领域的心理表征与技能本身,都有一种循环往复的关系,磨砺技能可以改善心理表征,而改善心理表征又有助于精进技能。

如果不花费无数小时进行刻苦练习,没人能获得杰出的能力。

采用刻意练习的原则来指导技能的培养非常重要,否则可能导致时间浪费。

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AI科技评论

动态 | Facebook 人工智能大揭秘:AI 如何变成这家社交巨头不可或缺的部分?

AI科技评论按:本文作者为 Backchannel 的 编辑 Steven Levy,AI科技评论编译发布。 当被问及是否想要用人工智能领导全球最大的社交网站时...

378160
来自专栏新智元

【重磅】深入Facebook 两大AI核心部门,欲用开放垄断市场

【新智元导读】Facebook的“十年路线图”,人工智能成为重中之重。作为“后来者”的Facebook凭何赶超谷歌和微软等在人工智能已经遥遥领先的公司?本文深入...

35280
来自专栏吉浦迅科技

探访Facebook应用机器学习团队:如何构建研究与应用之间的桥梁?

在Facebook,应用机器学习(AppliedMachine Learning)团队正在帮助这家社交网络公司看见、说话和理解,他们甚至可能会帮助根除假消息。 ...

38760
来自专栏AI科技大本营的专栏

AI行业实践精选:机器学习在Google的昨天,今天与明天

【AI100 导读】你知道吗?早在十多年前,Google 就已经在内部教自己的工程师机器学习的相关知识了。本篇文章将告诉你 Google 是如何使用机器学习来不...

357120
来自专栏机器之心

现场|从新一代TPU到Google.ai,详解谷歌I/O首日人工智能五大亮点

机器之心原创 记者:CZ、Tony Peng 当地时间 5 月 17 日,谷歌在山景城开启了本年度的谷歌 I/O 开发者大会。昨日机器之心对此次大会上将出现的有...

31290
来自专栏程序工场

面试时,如何在1分钟内让面试官记住自己?

13330
来自专栏奇点大数据

大数据变现十日谈之十:示例与计算

在前几天我们的大数据变现讨论中有一个问题我们没说完,就是关于“使用价值”的问题。我认为这应该是一个数据中蕴含信息所发挥价值的度量问题。 在平时我们的生产生活中,...

30760
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...

32270
来自专栏大数据文摘

特技替身拜拜,迪士尼机器超人要上天了!

不管是电影中的特技、还是迪士尼乐园中的高难度杂技表演,迪士尼对高空特技表演一直有大量需求。

11000
来自专栏新智元

强化学习之父Sutton访谈:创造AI,就是创造一种新的人类

编译:Cecilia 弗格森 【新智元导读】在Machine Learning and the Market for Intelligence 2017大会上,...

34280

扫码关注云+社区

领取腾讯云代金券