如何才能从新手到大师?

熟悉写作技巧的畅销书作者常常会用一个清晰的行动准则,如“练习1万小时成为专家”“21天养成好习惯”等来激发你的行动。但是对于究竟有多少人能够坚持1万小时,1万小时是否真的引向成功,坚持1万小时的关键节点,以及1万小时练习的本质是什么却置之不理。这些畅销书作者略过不谈的细节,恰恰是科学着墨最多,也是对人们提升自我最有帮助的地方。

事实上,艾利克森的刻意练习的核心观点是,那些处于中上水平的人们,拥有一种较强的记忆能力:长时记忆。长时记忆正是区分卓越者与一般人的一个重要能力,它才是刻意练习的指向与本质。

那些卓越的专家,能够将工作记忆与长时记忆对接起来,在进行钢琴、象棋等自身熟悉的专业活动时,能够调用更大容量的工作记忆。如同西蒙等在 1973 年那篇开创性研究报告中所指出的那样:国际象棋大师在长时记忆这款硬盘中存储了5万~10万个关于棋局的组块。

如果说专家和准专家们已将自己的大脑升级了,工作记忆内存条可以同时调用一块SSD硬盘来当虚拟内存用,那么那些专业领域的新手们往往还是在使用小内存跑。

幸运的是,进化给一般人留了条路。这种长时记忆能力,艾利克森认为是与具体领域相关的,并且通过他所说的刻意练习可以习得。只要你努力,经过几十小时到成千上万小时不等的艰苦努力,就能买来那款可以被工作记忆内存条调用、当虚拟内存使唤的SSD硬盘,即长时记忆。

一般人怎样才能买得起那块硬盘?刻意练习的任务难度要适中,能收到反馈,有足够的次数重复练习,学习者能够纠正自己的错误。

其中,多数不靠谱的成功学选择了错误的练习方式,虽说喊的口号是刻意练习,但实质并不是刻意练习,因为它们没有激活长时记忆能力。比如,下象棋的次数毫无作用,10个1万小时,也成不了国手。但是,如果看着已经发表的棋谱,然后推测国手下法,这种刻意练习方式,就是往长时记忆硬盘里面攒 SSD 硬盘:存储关于象棋棋谱的组块。

在本书中,艾利克森在辩驳1万小时定律时同样提到:

随着训练方法的改进和人类的成就达到了全新的高度,在任何一个人类付出努力的行业或领域,都在持续不断地出现变得更加卓越的办法,以抬高人们认为可以做到的“门槛”,而且,并没有迹象表明这样的“门槛”将不能再抬高。每当人类发展至新的一代,潜力的界限也随之扩张和提高。

长时记忆的培养要点主要有以下几个。

赋予意义,精细编码:(准)专家们能非常快地明白自己领域的单词与术语,在存储信息的时候,可以有意识地采取元认知的各项加工策略。

提取结构或模式:往往需要将专业领域的知识、提取结构或者模式以更好的方式存储。比如,专家级的开发者善用设计模式。

加快速度、增加连接:通过大量重复的刻意练习,专家在编码与提取过程方面比新手都快很多,增加了长时记忆与工作记忆之间的各种通路。

所以,刻意练习的本质是去买 SSD 硬盘,而不是纯粹卖力,更不是帮畅销书作者们营销,喊喊热血口号:1万小时,今天,你坚持了吗?

隐性知识

目前对刻意练习最大的批评是,艾利克森关于刻意练习的证据多是来自“认知复杂性”较低的活动,如象棋、钢琴、篮球、出租车驾驶、拼写,但是,对于“认知复杂性”较高的活动,如销售、管理等作用有限。怎样通过刻意练习成为一名卓越销售或卓越CEO,从哪里练起?怎么练?练什么?认知复杂性高与认知复杂性低的学习活动的差异在很大程度上表现为隐性知识的多少与比重。隐性知识需要在情境中去寻。

认知复杂度(cognitive complexity)是指你建构“客观”世界的能力。认知复杂度高的人具有高度复杂化的思维能力,更善于同时使用互补与互不相容的概念来理解客观世界。真实世界中,黑白对错并非截然分明。

仍然是西蒙,他认为人的“有限理性”体现在学习中就是“情境理性”—在哪里用,就在哪里学。人的学习受到情境的制约或促进。你要学习的东西将实际应用在什么情境中,那么你就应该在什么样的情境中学习这些东西。比如,你要学习编程,就应该在 GitHub 里学习,因为你以后编程就是通过 GitHub。又如,你要学习讨价还价的技巧,就应该在实际的销售场合学习,因为这一技巧最终是用在销售场合中的。

刻意练习并没有否认情境的重要性,但是在一些畅销书中,那些已经被学习科学证实的主流方式被放在一个不起眼的角落。与学习密切相关的隐性知识被忽略了。学习科学大量研究表明,成人的最佳学习方式并非独自练习,而是在情境中学习。有效学习是进入相关情境,找到自己的“学习共同体”,学习者最开始时围绕重要成员转,做一些外围的工作,随着技能增长,进入学习共同体圈子的核心,逐步做更重要的工作,最终成为专家。

这就是学习科学日益主流的观念:从“情境学习”出发,当一名“认知学徒”,它的要点有以下几个。

找到学习共同体:因为大量知识存在于学习共同体的实践中,不是在书本中,所以有效的学习不是关门苦练,而是找到属于自己的学习小团体。如程序员在类似于 GitHub 这样的网站练习编程。

隐性知识显性化:隐性知识是使人们有能力利用概念、事实以及程序来解决现实问题的知识。一般也被称为策略知识。

模仿榜样:榜样可以是现实生活中的导师,也可以是网上的导师。

培养多样性:在多种情境中实践,以此强调学习广阔的应用范围。例如,裁缝出师并不是已经练习了1万小时,而是能够缝制出足够好的衣服。

原文发布于微信公众号 - 大数据(hzdashuju)

原文发表时间:2016-11-01

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

来自专栏人工智能头条

机器学习挑天赋吗?为什么别人一点就透,为什么我就不行?

之前我们的特约作者李烨跟大家分享了《她在机器学习踩过的坑,现在告诉你怎么跳过去》。

1355
来自专栏腾讯高校合作

从VR的全世界走过—SIGGRAPH Asia 2016游记2

前言 Virtual Reality的展厅为我们带来了全球VR领域的顶级科学家们的最新研究成果,其中有多种多样的产品展示:无人机、VR设备、体感游戏、人脸识别、...

35412
来自专栏玉树芝兰

巧用MOOC组合掌握机器学习

咱们不提CES 2017上激动人心的自动驾驶产品(估计七八年之后你的驾驶证就可以扔掉了),也不细讲《最强大脑》节目里人类精英在图像识别环节被碾压(这曾经是人类可...

842
来自专栏奇点大数据

AI预测人类寿命?

据日本livedoor新闻网2月5日报道,美国斯坦福大学研究团队,近日开发出一款可以根据医生诊断病例的数据,来推测出癌症晚期患者剩余生命的人工智能,希冀改善中期...

1673
来自专栏新智元

【吴恩达推荐】40岁开始学习,4周编写第一个AI算法的经验谈

【新智元导读】本文是一个40多岁、完全没有编程经验的人学习机器学习的经验谈。作者把编程视为学习一门新的外语,而学会深度学习这门语言就可以和未来对话:你不需要先成...

3575
来自专栏ATYUN订阅号

IBM利用机器学习描绘更清晰的心脏图,模拟近乎实时

冠状动脉疾病(CAD)是冠状动脉壁上形成斑块的病症,会导致冠状动脉壁变窄。最终,这可能导致心脏病发作或死亡。这种情况现在是世界上最大的健康问题,每年有超过一百万...

692
来自专栏PPV课数据科学社区

周一经典 | 如何成为一名数据科学家?

如何成为一名数据科学家? 文 | 谢科 "Data Science = statistics who uses python and lives in San ...

3545
来自专栏大数据文摘

[译]数据会骗人?帮你能看懂图表的误导!

1323
来自专栏大数据文摘

我发现我的数据被操纵了……

1223
来自专栏AI科技评论

Facebook和Google们现在努力的AI方向,会不会错了?

深度学习的坎坷之路 2012年11月23日,应该是一个让时任谷歌人工智能实验室专家的Geoff Hinton倍感欣慰的日子,在这一天,纽约时报发布了名为《Sci...

3616

扫码关注云+社区