Du går ikke op ad trappen i realtid. Hvis du gjorde det, ville du være langsom - hvert trin kræver bevidst behandling af højde, tekstur, muskelspænding og balance.I stedet genererer din hjerne en højopløsningsforudsigelse af den næste trappe, før din fod lander. 1 Du bliver kun opmærksom på det, når simuleringen fejler. Når din fod rammer gulvet tidligere end forventet, eller når du finder tom luft, hvor et skridt skal være, er det en forudsigelsesfejl, der joler dig tilbage til bevidsthed, indtil du løser fejlen. 2 Når forudsigelsesfejl er lav, er du på autopilot. Når forudsigelsesfejl er høj, glider du ind i bevidstheden og opdaterer modellen. Denne mekanisme forklarer meget om, hvordan du rent faktisk lærer, og de fleste mennesker har den helt forkerte model for læring. De fleste råd om "læring hurtigere" føles rigtigt, når du læser det, derefter fordamper. Spaced gentagelse, aktiv tilbagekaldelse, bevidst praksis - du knuder sammen, prøv det i en uge, så glem hvorfor det betød. Uden at forklare den maskine, der gør det arbejde. Hvad Denne essay er forklaringen. maskinen, der gør teknikker enten kompilere til reel evne eller opløse. What You Think Learning Is Hvad du tror læring er De fleste tror, at læring er Som at fylde en harddisk.Du gemmer oplysninger, du henter det senere.Mere lagring = mere viden = mere kapacitet. accumulation Da du lærte at gå trapper, skabte din hjerne en model: "I betragtning af denne sensoriske input (trappekant), forudsige: højdeændring, krævet muskelspænding, forventet sensorisk feedback." Et sammensat mønster af viden, der kører automatisk. This is a scheme Ekspertpræstation handler ikke om at vide mere, det handler om at have ordninger med lavere forudsigelsesfejl. Deres hjerner bruger mindre indsats, fordi de har lært, hvad der betyder noget. 3 Når eksperter ser på en skakposition, ved de allerede, hvor de skal fokusere opmærksomheden, mens de ignorerer irrelevante stykker. Forskellen mellem eksperten og nybegynderen er ordningen. Du kan ikke forkorte dette. Og den korte. er Du samler enten skemaerne gennem iterationer, eller du har dem ikke. The Only Two Ways To Learn De to eneste måder at lære på Folk, der ønsker at lære "hurtigt", stiller det forkerte spørgsmål.Når du forstår, hvordan skemaer kompilerer, bliver hastigheden irrelevant. Der er kun to legitime veje til at kompilere skemaer - du løser enten virkelige problemer (hvor hastighed opstår naturligt fra bedre systemer) eller du gør det for iboende belønning (hvor du slet ikke bekymrer dig om hastighed). 1. You’re Solving A Real Problem Ikke “learning React”.Send en funktion til faktiske brugere. Hvis du forsøger at helbrede din ven af en sygdom i middelalderen, læser du ikke for at "afslutte bogen" - du finder, hvad du har brug for til en kur og gå helbrede din ven. Bevidst praksis er ikke gentagelse - det er iterativ tilpasning til mål med øjeblikkelig feedback. Udvikleren, der har sendt 20 produkter, har udarbejdet skemaer. De kan forklare betydningen af en lang liste af akronymer, men ikke de forward-modeller, der genererer arbejdskode. Minder om ordninger Kompilerede skemaer overlever, fordi de blev bygget mod virkelighedens feedback, ikke syntetiske eksempler. Hvis du er fanget i et fængsel, hvor kun fransk tales, vil du lære fransk hurtigere end at læse det i dit hjem, hvor ingen taler fransk. (Dette betyder ikke, at du skal rejse til et andet land for at lære et sprog. 2. Genuine Curiosity, The knowledge itself is the reward. When you learned your first language: Din mor siger “cup”, peger på objektet. Ordet kortlægger direkte til dit skema af den cylindriske ting. When you learn a second language through apps: Det oversættes til "Godmorgen", som kortlægger dit mønster af morgen sol, smagen i din mund, når du vågner op, og alle dimensionerne af "morgen" -ordningen. Du tænker på engelsk og oversætter. Den fremadgående model kører på engelsk, ikke fransk. Dette er proxy-kæde: Brug et sprog som en mellemmand til at få adgang til ordene, i stedet for at kortlægge ord direkte. De neurale veje er målbart forskellige: Direkte kortlægning: Sprog aktiverer skemaer direkte (Meme => Skema) Proxy-kæden: Sprog aktiverer oversættelsesnetværk først og derefter skemaer (Meme => Meme => Scheme)4 Selvfølgelig kan du til sidst skifte fra en proxy til den faktiske ordning, hvis du fortsætter med at lære. Spil klaver, fordi musikken er sjov. Kode, fordi opbygning er sjovt - ikke fordi du tjekker "lært Python" eller "Jeg koder cpp." Når aktiviteten selv er givende, kører du kontinuerlige højvariansordninger drevet af nysgerrighed. Ideelt set får du begge dele: løse virkelige problemer, der betyder noget, mens selve processen er givende. How Schemes Become Memes (And Vice Versa) Hvordan skemaer bliver memes (og vice versa) Et meme er en komprimeret beskrivelse af en ordning. Når du konverterer et skema til et meme, mister du næsten alt: Scheme => Meme (Compression with loss): Dine fingre ved, hvor du skal hen for en mindre syvende akkord - du forudsiger fingrenes positioner, tryk og den resulterende lyd automatisk. Nogen spørger: “Hvordan spiller du en mindre syvende?” Du producerer et meme: "Det er roden, mindre tredje, femte og mindre syvende." Den person, der hører den, har nu en beskrivelse, ikke hele systemet. De kan ikke spille akord fra den meme alene. De skal udarbejde deres egen ordning gennem gentagne iterationer - placere fingre, høre forkerte noter, justere, indtil modellen forudsiger korrekt. Meme => Scheme (Decompression requires work): Du har læst: "Brug spaced repetition til hukommelsesopbevaring." Det komprimerer en andens ordning (deres system, der kender til at gennemgå, Spacing påvirker konsolidering, Det er en forkortelse) i en kort sætning. Når Hvordan Hvad For at konvertere det meme til et skema skal du køre iterationer, forklare, hvorfor det virker eller fejler, forbedre med en variation og gentage. De fleste mennesker stopper ved meme.De indsamler beskrivelser: “spaced repetition works”, “deliberate practice matters”, “søvn konsoliderer hukommelse.”Disse er sande meme – de peger på virkelige skemaer – men uden at gøre dekompression arbejde, du bare flytte symboler rundt. Why experts struggle to teach: Hvorfor eksperter kæmper for at undervise: Eksperter har skemaer. studerende har brug for skemaer. men transmission sker gennem memes. Ekspertens fremadrettede model er så komprimeret og automatisk, at de ikke kan artikulere det fuldt ud. Når de forsøger, producerer de memes, der har mistet det meste af oplysningerne. ”Føl bare rytmen.” ”Make it pop.” ”Hold din håndled løs.” Disse memes er Den studerende har brug for tusindvis af iterationer for at dekomprimere disse memes til at arbejde fremad modeller. Korrekt Derfor kan du ikke lære at spille jazz ved at læse om jazz (selvom det hjælper). Du samler memes om ordninger, ikke samler ordninger. I hvert domæne er skemaet et system kalibreret gennem tusindvis af iterationer. At indsamle memes giver dig kompetenceordforrådet. at udarbejde skemaer giver dig faktisk kompetence. Hvorfor de fleste "læring" er bare meme samling. Most “Learning” Doesn’t Compile Anything De fleste “learning” samler ikke noget De fleste læring fejler, fordi det hverken er problemdrevet eller nedsænkning drevet. Ingen reelle væddemål, ingen ægte nedsænkning (du følger instruktioner, ikke udforsker). Tutorial hell: Optimering for en syntetisk metrik, der ikke kortlægger til virkelige iterationer. Du samler "hvordan man passerer denne eksamen", ikke "hvordan man tænker i dette domæne." Studying for exams: Ingen iboende belønning (det er pligt, ikke nysgerrighed), ingen reelle problemer at løse.Din ordning engagerer aldrig. Courses you “should” take: The Proxy-Chain Trap: Hvad er Proxy Chain Trap: Nogle domæner er umulige at lære uden proxy-kæde først. Du kan ikke direkte kortlægge din vej ind i kvantemekanik - du skal først forstå mellemledet. Men mestring er, når proxy'erne opløses. Når du forstår kvantemekanik, oversætter du ikke længere. Hvis du aldrig gør det skift fra proxy-kæde til direkte kortlægning, forbliver du mellemliggende for evigt. Du kan kode ved at oversætte gennem Stack Overflow mønstre, men du tænker ikke i kode. Du kan tale fransk ved at oversætte fra engelsk, men du tænker ikke på fransk. Du kan løse problemer ved at oversætte gennem rammedokumentation, men du forstår ikke domænet. Når du fjerner stativet, kollapser din præstation? Hvis ja, så har du proxy-kæden. Grunden til, at de fleste mennesker bliver i “Meme” territorium, er, at Jolt på trapperne udløser en fysiologisk stressrespons. compiling is painful For at lære, skal du bevidst søge ud af følelsen af at gå glip af et skridt. Tutorials er designet til at få dig til at føle, at du går på flad jord. De eliminerer jolt, som føles godt, men sikrer ingen modelopdateringer nogensinde forekomme. Physiological Constraint Fysiologiske begrænsninger Du kan ikke udarbejde skemaer, når din hjerne ikke kan udføre beregningen. Mennesker kan aktivt holde ca. 4 ± 1 elementer i arbejdshukommelsen ad gangen Når din biologi forringes gennem stress, søvnmangel eller dårlig ernæring, falder denne kapacitet mærkbart - nogle gange ned til 1-2 stykker. 5 Med denne kapacitet kan du ikke: Hold komplekse problemstrukturer Vedligeholde flere hypoteser Løb med counterfactuals Skab nye forudsigelser Kronisk stress forringer arbejdshukommelsen og den kognitive fleksibilitet, der skifter kognition fra højt niveau tænkning til overlevelse mode (reagerer på øjeblikkelige input med cachede svar). Søvn. Stressstyring. Ernæring. Miljødesign. Dette er forudsætninger for, at din plan skal fungere. AI Is a Cognitive Prosthetic AI er en kognitiv proteser Det er en udvidelse af din tænkning, der kan køre tusindvis af scenarier på data trænet på internettets kollektive intelligens. Din arbejdshukommelse kan holde ~ 4 stykker. Komplekse problemer har et større antal variabler, og vi komprimerer dem normalt. Men nogle problemer har variabler, der tidligere var komprimerbare. AI kan vilkårligt holde mange mellemliggende tilstande, mens du behandler dem. Dette er ægte gearing - hvis du ved, hvordan man integrerer det. En forfatter bruger Claude til at holde 20 plottråde og tegnbuer, mens han fokuserer på dialog på scene-niveau. En forsker vedligeholder 15 papircitater og konkurrerende argumenter, mens han syntetiserer en ny ramme. AI udvider din arbejdshukommelse, så du kan håndtere mere kompleksitet. De forestiller sig en dialog, hvor der kun er en monolog. AI er ikke en bevidst intelligens. Det er en beregningspræstatik. Det er din egen hjerne, der kører på hurtigere hardware. Du genererer normalt masser af tilfældigt geni og idiotiske tanker hvert minut og vælger de bedste. AI udvider det, så du kan tænke endnu mere - i en eksponentiel hastighed, fordi den kollektive intelligens på internettet arbejder for dit mål. Når du bruger værktøjet til at "udfordre" dine ideer, søger du ikke en anden mening. Du bruger et højhastighedsspejl til at forudse svage punkter din biologi var for langsom til at kortlægge. Hvis udgangen er sycophantic, er din hensigt sycophantic. Den kollektive historie af menneskelig tanke, den holder, er ikke viden, indtil din hensigt vælger den. En protetisk lem ikke ved, hvordan man går - det udfører brugerens balance. Hvis du proxy-chain gennem AI, ingen ordninger kompilere. Når AI er forkert eller utilgængelig, har du intet. Dette er identisk med at lære fransk gennem Google Translate. Du bygger ikke direkte kortlægninger. Du bygger afhængighed af en mellemmand. This matters now because the leverage is huge. Det, der før var umuligt, er nu svært (med hjælp fra AI). Men kun hvis du forstår din egen viden grundlæggende og har reelle indsatser, der tvinger verifikation. Ellers får du bare uendelig gearing på din oprindelige tænkning. Du vil trygt gå ned af klipperne med 10x hastighed. De fleste mennesker kan ikke fortælle forskellen, fordi de har den forkerte mentale model for læring. Så de bruger AI som en "arbejdspartner" i stedet for arbejdshukommelsesudvidelse. De optimerer til tutorial færdiggørelse i stedet for at sende rigtige ting. De forveksler memes om domænekendskab med faktiske ordninger, der genererer resultater. Løsheden bliver større: Folk, der forstår skemaerne i deres viden, fik kun 10× gearing. Folk, der tror, at læring er akkumulering, er 10 gange hurtigere på at løbe mod en klippe. Du kan ikke forfalske skemaer. virkeligheden tester dem hele tiden. Den, der lærer, er den, der ikke kan skjule sig for at være forkert. Hvis du har nydt denne artikel og gerne vil have mere, så abonnér på vores nyhedsbrev: https://crive.substack.com References Forudsigende behandling basics & trapper-lignende eksempler: Karl Friston på forudsigende kodning (oversigt): Andy Clarks tilgængelige intro: 1 https://en.wikipedia.org/wiki/Predictive_coding https://www.mind-foundation.org/blog/predictive-coding Forudsigelsesfejl og bevidsthed: Fristons grundlæggende papir om forudsigende kodning/fri energi: https://pmc.ncbi.nlm.nih.gov/articles/PMC2666703/ 2 Skakekendskab & Neural Efficiency: Systematisk gennemgang af hjernebilleddannelse hos eksperter vs. begyndere: (eksperter viser effektive, fokuserede mønstre) 3 https://www.sciencedirect.com/science/article/pii/S3050642525000326 Immersion vs. eksplicit / klasseværelse: Morgan-Short et al. (2012) - implicit / nedsænkning giver native-lignende ERP-mønstre: 4 https://pubmed.ncbi.nlm.nih.gov/21861686/ Arbejdshukommelse ~4 stykker: Cowan (2001) - Det magiske tal 4: 5 https://pubmed.ncbi.nlm.nih.gov/11515286/
