机器都会学习了,可你还不会!

人是自然界最高级的动物,人脑又是进化最好的学习器官,很多事情人类一学就会,触类旁通。而机器在学习方面却是最笨的,可谓是举百反一,甚至举千反一,需要大量的训练才有可能学会。那是什么办法使这么笨的机器具备了智能,甚至在很多方面超越人脑?奥妙就在机器学习的训练方法。我们常说的“读书很多,知识很少,甚至读成了”书呆子”,是因为没掌握学习方法。在学习这件事儿上,我们可以参考“机器学习”的学习方法。

把知识结构化,提炼知识点

我们平时学习,无论是看一本书,学一篇文章或听一场演讲都是成篇成套的,这里面不是每个字、每一段都有用。用IT的话讲,这些都是非结构化数据,不能拿来分析、不能拿来用。须把其中有用的知识挑出来,分门别类,挖掘整理形成知识点后才可以。同一篇文章或同个事件,为什么有的人能提炼、总结出10个有用的知识点,有的人却连1个都没能提炼出来?就在于知识点形成的过程。我们许多人掌握的所谓知识不过是“知趣点”,仅是有趣而已,而非“知识点”。“知趣点”是惰性知识,是碎片的,零散的知识,听起来高大上,然而没有什么用途。知识点的挖掘能力才是学习能力的体现,这就解释了为什么书读了很多,却不见得有多少知识。

再举个医生写病例的例子。病例内容很多,但大部分内容都因是非结构化的,不能被分析,而无法分析就是死数据。如何结构化?就要把各类病人的特征、病史、症状、体征、实验室检查、影像结果、治疗、结果等都列出来,之后进行分析和比较,从而判断是阳性或阴性,正常或异常。这就类似读书的例子,原始内容都若不经过提炼,需要用的时候也拿不出来。可谓书没少读,知识不多。因此读书不在多,而在你能从中提炼出多少有用的知识点。

实际生活中,还有一种情况是你提取的点可能是错误的,或重要的点没有提取出来,提出来的是无用的。例如八卦新闻,就是知趣点,而不是知识点。错误的知识点会构建错误的知识体系,因此有些人看什么都不顺眼,干什么都发牢骚,实际上是知识点的错误和知识体系的偏离。

形成知识图谱

Google公司最早引入知识图谱(Knowledge Graph)概念,用于描述客观世界的概念、实体,事件及其之间的关系。知识图谱的意义就在于它能在盘根错节的数据海洋中,将杂乱的数据或知识点进行梳理和串联,找到之间的逻辑关系:如上下级关系,相关关系,因果关系等。举个例子,知道张三是李四的朋友并不难,但如果涉及10个人你可能就很难知道所有人之间的相关关系以及关系的好坏程度,因此不要轻易讲别人的坏话,不定哪天你说过的坏话就传遍所有人。

知识图谱反映的正是结构化的知识。它将零散的,单点的,单线的知识点串起来形成一个网。网越发达,知识越完善;网越密,知识结构化越好。这就解释了有人看问题能想得更多,看得更远,能看到你看不到的逻辑关系,能挖掘出你挖不出的深层价值,犹如机器学习中的神经网络,秘密就是人家的层次比你多。建立知识图谱就是建立自己的知识体系。尽可能理清各个知识点之间的逻辑关系,再形成网状知识结构。遇到新的知识点,要通过思考,归纳和总结,知道将这个点放在哪部分知识框架里,并能和已有的知识网络串联起来。这是一个梳理的过程。否则,知识堆积在一起,没有清楚的路数,只能是越来越糊涂。

将知识升华成智慧

机器再聪明也只是智能,而人则是智慧。有了知识体系还不够,还需要形成洞察变成认知。只有将它们拓展开来才可以成为活知识,成为你的智慧和能力。大脑中完整的思维体系需要“从知到识”,但还不够,还要从识到行,这是一个升华、领悟的过程,即思考和实践。只有完成了整个过程,才算是有了“知识”。要用总结的过去知识去看未来,解决未来的问题。利用知识是一种思维方式,也是一种能力。

真正的认知必须知行合一,不行动的认知是伪认知,坐而论道没有意义。很多人是思想的巨人,行动的矮子。现今社会,你不行动,一定有人行动,结果白白把机会浪费掉。看准的事情一定要干。立即行动,在行动中形成新的认知。从认知到实践,再到认知,螺旋式上升。这才是真正拥有知识,拥有智慧。

机器虽笨,但机器可以学习,而且越来越替代或辅助人类来学习。这其中的学习秘密,正是“由点到线,有线到面,有面到网”,将知识点串联起来而形成网络,之后凭借知识网络的全面和关联程度做出决策、判断。这也许是我们了解“机器学习”的真正意义。“机器学习”的套路,你也可以这样学。

往期阅读

感谢小伙伴赞赏

  • 发表于:
  • 原文链接:http://kuaibao.qq.com/s/20171211G00TCE00?refer=cp_1026

相关快讯

扫码关注云+社区