《学习的艺术》 (The Art of Learning)——划小圈 (Making Smaller Circles)

“……我对象棋、武术以及范围更广的整个学习过程这三者的核心及相互关系的研究在一定程度上是受到了罗伯特.波席格《摩托车维护艺术》一书的启发。我决不会忘记指导我今后数年学习方式的那一幕。波席格故事中的主人公是一个叫斐德罗的人,聪明又有点古怪。当他叫一个学修辞学的学生就所居住的小镇写一个五百字的故事时,这个学生根本理不出头绪来。她一个字都写不出来。这个镇似乎实在是太小了——有什么可写的呢?斐德罗对这个作业进行了一点修改来帮助这个女生解放她的思维。这次他让这个女生写的是教室外面那个剧院的前台,这个教室就位于这个镇里的小马路上。她要从左上方的砖开始写。一开始,这个学生简直不敢相信,但后来却变得文思泉涌,停都停不下来。第二天她来上课的时候带来了长达二十多页的故事。

我相信这个小故事应该可以在追求卓越中把成功和失败区分开来。这个话题很广也很深。学习的基本原则就是要钻研微观的细节事物从而来理解是什么促成了这些宏观上的问题。我们面对的阻碍就是我们生活在一个关注度不足的文化里面。我们面对电视、收音机、手机、视频游戏以及网络的各种信息。这种不断的刺激有可能会让我们逐渐上瘾,不停地想去追求新事物,不停地愉悦自己。当没有新鲜有趣的事物时,我们可能就会感到无聊,无法集中注意力。所以我们就去寻找新的娱乐项目,搜索各个频道,翻阅各种杂志。如果有了这种生活节奏,那我们就像是浅水的小鱼,不知下面还有绚丽的海底世界……”

“……有效地压缩技能的外在表现同时又紧紧围绕技能的内在实质。一段之间之后,广度就会慢慢缩小而力量会逐渐增加……”

……当然,我的许多对手都比我更了解太极,但我在我知道的事情上更精通。我把我的身体技能浓缩成一个力量强大的状态,但大部分对手使用的却是又大又空,而且没有实效的招数。事实就是在激烈的比赛中取胜的往往是那些把技能磨练得更深刻的选手。我们能成为顶尖选手并没有什么秘诀,而是对可能是基本技能的东西有更深的理解。每天都要学得更深一点而不是更广一点,因为学得更深可以让把我们潜力中那些看不到、感受不到但又极具创造力的部分挖掘出来。”

时间: 2024-10-13 18:30:18

《学习的艺术》 (The Art of Learning)——划小圈 (Making Smaller Circles)的相关文章

CVPR 2015 之深度学习篇 Part 2 - deep learning在计算机视觉各个子领域的应用

CVPR 2015 之深度学习篇 Part 2 - deep learning在计算机视觉各个子领域的应用 Image Classification (图像分类)deep learning 的腾飞归功于其在 image classification 上的巨大成功.2012年的 AlexNet 的分类效果遥遥领先于第二名.后来各种 deep architectures 被采用,其中有名的是 VGG-Net 和 GoogLeNet,他们比 AlexNet 使用了更多的层.其次,GoogLeNet 还

[读书笔记—学习方法]《深度学习的艺术》-采铜

在知乎上敬仰采铜老师很久,当得知他写的一本关于学习方法的书<深度学习的艺术>上架之后,在亚马逊中国网站上购买了这本我人生中第一本付费购买的电子书. 该读书笔记并非完全按照原书叙述顺序摘抄,而是经过本人的修改和整理而来. 读书笔记正文: 所谓深度学习,顾名思义,就是学东西不只看到它浮在表面的东西,而是往深入去挖掘,甚至看到别人看不见的东西. 我之所以要强调学习深度,是因为了解到现在年轻人读书不求甚解,蜻蜓点水,养成了思维的惰性,或者贪多求全,只重量不重质,甚至只把机械记忆一些知识当成攀比的资本和

深度强化学习之:模仿学习(imitation learning)

深度强化学习之:模仿学习(imitation learning) 2017.12.10 本文所涉及到的 模仿学习,则是从给定的展示中进行学习.机器在这个过程中,也和环境进行交互,但是,并没有显示的得到 reward.在某些任务上,也很难定义 reward.如:自动驾驶,撞死一人,reward为多少,撞到一辆车,reward 为多少,撞到小动物,reward 为多少,撞到 X,reward 又是多少,诸如此类...而某些人类所定义的 reward,可能会造成不可控制的行为,如:我们想让 agent

【算法导论学习-015】数组中选择第i小元素(Selection in expected linear time)

1.算法思想 问题描述:从数组array中找出第i小的元素(要求array中没有重复元素的情况),这是个经典的"线性时间选择(Selection in expected linear time)"问题. 思路:算法导论215页9.2 Selection in expect linear time 2.java实现 思路:算法导论216页伪代码 /*期望为线性时间的选择算法,输入要求,array中没有重复的元素*/ public static int randomizedSelect(i

Netty学习——基于netty实现简单的客户端聊天小程序

Netty学习——基于netty实现简单的客户端聊天小程序 效果图,聊天程序展示 (TCP编程实现) 后端代码: package com.dawa.netty.chatexample; import io.netty.bootstrap.ServerBootstrap; import io.netty.channel.ChannelFuture; import io.netty.channel.EventLoopGroup; import io.netty.channel.nio.NioEven

为什么深度学习有效?(why deep learning works)

总述:这篇文章是一次听讲座,吴大鹏教授做的why deep learning works,佛罗里达大学教授,很有名.自己对该讲座做个理解. 一.深度学习的背景相关介绍 1.machine learning:一般的ml只针对线性分类,即只是一个linear methods. 2.neural networks:第二代神经网络,是对ml的一个发展,更好地非线性分类.通过BP算法,调参数,以误差和真实值为导向,修改一系列参数,让误差趋近于0,逼近真实值.但是一般的神经网络只能到3-5层,层数多了就不行

机器学习001 deeplearning.ai 深度学习课程 Neural Networks and Deep Learning 第一周总结

Deep Learning Specialization 吴恩达老师最近在coursera上联合deeplearning.ai 推出了有关深度学习的一系列课程,相对于之前的machine learning课程,这次的课程更加实用,作业语言也有matlab改为了python从而更加贴合目前的趋势.在此将对这个系列课程做一个学习笔记. 而这次的Deep Learning Specialization分为五门课程,分别为:Neural Networks and Deep Learning,Improv

[译]深度神经网络的多任务学习概览(An Overview of Multi-task Learning in Deep Neural Networks)

译自:http://sebastianruder.com/multi-task/ 1. 前言 在机器学习中,我们通常关心优化某一特定指标,不管这个指标是一个标准值,还是企业KPI.为了达到这个目标,我们训练单一模型或多个模型集合来完成指定得任务.然后,我们通过精细调参,来改进模型直至性能不再提升.尽管这样做可以针对一个任务得到一个可接受得性能,但是我们可能忽略了一些信息,这些信息有助于在我们关心的指标上做得更好.具体来说,这些信息就是相关任务的监督数据.通过在相关任务间共享表示信息,我们的模型在

(转)分布式深度学习系统构建 简介 Distributed Deep Learning

HOME ABOUT CONTACT SUBSCRIBE VIA RSS DEEP LEARNING FOR ENTERPRISE Distributed Deep Learning, Part 1: An Introduction to Distributed Training of Neural Networks Oct 3, 2016 3:00:00 AM / by Alex Black and Vyacheslav Kokorin Tweet inShare27   This post