1.熟悉
第一個(gè)知識(shí)是“學(xué)習(xí)區(qū)”耕渴。心理學(xué)家把我們可能面對(duì)的學(xué)習(xí)內(nèi)容分成了三個(gè)區(qū)：舒適區(qū)、學(xué)習(xí)區(qū)和恐慌區(qū)齿兔。舒適區(qū)的內(nèi)容對(duì)你來(lái)說(shuō)太容易橱脸，恐慌區(qū)的內(nèi)容太難，刻意練習(xí)要求你始終在二者中間一個(gè)特別小的學(xué)習(xí)區(qū)里學(xué)習(xí) —— 這里的難度對(duì)你恰到好處分苇。
這個(gè)理論不可能是錯(cuò)的添诉。但是因?yàn)楝F(xiàn)在“跳出舒適區(qū)”已經(jīng)成了一句口號(hào)，有些人就產(chǎn)生了逆反心理医寿，說(shuō)我好不容易找到一個(gè)舒適區(qū)發(fā)揮特長(zhǎng)栏赴，為什么要跳出來(lái)呢？關(guān)鍵在于這里說(shuō)的是“學(xué)習(xí)”靖秩！也許你在舒適區(qū)賺錢最多须眷，但那是另一回事 —— 要想提高技藝，你就只能在學(xué)習(xí)區(qū)沟突。
第二個(gè)知識(shí)是“心流”花颗。這個(gè)概念最早是米哈里·契克森米哈賴在《心流：最優(yōu)體驗(yàn)心理學(xué)》這本書(shū)里提出來(lái)的。契克森米哈賴說(shuō)惠拭，要想在工作中達(dá)到心流狀態(tài)捎稚，這項(xiàng)工作的挑戰(zhàn)和你的技能必須形成平衡。他還專門用一張圖說(shuō)明這個(gè)道理 ——
如果工作的挑戰(zhàn)大大低于你的技能，你會(huì)覺(jué)得這個(gè)工作很無(wú)聊今野。如果工作的挑戰(zhàn)大大超出你的技能葡公，你會(huì)感到焦慮。而如果難度和技能正好匹配条霜，你一上來(lái)并不知道該怎么做催什，但是調(diào)動(dòng)自己最高水平的技能、再稍微突破一點(diǎn)宰睡，你正好能解決這個(gè)問(wèn)題蒲凶，那就是心流的體驗(yàn)。這是一個(gè)奇妙的感覺(jué)拆内，你沉浸在工作之中忘記了時(shí)間的流動(dòng)旋圆，甚至可能忘記自身的存在。
第三個(gè)知識(shí)是我們專欄經(jīng)常提到的一個(gè)公式麸恍，叫“喜歡 = 熟悉 + 意外”灵巧。一個(gè)文藝作品要想最大限度地吸引觀眾，必須既提供觀眾熟悉的東西抹沪，又制造意外刻肄。
好，現(xiàn)在你發(fā)現(xiàn)沒(méi)有融欧，這三個(gè)知識(shí)說(shuō)的其實(shí)是一回事敏弃。學(xué)習(xí)區(qū)、心流噪馏、喜歡麦到，說(shuō)的是已知和未知、簡(jiǎn)單和困難欠肾、熟悉和意外的搭配 —— 從信息論的角度來(lái)說(shuō)隅要，它們說(shuō)的都是“舊信息”和“新信息”的配比！
那我現(xiàn)在問(wèn)你一個(gè)問(wèn)題董济，這個(gè)配比應(yīng)該是多少呢步清？
2.意外
以前我們并沒(méi)有量化這些理論，我們只是泛泛地說(shuō)要加入一定的難度和意外虏肾。而我今天要講的這個(gè)研究廓啊，恰恰告訴我們一個(gè)神奇的答案，說(shuō)這個(gè)問(wèn)題是有最優(yōu)數(shù)值解的：這個(gè)數(shù)值是15.87%封豪。
亞利桑那大學(xué)和布朗大學(xué)的研究者剛剛貼出一篇論文的預(yù)印本谴轮，叫《最優(yōu)學(xué)習(xí)的85%規(guī)則》[1]。這篇論文還沒(méi)有正式發(fā)表吹埠，《科學(xué)美國(guó)人》上的一個(gè)博客已經(jīng)率先報(bào)道 [2]第步，Twitter 上也有好幾個(gè)人討論疮装。
我仔細(xì)研讀了這篇論文，感覺(jué)非常新穎而且非常重要粘都，它將來(lái)會(huì)獲得大量的引用廓推。但是我認(rèn)為一些討論誤解了這篇論文的意思。我先說(shuō)說(shuō)這篇論文到底說(shuō)了什么翩隧。
我們知道現(xiàn)在人工智能本質(zhì)上是機(jī)器學(xué)習(xí)樊展。我們弄一個(gè)神經(jīng)網(wǎng)絡(luò)，用大量的數(shù)據(jù)去訓(xùn)練這個(gè)網(wǎng)絡(luò)堆生，讓網(wǎng)絡(luò)學(xué)會(huì)自己做判斷专缠。網(wǎng)絡(luò)內(nèi)部有大量參數(shù)隨著訓(xùn)練不斷變化，就相當(dāng)于人腦在學(xué)習(xí)中提高技藝淑仆。
每一次訓(xùn)練涝婉，都是先讓網(wǎng)絡(luò)對(duì)數(shù)據(jù)做個(gè)自己的判斷，然后數(shù)據(jù)再給它一個(gè)反饋蔗怠。如果網(wǎng)絡(luò)判斷正確墩弯，它就會(huì)加深鞏固現(xiàn)有的參數(shù)；如果判斷錯(cuò)了蟀淮，它就調(diào)整參數(shù)。這跟人腦的學(xué)習(xí)也很像：只有當(dāng)你判斷錯(cuò)誤的時(shí)候钞澳，才說(shuō)明這個(gè)知識(shí)對(duì)你是新知識(shí)怠惶，你才能學(xué)習(xí)提高。
研究者可以決定用什么難度的數(shù)據(jù)去“喂”這個(gè)網(wǎng)絡(luò)轧粟。如果數(shù)據(jù)難度太低策治，網(wǎng)絡(luò)每次都能猜對(duì)，那顯然無(wú)法提高判斷水平兰吟；如果數(shù)據(jù)難度太高通惫，網(wǎng)絡(luò)總是猜錯(cuò)，那它的參數(shù)就會(huì)東一下西一下變來(lái)變?nèi)セ彀蜁?huì)無(wú)所適從履腋。這項(xiàng)研究問(wèn)的問(wèn)題是，每次訓(xùn)練中網(wǎng)絡(luò)判斷的錯(cuò)誤率是多少惭嚣，才是最優(yōu)的呢遵湖？
研究者首先用了一個(gè)比較簡(jiǎn)單的數(shù)學(xué)模型做理論推導(dǎo)，又用了一個(gè)AI神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法和一個(gè)模擬生物大腦的神經(jīng)網(wǎng)絡(luò)模型做模擬實(shí)驗(yàn)晚吞，結(jié)果得出一個(gè)精確解：15.87%延旧。
就是說(shuō)，當(dāng)你訓(xùn)練一個(gè)東西的時(shí)候槽地，你給它的內(nèi)容中應(yīng)該有大約85%是它熟悉的迁沫，有15%是它感到意外的芦瘾。
研究者把這個(gè)結(jié)論稱為“85%規(guī)則”，我們干脆就把15.87%叫做“最佳意外率”集畅。這個(gè)數(shù)值就是學(xué)習(xí)的“甜蜜點(diǎn)”近弟。
3.最快而且最爽
找到最佳意外率有兩個(gè)好處。
第一牡整，它讓你的學(xué)習(xí)速度最快藐吮。我們來(lái)看看模擬實(shí)驗(yàn)的結(jié)果。下面這是一張等值曲線圖逃贝，說(shuō)的是判斷出錯(cuò)率和 AI 訓(xùn)練效率的谣辞。
研究者理論推導(dǎo)的結(jié)果是，15.87%的意外率能讓訓(xùn)練時(shí)間相對(duì)于其他數(shù)值以指數(shù)下降沐扳！
