专栏名称: Python新手营
数据,算法,人工智能
目录
相关文章推荐
爱可可-爱生活  ·  【[36星]ncnn-android-ppo ... ·  21 小时前  
爱可可-爱生活  ·  【[205星]Garlic:用C语言编写的J ... ·  21 小时前  
爱可可-爱生活  ·  【[40星]SalesforceAIRese ... ·  2 天前  
爱可可-爱生活  ·  【[838星]Awesome ... ·  2 天前  
51好读  ›  专栏  ›  Python新手营

如何练习一万小时?

Python新手营  · 公众号  · AI  · 2017-08-03 20:16

正文

请到「今天看啥」查看全文



科学家不信励志故事,他们只相信调查研究。在过去二三十年内,心理学家们系统地调研了各行各业内的从新手,一般专家到世界级大师们的训练方法,包括运动员,音乐家,国际象棋棋手,医生,数学家,有超强记忆力者等等,试图发现其中的共性。他们的研究甚至细致到精确记录一所音乐学院的所有学生每天干的每一件小事,用多少时间做每件事,父母和家庭环境,来比较到底是什么使得那些音乐天才脱颖而出。


现在这项工作已经成熟了。2006 年,一本 900 多页的书,The Cambridge Handbook of Expertise and Expert Performance, 出版。这是 “怎样炼成天才” 研究的一本里程碑式的学术著作,此书直接引领了后来一系列畅销书的出现,包括格拉德威尔的《异类》,Geoff Colvin 的 Talent is Overrated,和 Daniel Coyle 的 The Talent Code 等等。科学家们不但证明了高手是练出来的,而且通过考察各个领域最好的训练方法的共性,总结了一套统一的练习方法,这就是所谓 “刻意练习”(deliberate practice)。


过去多年来,训练方法是不断进步的。比如说作曲,假设一名普通学生使用普通训练方法六年时间能达到的水平,另一个学生使用新的训练方法三年就能达到,那么我们可以说这个新训练方法的 “有效指数” 是 200%。统计表明,莫扎特当时的训练,他的有效指数是 130%。而二十世纪的天才也许没有莫扎特有名,但其训练水平都能达到 300% 到 500%!十三世纪的哲学家培根曾经认为任何人都不可能在少于 30 年之内掌握数学,而现在的学生十几岁的时候已经学到多得多的数学,教学方法进步了。事实上,我们今天在所有领域都比过去做得更好,体育世界纪录被不断打破,艺术家们的技巧也是过去根本无法想象的。


训练方法重要性的另一个体现是 “天才” 的扎堆出现,比如曾经有一个时期俄罗斯对女子网球,韩国对女子曲棍球,更不必说中国对乒乓球的的绝对优势。更进一步,哪怕你这个国家传统上并不擅长这个项目,只要有一名教练摸索掌握了科学训练法,那么他就可以带出一代绝世高手,比如中国花样滑冰教练姚滨。人们经常感慨中国十多亿人居然找不到 11 个足球天才 — 如果天才是天生的,那么十多亿人必然足以产生很多天才,但天才是练出来的,而中国缺乏有效的练习环境,人口再多也比不上欧洲小国。


刻意练习


首次提出 “刻意练习” 这个概念的是佛罗里达大学心理学家 K. Anders Ericsson。这套练习方法的核心假设是,专家级水平是逐渐地练出来的,而有效进步的关键在于找到一系列的小任务让受训者按顺序完成。这些小任务必须是受训者正好不会做,但是又正好可以学习掌握的。完成这种练习要求受训者思想高度集中,这就与那些例行公事或者带娱乐色彩的练习完全不同。“刻意练习” 的理论目前已经被广泛接受,我们可以总结一下它的特点。


1. 只在 “学习区” 练习


科学家们考察花样滑冰运动员的训练,发现在同样的练习时间内,普通的运动员更喜欢练自己早已掌握了的动作,而顶尖运动员则更多地练习各种高难度的跳。普通爱好者打高尔夫球纯粹是为了享受打球的过程,而职业运动员则集中练习在各种极端不舒服的位置打不好打的球。真正的练习不是为了完成运动量,练习的精髓是要持续地做自己做不好的事。


心理学家把人的知识和技能分为层层嵌套的三个圆形区域:最内一层是 “舒适区”,是我们已经熟练掌握的各种技能;最外一层是 “恐慌区”,是我们暂时无法学会的技能,二者中间则是 “学习区”。只有在学习区里面练习,一个人才可能进步。有效的练习任务必须精确的在受训者的 “学习区” 内进行,具有高度的针对性。在很多情况下这要求必须要有一个好的老师或者教练,从旁观者的角度更能发现我们最需要改进的地方。







请到「今天看啥」查看全文