当前位置: 首页 > news >正文

机器学习vs人类学习:人类学习如何借鉴机器学习方法?

一、前言

人类学习的过程其实就是了解对象(概念),以及建立对象之间的关系的,这也是逻辑学导论中所讲的逻辑的基本组成。而机器学习也是从海量的数据中学习特征,如自然语言处理,文本处理也都是处理一个个的符号,以及符号之间联系的过程,和人类学习有相似的过程,人类学习也可以从机器学习的原理中总结出一些方法论,提升学习效率。当然人类大脑学习过程要复杂的多,这里提炼的是高效的学习方法。

二、机器学习VS人类学习

人类学习有其独特优势,如灵活性适应性解释性,同时也能够从机器学习的系统化、结构化方法中汲取灵感。

下面这个表格,概括了机器学习中可供人类学习借鉴的核心原则及其对应的人类学习实践方法:

机器学习原则核心思想人类学习的借鉴与实践方法
监督学习利用已标注的数据进行训练,根据反馈优化模型主动寻求反馈:学习新技能时,及时请教专家或老师纠正错误,像学习乐器时请老师指点。
无监督学习从未标注数据中自主发现结构、模式或分组自主探索与归纳:面对新领域时,先广泛浏览基本信息,尝试自己总结规律和重点,再进行系统学习。
强化学习通过与环境交互的试错和奖励信号来学习最优策略建立奖励机制:完成学习目标后给自己一些小奖励;从错误中反思优化,像学习口语时从每次沟通中调整。
增量/在线学习模型持续接收新数据并更新,适应新知识持续学习与定期复习:定期回顾、梳理旧知识,并联系新知识,构建知识网络。
模型泛化追求模型在未见数据上的表现,避免过拟合注重知识迁移与应用:学习时理解原理而非死记硬背,思考知识在不同场景的应用,像理解物理定律后解释生活现象。
特征工程通过选择和转换特征提升模型表现优化信息处理方式:用思维导图梳理知识结构;将抽象概念转化为自己熟悉的例子或类比。

具体的实践建议:

  • 分解复杂任务:借鉴机器学习中“机器教学”的理念,将复杂技能分解为更简单、易于掌握的子任务或子模块,逐步攻克。
  • 刻意练习与迭代:机器学习模型通过多次迭代优化参数。人类学习也需在薄弱环节进行刻意练习,并不断迭代自己的理解和方法。
  • 构建知识网络:机器学习模型常有层次结构。人类学习新知识时,也应有意识地将新知识与已有知识关联,形成网络,这有助于记忆和提取。
  • 多样化学习资源:机器学习模型性能提升常需大量、多样化的数据。人类学习也应接触不同观点、不同类型的资源(书籍、视频、课程、与他人交流),拓宽理解视角。
  • 保持耐心与持续调整:机器学习模型需要时间训练。人类学习新东西同样需要耐心,并且要根据学习效果不断调整策略和方法

三、经典的人类学习方法

1、费曼学习法

费曼学习法(Feynman Technique)是“以教促学”的典范,其核心是通过模拟教学的方式来暴露知识盲点、加深理解。以教带学,把自己的东西用简要的语言讲解给他人,抓住核心点和关键,写博客的作用也是费曼学习法的实践。它通常包含四个步骤:

  1. 选择目标概念:确定你想要理解的知识点或概念。
  2. 尝试教授他人:假装你在向一个完全不懂的人(比如一个小学生)讲解这个概念。使用简单、清晰的语言,避免行话术语。
  3. 查漏补缺:在讲解过程中,你会发现哪些地方自己理解得还不到位、讲不清楚。这些就是你的知识盲点。返回原始学习材料,重新学习这些部分,直到你能真正理解。
  4. 简化与类比:用更通俗易懂的语言、比喻或例子来重新组织和简化你的解释,使其更加直观。

2、学习金字塔

强调主动学习的知识留存率高,通过主动学习:讨论,实践,教授给他人提升学习效率。 而被动学习: 听讲,看书,视听等知识留存率低于50%。教给别人是最好的学习方式之一,这与费曼学习法异曲同工。

眼过千遍,不如手过一遍。
手过千遍,不如跟人讲一遍。

在这里插入图片描述

另外一层金子塔则是表示梳理思维导图,将学到的知识进行归纳,用图形化、发散的方式组织信息,帮助理清概念间的逻辑关系和层次结构,促进整体性理解。

3、西蒙学习法

西蒙学习法强调学习认为拆分(分而治之),将学习任务拆分成子任务,目标明确。通过如下方法降低问题的维度:

  • 分治
  • 类比
  • 联想
  • 追根溯源

第二点强调集中精力学习,避免上下文切换,重新学习的过程。所以分为如下步骤:

1.设定任务目标
拆分学习内容
集中精力学习

4、斯科特扬学习法

斯科特扬学习法强调知识的联系,将脑中的知识进行整合归纳总结。学习是逻辑概念(符号),以及建立符号之间的关联关系。以及人类记忆的特点是:逻辑关系记忆强容易记下来,以及脑海中的关联越多,越容易记下来。

5、沙漏学习法

沙漏学习法强调带着问题有目的的去学习,对于走读代码,看文献,挑重点先看比较有用。以及阅读时可以采用SQ3R法:

SQ3R 阅读法:这是一套系统的阅读策略,包括浏览 (Survey)、提问 (Question)、阅读 (Read)、复述 (Recite)、复习 (Review)

6、 记忆相关学习法

  • 艾宾浩斯遗忘曲线: 根据人类记忆法,遗忘是指数减少的,所以强调指数型复习法。

  • **主动回忆 **:主动地尝试从记忆中提取信息,把整个逻辑链条回忆清楚,记住关键点。不然不久以后就只记得有这事,但是具体背景原因解决方案都忘记了。

  • 刻意联系挑战自己的软肋,要主动去学习,克服短板。一天成长一点点。

四、参考资料

7种高效的学习方法


文章转载自:

http://SPDkn9jW.dyxLj.cn
http://5RhH01e6.dyxLj.cn
http://Wh02uwbf.dyxLj.cn
http://k3EA5njb.dyxLj.cn
http://91sdq0uI.dyxLj.cn
http://LSKrb0Jt.dyxLj.cn
http://7Vgm4ysu.dyxLj.cn
http://oY8AmE2I.dyxLj.cn
http://ywJzaz2W.dyxLj.cn
http://ITAMTMn2.dyxLj.cn
http://XlEyTaWy.dyxLj.cn
http://0BIYFUQm.dyxLj.cn
http://XeIFLULr.dyxLj.cn
http://6eERTn7D.dyxLj.cn
http://hRzCNWPf.dyxLj.cn
http://5NGZ3xzu.dyxLj.cn
http://QIKelS4j.dyxLj.cn
http://m7G1Ofot.dyxLj.cn
http://xznfYVGm.dyxLj.cn
http://q7GrDvXv.dyxLj.cn
http://rvFWa3YQ.dyxLj.cn
http://hDboaJlC.dyxLj.cn
http://jdnk1LBw.dyxLj.cn
http://Cg9sVSQi.dyxLj.cn
http://nCI1qxoV.dyxLj.cn
http://a25xlHKQ.dyxLj.cn
http://2j7KhjdO.dyxLj.cn
http://NJH8fJpf.dyxLj.cn
http://t5ssEoN1.dyxLj.cn
http://yRkHU6ot.dyxLj.cn
http://www.dtcms.com/a/379164.html

相关文章:

  • ES6 面试题及详细答案 80题 (41-54)-- 异步编程(Promise/Generator/async)
  • Bug记录:Lombok @Builder 注解的两大陷阱及解决方案
  • ARM汇编 beep及bsp工程管理
  • 深入理解 Vue3 Router:三种路由模式的工作原理与实战应用
  • 2025 ICPC Gran Premio de Mexico 3ra Fecha
  • ZLMediaKit性能测试
  • 使用PyQt5和NumPy从TXT文件读取平面点集数据
  • nacos1.3.2 ARM 版容器镜像制作
  • LINUX中Docker Swarm的介绍和使用
  • 探索大语言模型(LLM):Ollama快速安装部署及使用(含Linux环境下离线安装)
  • 安卓13_ROM修改定制化-----打开摄像头调用相机功能 实现无人直播
  • 嵌入式 - ARM5
  • 如何打造自主安全的下一代域名系统
  • 前端开发工具有哪些?常用前端开发工具、前端调试工具、前端构建工具与效率提升工具对比与最佳实践
  • 机器学习1.Anaconda安装+环境配置
  • GrapeCity Documents V8.0 Update2 重磅发布:性能飞跃、AI 赋能与文档处理全流程升级
  • 【软考架构-案例分析】质量属性场景描述6要素
  • IBMS智能化集成系统:构建建筑全场景协同管控中枢
  • 【高级】系统架构师 | 2025年上半年综合真题DAY4
  • 系统接口故障排查
  • MyBatis框架(编写代码部分1)
  • mes之工序管理
  • P4053 [JSOI2007] 建筑抢修
  • Unity Embedded Browser文档翻译
  • 阻容感专题学习笔记
  • ARM指令集(Instruction Set)细节
  • 28.线程互斥与同步(二)
  • 批量修改图片尺寸大小的免费工具
  • 【vscode】如何离线下载vsxi插件,且在无网环境下离线安装插件-2026最新实验教程
  • 基于浏览器运行的本地大模型语音助手