リアルタイムで階段を登ることはできません。 もしそうなら、あなたはゆっくりと進むでしょう - 各ステップは、あなたの足が着陸する前に次の階段の高解像度の予測を生成する代わりに、高度、テクスチャ、筋肉の緊張、バランスを意識的に処理する必要があります。 1 あなたはシミュレーションが失敗したときにのみそれを意識する。 あなたの足が予想以上に早く床に当たるとき、あるいはあなたが一歩を踏むべき場所に空気を見つけるとき、それは間違いを解決するまであなたを意識に戻す予測エラーです。 2 予測エラーが低いとき、あなたは自動操縦で、予測エラーが高いとき、あなたは意識とモデルの更新に浮かび上がります。 このメカニズムは、あなたが実際にどのように学ぶかについて多くのことを説明し、ほとんどの人は完全に間違った学習モデルを持っています。 「速く学ぶ」に関するほとんどのアドバイスは、それを読んだときに正しいと感じ、その後蒸発します。スペースの繰り返し、アクティブな思い出、意図的な練習 - あなたは一週間、それを試してみて、なぜ重要だったのかを忘れてください。 働かせる機械を説明することなく。 何 このエッセイは説明です 技術を実際の能力に編集するか、解散させるマシンです。 What You Think Learning Is あなたが学ぶことは何だと思いますか ほとんどの人は、学習は ハードドライブを充填するのと同様に、あなたは情報を保存し、あなたはそれを後で取得します。 accumulation 階段を歩くことを学んだとき、脳は「この感覚的な入力(階段のエッジ)を考慮して、高度の変化、必要な筋肉の緊張、予想された感覚的なフィードバック」を予測しました。 自動的に実行されるコンパイルされた知識パターン。 This is a scheme エキスパートのパフォーマンスは、より多くのことを知ることではなく、より低い予測エラーを持つスケジュールを持つことである。 チェス専門家はより少ない神経エネルギーを使い、より多くを使い、彼らの脳は重要なことを学んだため、より少ない努力を費やしています。 3 初心者は総力計算ですべてを処理します。専門家がチェスポジションを見ると、無関心な部分を無視しながら注意を集中させる場所がすでにわかります。 専門家と初心者との違いは、システムです。 割り切ることはできない、これ。 ショートカット は You either compile the schemes through iterations, or you don't have them. あなたは、イテレーションを通してスケジュールをコンパイルするか、それともあなたはそれを持っていません。 The Only Two Ways To Learn 学ぶ唯一の2つの方法 「速く」学びたい人は、間違った質問をします。スケジュールがどのように構成されるかを理解すると、スピードは無関係になります。 スケジュールを作成するための正当な方法は2つしかありません - あなたは実際の問題を解決しているか (速度はより良いシステムから自然に生じる) あるいは固有の報酬のためにそれを行う(速度はまったく気にしない)。 1. You’re Solving A Real Problem 「Learning React」ではなく、実際のユーザーに機能を配信します。 あなたが中世の病気をあなたの友人に治そうとしているのなら、あなたは「本を終わらせる」ために読むのではありません。 意図的な練習は繰り返しではなく、即座なフィードバックを伴う目標への反復的な調整です。 20 製品を配信した開発者は、スケジュールを作成しました。 彼らは長い略語のリストの意味を説明することができるが、作業コードを生成するフォーフモデルは説明できない。 スケジュールに関するメモ 複製されたスケジュールは、合成例ではなく、現実のフィードバックに基づいて構築されたため、生き残る。 もしあなたがフランス語しか話せない刑務所に閉じ込められた場合、あなたはフランス語を話す人がいない自宅で読むよりも早くフランス語を学ぶでしょう。 (これは言語を学ぶために別の国へ旅行することを意味するものではありません。 2. Genuine Curiosity, The knowledge itself is the reward. When you learned your first language: あなたの母親は「カップ」と言い、物体を指します。 When you learn a second language through apps: それは「おはよう」に翻訳され、あなたの朝の太陽の光のスケジュール、目覚めるときの口の中の味、そして「朝」のスケジュールのすべての次元にマップします。 あなたは英語で考え、翻訳しています。前進モデルはフランス語ではなく英語で実行されています。これはプロキシチェーニングです:単語を直接マッピングするのではなく、スケジュールにアクセスするために一つの言語を介して使用します。 神経経経路は測定的に異なります: 直接マッピング: Language activates schemes directly (Meme => Scheme) プロキシチェーニング: Language activates translation networks first, then schemes (Meme => Meme => Scheme)4 もちろん、あなたが学び続けるなら、最終的にプロキシから実際のスケジュールに切り替えることができます。 ピアノを弾くのは、音楽が楽しいからです。 構築が楽しいからコードを書く - あなたが「Pythonを学んだ」または「I code cpp」をチェックしているわけではありません。 活動自体が有益であるとき、あなたは好奇心によって駆動される絶え間ない高変数スケジュールを実行します。 理想的には、両方を得る:プロセス自体が有益である一方で重要な実際の問題を解決する。 How Schemes Become Memes (And Vice Versa) How Schemes Become Memes (and vice versa) meme は、スケジュールの圧縮された記述です。 スケジュールをメームに変換すると、ほとんどすべてを失います。 Scheme => Meme (Compression with loss): あなたの指は、小さい第7のをどこへ行くべきかを知っています - あなたは指の位置、圧力、および結果の音を自動的に予測します。 誰かが「どのようにして小さい7番を演じるの?」と尋ねる。 あなたは「それは根であり、小さい三番目、五番目、小さい七番目です」というメームを作成します。 そのメームは構造を記述するが、前進モデルのいずれも含まない。それを聞く人は、システム全体ではなく、説明を持っている。彼らは、そのメームの合図を単独で再生することはできない。彼らは、指を置き、間違ったノートを聞き、モデルが正しく予測するまで調整するという繰り返しのイテレーションを通じて、独自のスケジュールを構成しなければならない。 Meme => Scheme (Decompression requires work): 「Spaced Repetition for Memory Retention(メモリ保存のためのスペースの繰り返しを使用する)」を参照。 It compresses someone else's scheme (their system that knows) 誰かのスケジュール(彼らのシステムが知っているシステム)を圧縮します。 見直し、 スペースは、統合に影響を与え、 トップ > トップ > 短い言葉で。 いつ どう 何 そのメームをスケジュールに変換するには、イテレーションを実行し、なぜ機能するのか、なぜ失敗するのかを説明し、変数で改善し、繰り返す必要があります。 ほとんどの人はメームに止まります. 彼らは、記述を収集します: “スペースの繰り返しは機能します,” “意図的な練習は重要です,” “睡眠は記憶を強化します.” これらは本当のメメーム - 彼らは実際のスケジュールを指します - しかし、デコンプレッシャーの仕事をしなくても、あなたはシンボルを動かしているだけです。 Why experts struggle to teach: なぜ専門家は教えることに苦労するのか: 専門家はスケジュールを持っています 学生はスケジュールが必要ですが、伝達はメームを通して行われます。 専門家の前進モデルは圧縮され、自動的で、それを完全に表現できないので、試してみると、ほとんどの情報を失ったメームを作成します。 これらのメモは しかし、彼らはプログラムを持たない誰かのために役に立たず圧縮されています. The student needs thousands of iterations to decompress those memes into working forward models. 正解 ジャズについて読むことでジャズを学ぶことはできない(それが役に立つにもかかわらず)。 あなたは、スケジュールについてメーメを収集し、スケジュールをまとめていない。 各ドメインでは、スケジュールは数千回のイーテレーションを通じてカリブレートされたシステムです。 メーメを集めることは、あなたに能力の語彙を与え、スケジュールをまとめることは、あなたに実際の能力を与えます。 なぜ、ほとんどの「学習」は単なるメーメーコレクションなのか。 Most “Learning” Doesn’t Compile Anything ほとんどの「学習」は何もコンパイルしない ほとんどの学習は、問題に起因するものではなく、浸水に起因するものではありません。 実際の賭けなし、本物の浸水なし(あなたは指示に従い、探検するのではありません)あなたは「チュートリアルに従う方法」を学んでいます。 Tutorial hell: 現実世界のイーテレーションにマッピングしない合成メトリックのための最適化. You are compiling “how to pass this exam,” not “how to think in this domain.” Studying for exams: 内在的な報酬(それは義務ではなく、好奇心)、解決すべき本当の問題はありません。あなたの計画は決して関与しません。 Courses you “should” take: The Proxy-Chain Trap: プロキシ・チェーン・トラップ: いくつかのドメインは、最初にプロキシチェーンなしで学ぶことは不可能です. あなたは直接量子力学への道をマップすることはできません. あなたはまず中間者を理解する必要があります. しかし、マスターは、プロキシが溶けるときです. あなたが量子力学を理解すると、あなたはもはや翻訳しません. あなたはドメイン自体で考えます. プロキシチェーンから直接マッピングへの移行を決してしないなら、あなたは永遠に中間者です。 Stack Overflow パターンを翻訳することでコードできますが、コードで考えているわけではありません。 あなたは英語から翻訳してフランス語を話せるが、フランス語で考えていない。 フレームワーク文書を通じて翻訳することで問題を解決できますが、ドメインを理解していません。 ステッカーを外すと、あなたのパフォーマンスは崩壊しますか? もしそうなら、あなたはプロキシチェーンでした。 ほとんどの人が「Meme」領域に滞在する理由は、 階段のジョルトは生理的ストレス反応を引き起こします。 compiling is painful 学ぶためには、一歩を逃したという感覚を意図的に探さなければなりません。 チュートリアルは、あなたが平らな地面を歩いているかのように感じるように設計されています. They eliminate the jolt, which feels good but ensures no model updates ever occur. Physiological Constraint 生理的制約 脳が計算を実行できないときにスケジュールを作成することはできません。 人間は、作業メモリに約4±1項目を同時に活発に保持することができる。 あなたの生物学がストレス、睡眠不足、または栄養不足によって劣化するとき、その能力は顕著に縮小します - 時には1〜2個まで。 5 この能力では、あなたはできません: 複雑な問題構造 複数の仮定 コントロール実績 新しい予測を生み出す 慢性的なストレスは、作業メモリと認知の柔軟性を悪化させ、認知を高レベルの思考から生存モードに移す(キャッシュされた応答で即時入力に反応する)。 睡眠. ストレス管理. 栄養. 環境設計. これらはあなたの計画が機能するための前提条件です。 AI Is a Cognitive Prosthetic AI は Cognitive Prothesis です。 それはあなたの思考の拡張であり、インターネットの集団情報に訓練されたデータで何千ものシナリオを実行することができます。 あなたの作業メモリは ~ 4 シングルを保持することができます。 複雑な問題にはより多くの変数があり、私たちは通常それらを圧縮します。しかし、いくつかの問題には以前は圧縮できない変数があります。 AIは、あなたがそれらを処理している間、任意に多くの中間状態を保持することができます. This is genuine leverage - if you know how to integrate it. ある作家は、クロードを用いて20のスロット・トレードとキャラクター・アルクを保持し、シーンレベルの対話に焦点を当てている。研究者は、15の論文の引用と競合する議論を保持し、新しいフレームワークを合成する。 AIはあなたの作業メモリを拡張し、より複雑さを処理することができます。 人々は計算を人類化する6.彼らは、ただ一つのモノログしかない対話を想像する。 AIは意識的なインテリジェンスではなく、コンピュータ化されたプロテティクスであり、より高速なハードウェアで動作するあなたの脳です。 あなたは通常、毎分多くのランダムな天才と愚かな思考を生み出し、最高のものを選択します。AIはそれを拡張して、あなたがより多くのことを考えることができます - インターネット上の集団知能があなたの目標のために働いているため、膨大なペースで。 あなたがツールを使用して自分のアイデアを「挑戦」するとき、あなたは第二の意見を求めているのではありません。あなたは高速の鏡を使用して、あなたの生物学の弱点を予測するのに遅すぎました。 出力がサイコファンティックであれば、あなたの意図はサイコファンティックです。 人間の思考の集合的歴史は、あなたの意図がそれを選択するまで知識ではありません プロテティックの肢体は歩く方法を知りません - それはユーザーのバランスを実行します AIはあなたの検索を実行します。 あなたがAIを通じてプロキシチェーンする場合、構造はコンパイルされません。AIが間違っているか、または利用できない場合、あなたは何も持っていません。 これは、Google翻訳でフランス語を学ぶのと同じです. あなたは直接のマッピングを構築していません. あなたは中間者に依存を構築しています. This matters now because the leverage is huge. かつて不可能だったことは、今では難しい(AIの助けを借りて)。 しかし、あなたが自分の知識を根本的に理解し、検証を強要する実際の賭けを持っている場合にのみ。 そうでなければ、あなたは最初の考え方に無限の利回りを得ただけで、あなたは自信を持って10倍の速度で崖を下りるでしょう。 ほとんどの人は、学習の間違った精神モデルを持っているため、その違いを言えません. 彼らは、より良い計画を構築するとき、それは蓄積(より多くの事実を保管する)だと考えます。 したがって、彼らは作業メモリ拡張子の代わりに「仕事のパートナー」としてAIを使用しています。 彼らは実際のものを配送する代わりにチュートリアル完成のために最適化します。 彼らは、ドメイン知識に関するメーメを、結果を生み出す実際のスケジュールと混同する。 ギャップが広がっている: 彼らの知識のスケジュールを理解する人々は、わずか10倍のリバウンドを得た。 学習が蓄積だと考える人々は、崖に向かって走るのが10倍速くなりました。 スケジュールを偽ることはできない、現実はそれを絶え間なく試す。 学ぶ人は、間違っていることを隠すことができない人です。 あなたがこのエッセイを楽しんで、もっと欲しい場合は、私のニュースレターにサブスクリプトしてください: https://crive.substack.com References Predictive processing basics & stair-like examples: Karl Friston on predictive coding (overview): アンディ・クラークのインタビュー: 1 https://en.wikipedia.org/wiki/Predictive_coding https://www.mind-foundation.org/blog/predictive-coding 予測エラーと意識:予測コード/フリーエネルギーに関するフリストンの基礎論文: https://pmc.ncbi.nlm.nih.gov/articles/PMC2666703/ 2 Chess expertise & neural efficiency: Systematic review on brain imaging in experts vs. novices (チェス専門知識と神経効率:専門家対初心者における脳イメージングの体系的なレビュー) (専門家は効率的で集中的なパターンを示しています) 3 https://www.sciencedirect.com/science/article/pii/S3050642525000326 Immersion vs. explicit/classroom: Morgan-Short et al. (2012) – implicit/immersion yields native-like ERP patterns: 4 https://pubmed.ncbi.nlm.nih.gov/21861686/ 4 コワン(2001) - 魔法の数字4 5 https://pubmed.ncbi.nlm.nih.gov/11515286/
