(28DW-S8-Day10) T 型学习模式:迁移式学习
工作中经常用一些迁移学习的技术,而且最近随着 28 天写作营也在学习一些别的领域(新能源、区块链)的皮毛知识。特别是看到李永乐、卓克、万维钢这些人那么广的知识面,简直这种跨领域学习能力太强大了,所以杂糅在一起,有了今天想写的主题。
李永乐老师厉害不厉害,本身是一个中学物理老师,但现在他讲的话题,都已经是保罗万象。 我自己看过他几个非物理方面的视频,讲的都还挺专业(有些涉及到我自己领域,所以稍有些专业度的判断力:D)。 打心眼里佩服这种跨学科的学习能力。
T 型人才
之前听过一个"T 型人才"的说法。
([1])用字母“T”来表示他们的知识结构特点。“—”表示有广博的知识面,“|”表示知识的深度。两者的结合,既有较深的专业知识,又有广博的知识面,这类集深与博于一身的人才。
先深后广
我的理解是,要先在一个领域做深做透,深入到能达到这个领域的本质,后来发现到了这个阶段,其实很多领域的底层道理是相同的。
于是,通过有意识地链式一级一级往其他一度二度三度领域拓展,只需要花费其他专业人士入门级的时间投入(比如 20%),就能得到另一个专业 80%的真谛。于是,这种人逐渐变的似乎无所不知,分析事情时可以旁征博引,纵横捭阖。
是不是有庞统、诸葛亮的感觉?
做深:一万小时定律
一万小时定律,一般指的是作家格拉德威尔在《异类》一书中指出的成才普遍规律([2])。
要在一个领域变成杰出人士,比如小提琴演奏家、钢琴演奏家、花样滑冰冠军等,需要在足够早的时候苦练超过一万小时。
什么概念?
一万小时 = 每天练习 2 小时 X 每年 300 天 X 15 年
也就是,一般人需要 15 年才能成才。如果想在 5 年成才,需要每天练习 6 个小时以上。你能做到吗?
拓广:迁移学习
忘记之前看的什么书里说的,巴菲特、查理芒格等人有个爱好、习惯,或者说秉承的信念。
需要持续不断学习不同领域的基础理论。哪怕只是入门的最基础理论,只要能 让自己的工具箱尽量全面,而不陷入拿着锤头到处找钉子的狭窄思维模式。
迁移学习: 巨量通用数据预训练 + 下游任务微调
目前 AI 领域,包括很多图像、文本任务,都会采用迁移学习机制。
简单讲,就是基于一个用巨量通用数据预先训练好的基础模型,在下游具体任务上进行一些参数微调,就能很好地处理下游具体任务。
打个比方,练了十年马步、长拳,俯卧撑、下蹲(巨量通用数据预训练), 然后根据一本薄薄的秘籍,就能学会降龙十八掌、凌波微步这些具体大招了。
在机器学习领域这类叫做是迁移学习(transfer learning)。
什么学习者最可怕
是否可以这么说?
常学习的人并不都可怕,尤其是那种学 N 多东西,但都浅尝辄止的。 可怕的是把一种东西练上万次的。 更可怕的是 T 型学习,一种东西练习 10 万次以后成为绝顶高手。 最可怕的是这些绝顶高手还不断扩展,迁移学习,在一个个新领域都练习 1000 次,成为 T 型全面高手。
参考文献
格拉德威尔,《异类》
版权声明: 本文为 InfoQ 作者【mtfelix】的原创文章。
原文链接:【http://xie.infoq.cn/article/2dd3d5b95eb564ab8855beaae】。文章转载请联系作者。
评论