人工智能揭示怎么让人越学越想学,作品怎么让读者越读越想读

美国亚利桑那大学和布朗大学的研究者,通过对人工智能学习速度的研究,发表了论文《最优学习的85%规则》(《The Eighty Five Percent Rule for Optimal Learning》)。

研究人员发现,两次连续的训练,如果训练的数据差别很大,机器判断的准确度提高会比较慢,也就是学习的速度会比较慢;

同时,如果初始训练的数据差别很小,机器学习的速度也比较慢。

也就是说,两次训练的训练数据差别达到一个百分比,会使人工智能学习的速度最快。

经过大量测试,最终得到的学习速度最快的时候,是两个训练数据差别15.87%的时候。

研究人员把15.87%,称为最佳意外率。

随着训练次数增加,最佳意外率处学习效果最好

15.87%这个数字,对于人类来说,可以说是意义非常重大。

实验首次揭示了很多人学习越来越差,越来越没动力的原因中,来自学习难度的影响,且具体量化出来。

同时也指出了最有效的学习难度,就是15.87%的最佳意外率,且这是相对可控的。

(1)人工智能的研究结果,可以用到人类身上。

虽然研究通过人工只能进行,人工智能的训练过程,跟人类的学习过程其实非常相似。

深度神经网络的开发,最初也是源于对神经细胞活动的机器模拟。

例如你想要让一个小孩认识猫这种动物,你需要让他多次看猫的图片,并告诉他这是一只猫。

多次这样的训练后,久而久之,小孩就会认得这是一只猫。

人工智能也是这样,通过不断的类似这样的训练,就可以让人工智能识别出猫来。

人工智能识别小猫

实际上,已经越来越多的科学家认为人类神经网络和人工智能网络没有本质的区别。

所以人工智能分析得到的最佳意外率,也适合人类。

(2)最快的学习,要新的内容,但更多要有熟悉的内容。

根据最佳意外率,需要有15.87%的新的内容和84.13%的熟悉的内容。

也就是说,熟悉的内容需要比新内容多5.6倍左右。

熟悉的内容非常重要,它可以让神经网络进一步巩固已经学到的知识;

新的内容也很重要,它让神经网络进行重塑。

(3)最佳意外率,可以让人越学越想学。

研究者认为,最佳意外率,最容易让学习者进入心流状态。

心流状态,是一个人全身灌注做一件事,忘记了外面的事物,甚至忘记了自我的状态。

也是一个人学习或工作效率最高的状态,也是内心感受最爽的状态。

处在心流状态的人,会感觉自己做的事情更有意义,更有动力去做这件事。

换句话说最佳意外率,可以让学习的人越学约想学,让工作的人越来越想工作,让读者越来越想读。

(4)最佳意外率,指明了教育的方向。

过去一个小孩学习成绩不好,我们都说是小孩自己的原因,小孩不认真学习,小孩没有耐心。

但是从最佳意外率的角度来看,让小孩有动力学习,我们也需要考虑到学习难度跟小孩是不是不匹配。

如果学习难度太大,意外率肯定就会越高,那学习的动力也会越低。

最好的提高学生学习效率的方法是确确实实知道小孩的意外率,然后进行单独辅导。

而一个小孩学习成绩非常好,也可能会因为难度太低,而影响学习的积极性。

这个时候,就需要增加学习难度了。

这也跟近年越来越流行的,以学生为本的教育方式相呼应。

(5)15.87%是相对可操作的。

它并不是指让学生考试考到85分,我们知道让一个学生考多少分是不可控制的。

它是指这一份试卷,对于学生来说,有85分的内容是旧的,或通过旧知识即可解答;而有15%的内容是新的,需要知道新的知识才能解答。

研究人员也表示,最佳意外率不仅仅用在学习这个领域,还能用到很多其他领域。

指尖科技说小编,尝试从不同领域进行延展:

对于阅读和写作:

(1)对于读者来说,看一本书,如果意外率太大,说明不合适看这本书,可以考虑看一本意外率相对低一点的书,这样学习是最快的,同时也最有动力。

(2)对于作者来说,写文章的时,可以控制到不要瞬间写到太多新的内容或者情节。

但同时,为了保持读者有持续动力去看,也需要保持一些神秘感,写一定比例的新鲜的内容或情节。

小说之所以看起来比较爽,可能也是因为小说里面大部分内容,都是人们可以想象的,却又有小部分内容超越现实。

工作上:

(1)对于员工,我们都想要找到一份合适自己的工作,但是什么是合适自己的工作呢?

如果一个份合适的工作离不开学习提高,那最佳意外率也可以给我们一个参考。

如果一个工作难度太大,或者太低,经过一个时间发现提高很难,可能它并不是一个合适提高的工作。

(2)对于管理人员,最佳意外率也是一个非常有用的参考。

如果给到员工的任务难度太大,那就需要管理人员给到适当的支持,减少工作难度,会提高员工的学习效率、工作效率和积极性。

对于艺术作品:

一个艺术作品,可能同样有类似意外率的规律。

如果一个艺术作品太难看懂,即使其中真的有比较高的艺术价值,可能也有部分读者望而却步。

如果可以保持创新度在15%,可能会是一个受众更广的艺术作品。

除了这些领域,可能还有更多的领域可以用到最佳意外率。

例如跟伴侣相处,是否也应该有一定的意外率,相处起来会更融洽呢?

例如吃饭的时候,是不是有一定的比例吃到没吃过的东西,会更有趣呢?

学习是在现代社会进步的根本,最佳意外率之所以非常重要,因为认识它,利用它可以很好帮助我们提高我们在社会中的竞争力,甚至还可以让我们变得幸福,最佳意外率值得我们更理解它。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,524评论 5 460
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,869评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,813评论 0 320
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,210评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,085评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,117评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,533评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,219评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,487评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,582评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,362评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,218评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,589评论 3 299
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,899评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,176评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,503评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,707评论 2 335

推荐阅读更多精彩内容

  • 我们都曾披星戴月的去见面。用力去生活,用力去爱。 有期待,有热爱,不负时光不负卿。
    苗小苗2017阅读 185评论 0 0
  • 2018年07月12日星期四晴 分享: 与孩子的情绪相处 对孩子来说,一些天生的恐惧、所求不得的愤怒、...
    扬帆起航__爱之语阅读 92评论 0 0
  • 关于这个话题,网上有很多文章写的很好,这里主要做一个总结,谈谈我个人的理解。相关参考文章:IO - 同步,异步,阻...
    xialedoucaicai阅读 563评论 0 2
  • 1.在swift 4.0中使用系统方法setValuesForKeys()进行赋值,明明有这个属性,但它还是走 o...
    骑着蜗牛去攻城阅读 181评论 0 0
  • 从未见过玫瑰滴水 却以为那是霜打的玫瑰 从未见过柳枝出叶 却以为那是妖娆的明灭 从未见过 却以为 从未见过太空 却...
    微妙m阅读 196评论 0 0