आप वास्तविक समय में सीढ़ियों पर नहीं चढ़ते हैं। यदि आप ऐसा करते हैं, तो आप धीरे-धीरे होते हैं - प्रत्येक कदम को ऊंचाई, बनावट, मांसपेशियों की तनाव और संतुलन की जागरूक प्रसंस्करण की आवश्यकता होती है. इसके बजाय, आपका मस्तिष्क अपने पैरों को उतरने से पहले अगले सीढ़ी का एक उच्च संकल्प पूर्वानुमान उत्पन्न करता है. 1 आप केवल तब इसके बारे में जागरूक हो जाते हैं जब सिमुलेशन विफल हो जाता है। जब आपका पैर अपेक्षा की तुलना में जल्दी जमीन पर उतरता है या जब आप खाली हवा पाते हैं जहां एक कदम होना चाहिए. यह एक भविष्यवाणी त्रुटि है जो आपको चौंकाती है जब तक कि आप त्रुटि को हल नहीं करते हैं। 2 जब पूर्वानुमान त्रुटि कम है, तो आप ऑटोपिलोट पर हैं. जब पूर्वानुमान त्रुटि उच्च है, तो आप जागरूकता और मॉडल अद्यतन में घुस जाते हैं। यह तंत्र वास्तव में सीखने के तरीके के बारे में बहुत कुछ बताता है. और अधिकांश लोगों के पास सीखने का पूरी तरह से गलत मॉडल है. अधिकांश सलाह "सबसे तेजी से सीखने" पर सही महसूस होती है जब आप इसे पढ़ते हैं, फिर वाष्प करते हैं। अंतरंग पुनरावृत्ति, सक्रिय स्मरण, जानबूझकर अभ्यास - आप इसे एक सप्ताह के लिए कोशिश करते हैं, फिर भूल जाते हैं कि यह क्यों मायने रखता है। बिना मशीन को समझाने के यह काम करता है। क्या यह संस्करण स्पष्टीकरण है. मशीनरी जो तकनीकों को या तो असली क्षमता में संकलित या विघटित करती है। What You Think Learning Is आप क्या सोचते हैं सीखना ज्यादातर लोग सोचते हैं कि सीखना . जैसे कि एक हार्ड ड्राइव भरना. आप जानकारी संग्रहीत करते हैं, आप इसे बाद में प्राप्त करते हैं. अधिक भंडारण = अधिक ज्ञान = अधिक सक्षम। accumulation जब आप सीखते हैं कि सीढ़ियों पर चलना है, तो आपका मस्तिष्क एक मॉडल काटता है: "इस संवेदनात्मक इनपुट (सीढ़ी के किनारे) को देखते हुए, भविष्यवाणी करें: ऊंचाई परिवर्तन, आवश्यक मांसपेशी तनाव, अपेक्षित संवेदनात्मक प्रतिक्रिया। एक संग्रहीत ज्ञान पैटर्न जो स्वचालित रूप से चलता है। This is a scheme विशेषज्ञ प्रदर्शन अधिक जानने के बारे में नहीं है, यह कम पूर्वानुमान त्रुटि वाले योजनाओं के बारे में है। शैक्षणिक विशेषज्ञ कम तंत्रिका ऊर्जा का उपयोग करते हैं, अधिक नहीं. उनके मस्तिष्क कम प्रयास खर्च करते हैं क्योंकि उन्होंने सीखा है कि क्या मायने रखता है. 3 शुरुआती brute-force calculation के साथ सब कुछ संसाधित करता है. जब विशेषज्ञों ने एक शैक्षणिक स्थिति को देखा, तो वे पहले से ही जानते हैं कि irrelevant टुकड़ों को अनदेखा करते हुए ध्यान केंद्रित करने के लिए कहां है। विशेषज्ञ और शुरुआती के बीच का अंतर योजना है। आप इसे कम नहीं कर सकते. यह संक्षिप्त है। है आप या तो पुनरावृत्ति के माध्यम से योजनाओं को संकलित करते हैं, या आपके पास उन्हें नहीं है। The Only Two Ways To Learn सीखने के केवल दो तरीके जो लोग "बहुत जल्दी" सीखना चाहते हैं, वे गलत सवाल पूछ रहे हैं. एक बार जब आप समझते हैं कि योजनाएं कैसे संकलित की जाती हैं, तो गति irrelevant हो जाती है. आप शाब्दिक रूप से अपने मस्तिष्क में न्यूरोनों को तेजी से फेंक नहीं सकते. योजनाओं को संकलित करने के लिए केवल दो वैध तरीके हैं - आप या तो वास्तविक समस्याओं को हल कर रहे हैं (जहां गति बेहतर प्रणालियों से स्वाभाविक रूप से उत्पन्न होती है) या आप आंतरिक पुरस्कार के लिए ऐसा कर रहे हैं (जहां आप गति के बारे में बिल्कुल भी परवाह नहीं करते हैं)। 1. You’re Solving A Real Problem "पढ़ना प्रतिक्रिया नहीं है." वास्तविक उपयोगकर्ताओं को एक विशेषता भेजने के लिए। यदि आप मध्ययुगीन काल में अपने दोस्त को एक बीमारी से इलाज करने की कोशिश कर रहे हैं, तो आप "पुस्तक को पूरा करने के लिए" नहीं पढ़ते हैं - आप एक इलाज के लिए जो आपको चाहिए उसे पाते हैं और अपने दोस्त को ठीक करने के लिए जाते हैं। जानबूझकर अभ्यास दोहराना नहीं है - यह तुरंत प्रतिक्रिया के साथ लक्ष्यों के लिए पुनरावृत्तित्मक समायोजन है। 20 उत्पादों को शिपिंग करने वाले डेवलपर्स ने योजनाएं संकलित की हैं। - वे एक्रोनिमाओं की एक लंबी सूची का अर्थ समझा सकते हैं, लेकिन कार्य कोड उत्पन्न करने वाले पूर्व मॉडल नहीं। योजनाओं के बारे में राय संकलित योजनाएं जीवित रहती हैं क्योंकि वे वास्तविकता की प्रतिक्रिया के खिलाफ बनाई गई थीं, सिंथेटिक उदाहरण नहीं। यदि आप एक जेल में फ्रेंच बोलते हैं, तो आप अपने घर में पढ़ने की तुलना में तेजी से फ्रेंच सीखेंगे जहां कोई भी फ्रेंच नहीं बोलता है। (यह मतलब नहीं है कि आप एक भाषा सीखने के लिए किसी अन्य देश में यात्रा कर रहे हैं. मैं केवल सीखने की प्रक्रिया को दर्शा रहा हूं.) 2. Genuine Curiosity, The knowledge itself is the reward. When you learned your first language: आपकी माँ कहती है "कप्प", वस्तु को इंगित करती है. शब्द सीधे उस सिलेंड्रिक चीज़ की आपकी योजना को मानता है. When you learn a second language through apps: यह "अच्छा सुबह" के रूप में अनुवादित होता है, जो आपकी सुबह की धूप की योजना, जब आप जागते हैं तो आपके मुंह में स्वाद और "सुबह" की योजना के सभी आयामों को मानचित्रित करता है। आप अंग्रेजी में सोच रहे हैं और अनुवाद कर रहे हैं. अग्रिम मॉडल अंग्रेजी में चलता है, फ्रेंच नहीं. यह प्रॉक्सी चेन है: एक भाषा का उपयोग करने के लिए एक मध्यस्थ के रूप में योजनाओं तक पहुंचने के लिए, सीधे शब्दों को मानचित्रित करने के बजाय। तंत्रिका मार्ग मापने योग्य रूप से अलग हैं: सीधे मैपिंग: भाषा सीधे योजनाओं को सक्रिय करती है (मेम => योजना) प्रॉक्सी श्रृंखला: भाषा पहले अनुवाद नेटवर्क को सक्रिय करती है, फिर योजनाएं (मेम => मेम => योजना)4 बेशक, आप अंततः प्रॉक्सी से वास्तविक योजना में स्विच कर सकते हैं यदि आप सीखना जारी रखते हैं। पियानो खेलते हैं क्योंकि संगीत सुखद है। कोड क्योंकि निर्माण मजेदार है - इसलिए नहीं क्योंकि आप "पियथन सीखा" या "मैं सीपीपी कोड" से बाहर निकल रहे हैं। जब गतिविधि खुद ही पुरस्कृत होती है, तो आप उत्सुकता से प्रेरित निरंतर उच्च-विराम योजनाएं चलाते हैं। आदर्श रूप से, आपको दोनों मिलते हैं: असली समस्याओं को हल करना जो मायने रखता है जबकि प्रक्रिया स्वयं लाभदायक है। How Schemes Become Memes (And Vice Versa) कैसे योजनाएं मेम बन जाती हैं (और इसके विपरीत) एक मेम एक योजना का संपीड़ित विवरण है। जब आप एक योजना को एक मेम में परिवर्तित करते हैं, तो आप लगभग सब कुछ खो देते हैं: Scheme => Meme (Compression with loss): आपके उंगलियों को पता है कि एक छोटे से सातवें संग्रह के लिए कहां जाना है - आप उंगलियों की स्थिति, दबाव और परिणामस्वरूप ध्वनि को स्वचालित रूप से भविष्यवाणी करते हैं। कोई पूछता है, "आप एक छोटे से सातवें कैसे खेलते हैं? आप एक मिम का उत्पादन करते हैं: "यह जड़ है, छोटे तीसरे, पांचवें और छोटे सातवें। उस मेम को संरचना का वर्णन करता है, लेकिन इसमें आगे के मॉडल का कोई भी नहीं होता है. जिस व्यक्ति को यह सुनना है, उसके पास अब एक वर्णन है, पूरे सिस्टम को नहीं. वे उस मेम से अकेले कॉर्ड को नहीं खेल सकते हैं. उन्हें दोहराए गए पुनरावृत्तियों के माध्यम से अपना खुद का योजना बनाना पड़ता है - उंगलियों को रखना, गलत नोटों को सुनना, मॉडल को सही तरीके से भविष्यवाणी करने तक समायोजित करना। Meme => Scheme (Decompression requires work): आप पढ़ रहे हैं: "मेरी स्मृति रखने के लिए अंतरित दोहराव का उपयोग करें। यह किसी और की योजना को संपीड़ित करता है (उनकी प्रणाली जो जानती है समीक्षा के लिए, संतुलन को प्रभावित करता है, एक संक्षिप्त वाक्यांश में (In a short phrase) जब कैसे क्या उस मेम को एक योजना में परिवर्तित करने के लिए, आपको पुनरावृत्तिएं चलानी चाहिए, समझाना चाहिए कि यह क्यों काम करता है या विफल रहता है, एक बदलाव के साथ सुधार करना चाहिए और दोहराना चाहिए। अधिकांश लोग मेम पर रुकते हैं. वे विवरण इकट्ठा करते हैं: "प्रसारित पुनरावृत्ति काम करती है," "समय पर अभ्यास मायने रखती है," "शैली स्मृति को मजबूत करती है." ये सच्चे मेम हैं-वे वास्तविक योजनाओं को इंगित करते हैं-लेकिन डिकॉम्पिशन काम करने के बिना, आप सिर्फ प्रतीकों को चारों ओर ले जाते हैं। Why experts struggle to teach: क्यों विशेषज्ञों को सिखाने के लिए संघर्ष करते हैं: विशेषज्ञों के पास योजनाएं हैं. छात्रों को योजनाओं की आवश्यकता होती है. लेकिन संचार मेम के माध्यम से होता है. विशेषज्ञ के आगे के मॉडल इतने संपीड़ित और स्वचालित हैं कि वे इसे पूरी तरह से वर्णित नहीं कर सकते हैं. जब वे कोशिश करते हैं, तो वे मेम बनाते हैं जो अधिकांश जानकारी खो देते हैं. "केवल रिथम को महसूस करें." "यह पॉप करें." "अपने कंधे को रिहा रखें। ये स्मृतियां हैं लेकिन वे योजना के बिना किसी के लिए बेकार से संपीड़ित होते हैं. छात्र को उन मेमों को काम करने वाले आगे के मॉडल में decompress करने के लिए हजारों पुनरावृत्तियों की आवश्यकता होती है. सही यही कारण है कि आप जैज़ के बारे में पढ़कर जैज़ खेलना नहीं सीख सकते हैं (हालांकि यह मदद करता है)। आप योजनाओं के बारे में मेमो इकट्ठा कर रहे हैं, योजनाओं को संकलित नहीं कर रहे हैं। प्रत्येक डोमेन में, योजना एक प्रणाली है जो हजारों पुनरावृत्तियों के माध्यम से कैलिब्रेट की जाती है। मेमों को इकट्ठा करना आपको योग्यता के शब्दकोश देता है. योजनाओं को संकलित करना आपको वास्तविक योग्यता देता है. यही कारण है कि ट्यूटोरियल नरक विफल हो जाता है. क्यों ज्यादातर "पढ़ना" केवल मिम संग्रह है. Most “Learning” Doesn’t Compile Anything अधिकांश "अनुशासन" कुछ भी संकलित नहीं करता है अधिकांश सीखने में विफलता होती है क्योंकि यह न तो समस्या-आधारित है और न ही निमंत्रण-आधारित है। कोई वास्तविक दांव नहीं, कोई वास्तविक डुबकी नहीं (आप निर्देशों का पालन कर रहे हैं, खोज नहीं कर रहे हैं)। Tutorial hell: एक सिंथेटिक मीट्रिक के लिए अनुकूलन जो वास्तविक दुनिया के पुनरावृत्ति के लिए नक्शा नहीं करता है. आप "इस परीक्षा को कैसे पारित करें," नहीं "इस डोमेन में कैसे सोचें" संकलित कर रहे हैं। Studying for exams: कोई अंतर्निहित पुरस्कार (यह दायित्व है, जिज्ञासा नहीं है), हल करने के लिए कोई वास्तविक समस्या नहीं है. आपका योजना कभी नहीं जुड़ती है. आप आगे के मॉडल बनाने के बिना मेमों को चारों ओर ले जा रहे हैं. Courses you “should” take: The Proxy-Chain Trap: Proxy Chain Trap का उपयोग करें: कुछ डोमेन पहले प्रॉक्सी-चेनिंग के बिना सीखना असंभव है. आप सीधे क्वांटम मैकेनिक में अपना रास्ता नक्शा नहीं कर सकते-आपको पहले मध्यस्थ को समझने की जरूरत है. लेकिन मास्टर तब होता है जब प्रॉक्सी विलुप्त हो जाते हैं. जब आप क्वांटम मैकेनिक को समझते हैं, तो आप अब अनुवाद नहीं कर रहे हैं. आप डोमेन में ही सोचते हैं. यदि आप कभी भी प्रॉक्सी-चेनिंग से प्रत्यक्ष मानचित्रण करने के लिए उस स्विच को नहीं बनाते हैं, तो आप हमेशा के लिए मध्यम रहते हैं। आप Stack Overflow पैटर्न के माध्यम से अनुवाद करके कोड कर सकते हैं, लेकिन आप कोड में नहीं सोच रहे हैं। आप अंग्रेजी से अनुवाद करके फ्रेंच बोल सकते हैं, लेकिन आप फ्रेंच में नहीं सोच रहे हैं। आप फ्रेमवर्क दस्तावेज के माध्यम से अनुवाद करके समस्याओं को हल कर सकते हैं, लेकिन आप डोमेन को नहीं समझते हैं। जब आप स्टैफ़ोल्ड को हटाते हैं, तो क्या आपकी प्रदर्शन टूटती है? यदि हाँ, तो आप प्रॉक्सी श्रृंखला कर रहे थे। अधिकांश लोग "मेम" क्षेत्र में रहने का कारण है कि सीढ़ियों पर घूमना एक शारीरिक तनाव प्रतिक्रिया का कारण बनता है। compiling is painful सीखने के लिए, आपको जानबूझकर एक कदम को याद करने की भावना की तलाश करनी चाहिए। ट्यूटोरियल आपको ऐसा महसूस करने के लिए डिज़ाइन किए गए हैं जैसे आप फ्लैट जमीन पर चल रहे हैं. वे जॉल्ट को खत्म करते हैं, जो अच्छा महसूस करता है लेकिन यह सुनिश्चित करता है कि कभी भी कोई मॉडल अद्यतन नहीं होता है. Physiological Constraint शारीरिक प्रतिबंध आप योजनाओं को संकलित नहीं कर सकते जब आपका मस्तिष्क गणना को निष्पादित नहीं कर सकता है। लोग सक्रिय रूप से एक ही समय में काम करने वाली स्मृति में लगभग 4 ± 1 आइटम रख सकते हैं जब आपका जीवविज्ञान तनाव, नींद की कमी, या खराब पोषण के कारण खराब हो जाता है, तो यह क्षमता काफी कम हो जाती है - कभी-कभी 1-2 टुकड़ों तक। 5 इस क्षमता के साथ आप नहीं कर सकते: जटिल समस्या संरचनाओं को बनाए रखें कई अनुमानों का पालन करना विरोधाभासों का दौरा नई भविष्यवाणियों का निर्माण पुरानी तनाव काम की स्मृति और संज्ञानात्मक लचीलापन को नुकसान पहुंचाता है, उच्च-स्तरीय सोच से संज्ञाना को जीवित रहने की मोड में स्थानांतरित करता है (सीएचएड प्रतिक्रियाओं के साथ तत्काल इनपुट पर प्रतिक्रिया) कोई सीखना नहीं होता है क्योंकि कोई मॉडल अद्यतन नहीं होता है। नींद. तनाव प्रबंधन. पोषण. पर्यावरण डिजाइन. ये आपके योजना के काम करने के लिए पूर्वानुमान हैं। AI Is a Cognitive Prosthetic AI एक संज्ञानात्मक प्रोस्टेटिक है यह आपके सोच का एक विस्तार है जो इंटरनेट की सामूहिक बुद्धि पर प्रशिक्षित डेटा पर हजारों परिदृश्य चला सकता है। आपका काम करने वाला मेमोरी ~4 टुकड़े रख सकता है। जटिल समस्याओं में बदलावों की एक बड़ी संख्या होती है, और हम आमतौर पर उन्हें संपीड़ित करते हैं. लेकिन कुछ समस्याओं में बदलाव होते हैं जो पहले असम्भव थे. अब हम उन्हें संपीड़ित कर सकते हैं क्योंकि एआई अधिक बदलावों को पकड़ सकता है. जब आप उन्हें संसाधित करते हैं तो एआई arbitrarily कई मध्यस्थ राज्यों को पकड़ सकता है. यह वास्तविक लेवरेज है - यदि आप जानते हैं कि इसे कैसे एकीकृत करना है. एक लेखक क्लॉड का उपयोग 20 प्लॉट थ्रेड और चरित्र आर्क को पकड़ने के लिए करता है जबकि दृश्य स्तर पर संवाद पर ध्यान केंद्रित करता है. एक शोधकर्ता 15 कागज उद्धरणों और प्रतिस्पर्धी तर्कों को बनाए रखता है जबकि एक नए फ्रेमवर्क को संश्लेषित करता है. एक डेवलपर्स बॉयलरप्लेट को अपलोड करता है ताकि पूरे सिस्टम वास्तुकला काम करने की स्मृति में रह सके. योजनाएं अभी भी आपके मस्तिष्क में संग्रहीत होती हैं. एआई आपके काम करने की स्मृति को बढ़ाता है ताकि आप अधिक जटिलता का प्रबंधन कर सकें। लोग गणना को मानवतावादी बनाते हैं6. वे एक बातचीत की कल्पना करते हैं जहां केवल एक मोनोलॉग होता है। एआई एक जागरूक बुद्धि नहीं है. यह एक गणनात्मक प्रोस्टेटिक है. यह तेजी से हार्डवेयर पर चलने वाला आपका मस्तिष्क है. आप आमतौर पर हर मिनट कई यादृच्छिक प्रतिभा और बेवकूफ विचार उत्पन्न करते हैं और सबसे अच्छे को चुनते हैं। जब आप अपने विचारों को "विरोध" करने के लिए उपकरण का उपयोग करते हैं, तो आप दूसरी राय की तलाश नहीं कर रहे हैं. आप कमजोर बिंदुओं की पूर्वानुमान करने के लिए एक उच्च गति दर्पण का उपयोग कर रहे हैं. आपका जीव विज्ञान नक्शा करने के लिए बहुत धीमा था. यह आपकी खुद की संदेह है, मजबूत। यदि आउटपुट सिकोफेंटिक है, तो आपका इरादा सिकोफेंटिक है। मानव विचार का सामूहिक इतिहास वह रखता है ज्ञान नहीं है जब तक कि आपका इरादा इसे चुनता है. एक प्रोस्टेटिक अंग नहीं जानता कि कैसे चलना है - यह उपयोगकर्ता के संतुलन को निष्पादित करता है. एआई आपके खोज को निष्पादित करता है. यदि आप एआई के माध्यम से प्रॉक्सी चेन करते हैं, तो कोई योजनाएं कॉपी नहीं करती हैं. जब एआई गलत है या उपलब्ध नहीं है, तो आपके पास कुछ भी नहीं है. यह Google Translate के माध्यम से फ्रेंच सीखने के समान है. आप सीधे नक्शे का निर्माण नहीं कर रहे हैं. आप एक मध्यस्थ पर निर्भरता बना रहे हैं. This matters now because the leverage is huge. जो पहले असंभव था, अब मुश्किल है (आईए की सहायता के साथ). जो कठिन था, अब आसान है। लेकिन केवल अगर आप अपने ज्ञान को मौलिक रूप से समझते हैं और वास्तविक दांव रखते हैं जो सत्यापन को मजबूर करते हैं। अन्यथा, आपको अपने प्रारंभिक विचारों पर अंतहीन लेवरेज मिलता है. आप आत्मविश्वास से 10x गति से चट्टानों से चलेंगे। अधिकांश लोग अंतर नहीं बता सकते हैं क्योंकि उनके पास सीखने का गलत मानसिक मॉडल है. वे सोचते हैं कि बेहतर योजनाओं का निर्माण करने पर यह एकत्र (अधिक तथ्यों को स्टोर) है। इसलिए, वे काम करने वाली स्मृति विस्तार के बजाय एआई को एक "काम साथी" के रूप में उपयोग करते हैं। वे वास्तविक चीजों को शिपिंग के बजाय ट्यूटोरियल पूरा करने के लिए अनुकूलित करते हैं। वे डोमेन ज्ञान के बारे में मेमा को वास्तविक योजनाओं के साथ भ्रमित करते हैं जो परिणाम उत्पन्न करते हैं। अंतर बढ़ रहा है: जो लोग अपने ज्ञान की योजनाओं को समझते हैं, उन्हें केवल 10× लेवरेज मिला। जो लोग सोचते हैं कि सीखना संग्रह है, वे एक चट्टान की ओर दौड़ने में 10 गुना तेज हो गए। आप नकली योजनाओं को नकली नहीं कर सकते. वास्तविकता उन्हें लगातार परीक्षण करती है. जो सीखता है वह वह व्यक्ति है जो गलत होने से छिपा नहीं सकता है। यदि आप इस पाठ का आनंद लेते हैं और अधिक चाहते हैं, तो मेरे समाचार पत्र पर साइन अप करें: https://crive.substack.com References पूर्वानुमान प्रसंस्करण बुनियादी और सीढ़ियों जैसी उदाहरण: पूर्वानुमान कोडिंग पर कार्ल फ्रिस्टन (ओवरव्यू): एंडी क्लार्क के संदर्भ में: 1 https://en.wikipedia.org/wiki/Predictive_coding https://www.mind-foundation.org/blog/predictive-coding पूर्वानुमान त्रुटियों और जागरूकता: पूर्वानुमान कोडिंग / मुक्त ऊर्जा पर फ्रिस्टन का आधार पत्र: https://pmc.ncbi.nlm.nih.gov/articles/PMC2666703/ 2 शैक्षणिक विशेषज्ञता और न्यूरोलॉजिकल दक्षता: विशेषज्ञों में मस्तिष्क की छवि पर व्यवस्थित समीक्षा: (विशेषज्ञ प्रभावी, केंद्रित पैटर्न दिखाते हैं) 3 https://www.sciencedirect.com/science/article/pii/S3050642525000326 उजागर vs. स्पष्ट / कक्षा: Morgan-Short et al. (2012) – उजागर / उजागर नयी तरह के ईआरपी पैटर्न का उत्पादन करता है: 4 https://pubmed.ncbi.nlm.nih.gov/21861686/ काम करने की स्मृति ~4 टुकड़े: कोवैन (2001) - जादुई संख्या 4: 5 https://pubmed.ncbi.nlm.nih.gov/11515286/