Velikost videa: 1280 X 720853 X 480640 X 360
Zobrazit ovladače přehrávání
Automatické přehrávání
Přehrát
在說的其實是認知科學1:03 秒 規律出來的東西 叫做(認知 公理 定理 效應 流程 結構 概念 構面 公式 模型 系統 庫 陣列 矩陣) 而不是知識 知識大多泛指 尚未被自身完全掌握 外部零散不完整 無結構的資訊與情報 的統稱 除非加上高等知識 小眾知識 專業知識 否則大多人會誤認為一般的大眾常識 規律的知識 跟 知識 有非常大的區別 這會搞混影片後面精緻的結構 這個盲區要小心處理1:12 我的看法 跟你反過來 但我先說影片講非常好學習 要"先把知識解壓縮" 然後再重新壓縮 (後半段就是影片的講法) (2:20就是影片的再說明解壓縮的關鍵處)大多人 能接觸到的學習材料 都是被壓縮好幾遍的資料了 比如什麼是"內卷" 什麼是yyds所以大多人不是不會壓縮知識 而是不會"解壓縮 "古人道 說文解字 要解壓縮 得靠"研究"那套 系統構面+變項變量+機率與統計 還有持續維持一種 我是傻逼的自我認知跟強大學習興趣,還要有能力判斷並拒絕接受過分 被高階知識鄙視的氛圍蘇格拉底 我只知道一件事 就是我什麼都不知道最後我放大招好了機器學習本就是一個大神 將人類的認知科學轉換成機器架構的 所以我們後輩可以使用機器學習回頭參考但 這當中出現2個很多人都沒想過的盲區就是 情緒感受 與 渾沌記憶(冗餘記憶)機器學習本身並不被 情緒感受 與 渾沌記憶 干擾 因為我們讓它們幾乎不被干擾若一個資料庫結構凌亂 資料凌亂 讓他學多少機器學習 都不可能成為阿法狗人也一樣 而且問題更大 人本身更大的問題並不是寫程式 而是資料庫都壞了 要修理資料庫而且人沒有電腦那樣永遠無限的試錯成本 專注力體能會下降 有限制 電腦讓他跑三天三夜 重複幾兆次都沒差 但人有很高的試錯成本 所以沒辦法像電腦可以亂來 那說到這裡 很多人都慌了 到底是哪個點出問題問題出在 情緒感受上的"機率與統計"情緒感受 很多人搞不懂他是怎麼出現的 他是一種 渾沌記憶運算後產生迴歸的"機率統計顯著性"表徵也就是人類認知學習上 比機器學習多出一個"變項" 就是"情緒感受" 你也可以說"價值觀" 或 "潛意識"重點就來了你對這份知識沒有特殊或者深入的情緒感受 你很難把他活用與重用如同2:20所說的 用更多的例子帶入這就是要加入更多的情緒感受進來 讓你對這份知識與情緒感受連結 炸出一套新的認知構面什麼是情緒感受 就是站在上帝視角環視整個系統 利用了 量化機率統計 思考後心中的分析輸出 一種全新的感受當逐漸能夠將上述逐個節點構面 構建成自身的思維導圖 一套系統 那麼就大功告成大多人可能誤會許多天才好像學習不自帶任何情緒 那是因為他們已經將所有的能用的情緒感受都耗盡在學習上了 (試問你工作心力交瘁一整天 回到家還想講話嗎)已經沒有多餘的情緒感受 能足夠支撐在真實人與人之間的互動但也不用擔心 當他學會達到一個結束的階段時情緒感受會自動補充 情感損耗就會下降 以利之後的正常情感交流 情緒感受的底層控制 就是 機率與統計 若用人的"外在接觸"與"內心喜好或想法"來對應 就是外部機率與內部機率 都需要練習學成機率論的學習 也是屬於運動學習的一種 需要長期逐漸練習 另外要注意 此處提到的機率論 並不是學校數學學的那一套 機率論分成 機率論-統計學 以前叫做機率與統計 要學的是前者 只要有四則運算的能力就能學 真正的機率論 要去找機率與統計 或者機率論 主要都偏理論與語文邏輯或者概念框架 本身並不需要大量數學計算 如同練習倒車入庫 英語會話 烹飪 技術 這類的學習方式所以喜歡不喜歡 不該用"喜歡度" "喜歡值" 來解釋 而是"喜歡率" 如同砌磚牆 只有一堆磚塊沒用 需情緒感受機率統計這水泥黏著劑 才能鞏固整個知識牆當越學越多 就發現 就是研究生搞論文研究那套 搞個目的 搞個動機 搞一堆文獻引用層層用機率論締結 但不用真跑統計 前三項一直繞而已因為結論網路上就有很多參考了 但要找大師級或者教授級的文獻或結論
目前商科大二下,在犹豫转成商科计算机科学双学位,代价是本科会读5年半,甚至6年,因为转学位太晚。 看完本视频,更明确了我想要的选择。计算机科学,绝不只是学习计算机,而是学习 ”学习“ 的普遍规律,这样才能赋予人工智能 “类智慧” 。 在这个过程中,人自身的学习能力也会有质的飞跃,而学习能力,很大程度上决定了人一生的发展上限。 这个视频太赞了!
我看到一半第一个反应就是机器学习,刚好下周考这个。我们为机器定义其学习的方法,何不是从我们人身上所总结出来的。如果可以将其套用于生活真的是能改变的,果然知识是有所相连的,不能只因为某个知识出自某个领域从而认定它只能运用于那个领域。还有关于文中讲的英文例子,我深有体会(会英文和日文),学语言,学到后面,重要的不是翻译而是使自己融入进语言,用语言思考而不是在脑海里翻译。有些时候真的让我翻译我反而会翻不出来。很感谢你的视频。有点希望可以翻译成英文给我的上司看。
0:01 什么是学习1:20 如何学习2:47 学习误区4:28 运用误区5:55 构建知识7:28 思维导图11:20 费曼技巧
這是看到的關於學習最有說服力、也是最深刻的的道理。感謝作者分享!
读了20年书,可能也不知道学了什么。可是你短短一个10分钟 视频 让我大开眼界,才明白什么是学习,如何学习。👍👍💯💯 致敬
我竟然現在才看到這個影片,若是我能在2018年底就看到這個影片,我能少走兩年的冤枉路。閣下大才,令人拜服。
其实我现在看到了也还是没看懂。
相见恨晚!!听完想哭,我是医学生,最近在学习编程,如果放在以前,我是看不懂这个视频的价值的。现在对机器学习有一点点入门,同时我最近四年日常大量应用思维导图电子笔记星图进行学习工作,听完这段视频,就好像突然打通了任督二脉。❤❤
这个和编程很类似,两段代码可以解决两件事,但是可能每段代码里包含了一个独立功能,抽取成单独模块,可能可以在100个以上的地方共用,省出来的工作量是很客观的
这不就是类吗
太强大了,我之前听过一遍,然后又来听,并且做了笔记,打算用在我的学习计划里面,但是还没完全掌握,估计还会反复多听几遍
看了近10篇關於費曼學習法的相關影片, 其他的這些影片多在單一層面的複誦, 或是無意義的假意修改創造看似更強的類費曼增強型學習法。而當我一看到本影片時, 不到20秒就完全近入了多個層面的角度來理解學習的樣貌, 再透過機器學習的對比, 引入費曼學習法的本質, 以及接續到孔子的學簡化至極的學習法, 完整的把面向都說明清楚。真的是超級建議一定要多看幾次, 或是保存連結的啦。
虽然千人千识,但对”温故而知新“的说法太勉强了点。 温故是指不断复习,知新是指不断穷近读本承载的真意。是指反复学习而趋近知识真面目的意思,这里并没有将所获知识再次输出的意思。
此视频含金量很高,特别赞!
这个视频的知识量太大了,谢谢!
知乎 为什么思维导图没一点用
眼:難怪我學習一直那麼差,看了視頻之後我懂了腦:不,你沒懂
哈哈哈哈哈哈红红火火
没错就是这样的感觉
@Jonathan Baylor what is Flixzone?
可以看我的解釋比較快
听了大神解释的思维导图,有一种突然明白很多学习和阅读课程里面讲的方法,原来原理是这样,听着感觉太舒适了。
謝謝您的分享,能夠跳脫出來全盤的看事物,真的非常不簡單。
這個影片讓我特別感動想哭,不知道為什麼。長大之後才慢慢體悟到萬事都會回歸到基礎模型,包括待人處事、工作、學科,而學習如何學習就是了解自身的建模方法,成長所帶來的經驗則是輸入的資料。所謂三人行必有我師焉、薑還是老的辣、萬法歸一,小時候聽都沒感覺,長大在 ML 裡面一一得到驗證。
ML距离强AI差远了, 用ML指导人类学习,最多能够学会知识,不能让人掌握智慧。
学到最后,就会发现终极智慧是神学。
定期回來
@@SmartDonkie 温故知新,时时重温!重刷重刷,脑回路构建加强,进化。然后固化。
有种茅塞顿开的感觉, 现在要做的就是改正我的学习方法,做到学习而非记忆了!!感谢!!!
都是积累 总结 积累总结 很累的
感觉从小到大,真的这辈子都没搞懂什么是学习,被这篇浓缩的高含金量的视频点醒,感谢大神。
太强大了,很多都似有感觉,却没有这么强大的总结。再重温几遍,不容易啊
看完之后,觉得什么都懂了,又好像什么都没懂. 视频很好,受益匪浅.
我一直都有這個想法,就是機器學習的那一套可以用在人類學習,感謝這個影片認同這個觀點因為我覺得所有幼兒教師都必須理解機器學習這一點,才能訓練有效的人類學習,尤其是泛化
我可以用自身經驗幫你驗證。寫機器學習、看機器學習的論文後,我才逐漸了解到人類是怎麼學習的。不過要說這樣之後學習的速度有沒有提升?大概是沒有,只是常常會在學會一件事時回過頭來會體認到自己正在經歷的確實和機器學習的哪些過程相似。
简单明了,直至本质,总结的非常好。谢谢
其實教學生如何學習真的應該列入正規課綱裡面
我認為有效 但同時無效有效的原因是在於 有一定的功能能產生效果無效的原因是 需要學生剛好有認知能力 或者 剛好碰上需求階段而綜上所述 更建議每一段時間 要複習學習方法論 或者給予一個永遠都能即時讓學生查詢提取的機制如同本影片的情況!
@@singo1232001 教師家長有把學不進歸咎於學生不夠努力,對有努力的同學來說也是還蠻無辜的💦其實學習效率也是非常重要的一環
可能性几乎没有。因为第1节写课纲的人自己就不懂。第二,公立义务教育本来就是为了培养产业工人的。
你觉得有用,是因为你之前的累积已经让你认识这点,一个词解释就是顿悟你去跟一个没有累积的人讲顿悟,他的感觉就是某人在某一时刻一拍脑袋想明白了就是顿悟,他看到的只是一个表象的结果
我們的大腦還有時間需要物理上的成長生物那邊的研究告訴我們大約24歲人的大腦才會成長完成所以有些方面的抽象思考對於青少年是不太容易的後來我在出社會後回到學校才發現不太該責備以前學不會的自己而確實剛生出來的小孩子可能智商都比小猴子低這也是無可避免的成長過程但是等到一個年紀了抽象思考就會變得清晰許多(我覺得那個就是這邊提到的把訊息的壓縮得到的函數)
你怎么这么棒,服了服了,关注量这么少 我就感觉我捡了个宝。还是油管的推荐算法好 ,总能发现真心厉害的博主
很意外原來平常使用知識居然跟機器學習居然是有關連。如何學習真的是很深奧學問
質量真的高,早該來看了。謝謝樓主的用心分享
看了很多关于费曼学习法的介绍~你的视频是最全面的最系统的~但是同时也是最废脑的。给视频主点个赞!!感谢你的分享~~
讲解行云流水,板书精雕细琢,因为精彩,以至于忘了点赞
我建议大家想认识如何学习的去看看关于认知的知识,还有我看见评论很多人说这些都应该在学校里教,我想说这是不可能的。学校的任务只是把我们训练成社会协作的螺丝钉,在国外也只有精英阶层才能专门去学到这些东西,每个人都会这些东西的话社会的竞争会更加激烈。还有就是拿机器学习类比人类学习,好类比!但是说到底还是一种精致的题海战术。另外学习不是记忆,但是记忆是学习的基本要求。千万不要觉得找到了什么学习的捷径,费曼只是把苦逼学生每天要做的事情做了一个很规范的总结。
谢谢你做这些视频,相见恨晚!
講的好好,節奏感很棒,應該放進大一教材第一課。
哈哈4年前在知乎上和up有过交流就觉得这个头像很眼熟,像黑崎一护的虚面具,看了一眼名字竟然是熟人哈哈
道理大家都懂,但做起来挺难的。不过谢谢up主, 让我总结了一遍自己学习的误区。
过来支持下,你的视频是我重复看次数最多的视频。
看个这种内容的视频居然快给我看哭了。实在是太厉害了
我真的太喜欢这个视频了,希望多多更新关于学习的视频!
太牛逼了~~~学机器学习的时候只是隐隐约约有种感觉,觉得对人的学习有启发作用,但没有像你想的这么透彻
是用什么软件做的?做得真棒!而且讲解清晰,目前看到最好的学习方法讲解了。比《如何高效学习》讲得还好
太晚看到你的影片了......受益匪淺
内容太棒了,分析得特别好,很有帮助!
超级棒,也理解了深度学习为何如此强大
讲解得好到无可反驳!
用function找infomation pattern;用functional來找 function pattern。感謝整理!
太强大了!!!!谢谢你的分享
特别好的视频!重要!秒关!
非常好的影片,也很符合我的學習經驗!
醍醐灌顶啊 恨早没看到up主视频
感谢youtube演算法在我最需要的时候拉了我一把
确实做的很棒~这么好的视频竟然这么少人发现~~~~~
我遇到一个很奇怪的问题,就是每当我主导一件事去解决问题是,很多情况下在针对一件事情的聊天的过程中的灵光乍现,然后自己会提出一些观点和认知或者方法等。奇怪的是,这些知识,观点,方法等,我以前都没接触过,没经历过,更没学习过,就这么莫名其妙的说出来了,然后众人还非常认可我说的话。我之前问过一个老师,他说这是人生阅历在潜意识下的作用并作出了输出……听了这个话,我一脸傻逼,我自己都不知道这是个什么意思……明明没学过,自己都不懂的东西,自己莫名其妙的说出来,还很符合逻辑……我有种感觉,就像人们常说的,谎话说的次数多了,自己都会相信自己的谎话 ……这个问题我一直很疑惑,如果可以的话,有谁看到我的留言回复我一下,我也像搞明白这个情况……
朋友,这个关于思考模式的视频不知道可不可以解答你的疑惑。m.czcams.com/video/iFSVMuBDMws/video.html
人的大脑思考分为有意识部分和潜意识的部分。潜意识的运算速度是有意识的指数倍。也就是有意识思考的时候还要运算时间,但是潜意思通常是在瞬间完成。而且对待输入的信息量也完全不在一个等级。有意识思考只能接受有限输入,而潜意识思考可以接受无数输入,这是自己意识不到的。比如你感觉到危险,但是你却找不出危险的逻辑,这是因为潜意识帮你完成了,它拥有海量的输入的出的结论。再比如说话。如果刻意想着怎么去说话,你往往说不好,但是你什么都不想由你的潜意识完成,你往往就说的很。所以我理解你灵光乍现就是你的超级计算机得到的输出。然而没没有经历过事情,你的潜意思已经通过以往的输入得出了输出。然后你有有意识的思考自己的潜意识怎么这么厉害当然想不明白了。都不是一个级别的。然而你自己的潜意思就是这么厉害。所以多经历多提高,灵感会在某一刻出现的。个人浅显认识。
找我的解釋比較快
你这叫顿悟领悟,也就是灵光一现的感觉啊哈的感觉。是平时思考的结果,纸笔记录下来对你有益。
我也有同样的经历,在多人讨论时候能激发出新的想法和点子,这也是我为什么觉得讨论和人际交流对智力健康很必要的依据。
费曼技巧就是机器学习中将样本分为两部分:一部分用于学习,一部分用于验证。只有模型可以验证才是有效的模型。
学习方法我都懂,有时候我在思考一个问题,就是大脑记忆的提取问题,有时候忘记了一个名字,然后明明大脑里面没有与之相关联的记忆,但是还是 突然一瞬间就想起来了,这个原因我找不到解释,也许真的脑细胞在工作,而这个工作人自己是感觉不到的,只是工作完成了通知大脑而已,于是就瞬间想起来了。
总结得特别好 👍
真是非常優秀的視頻
这种操作系统类型的视频,应该越慢越好!
明白了解释的重要性,也明白为什么最近觉得对学习失去积极性,因为没有按问题和答案这种方式学习,其实一直只是在理解信息,所以也很难和别人解释,就失去了掌握知识的成就感。
听开头的时候就觉得和机器学习一样。哈哈哈
透徹!佩服!
视频非常好,谢谢坚持更新
再看到這影片前,花了30年才理解的道理。雖說好像浪費了不少時間,但之前沒理解時看到了,我也不知究竟看不看得懂.. 哀 人啊
醍醐灌顶 非常赞
內容太棒了 感謝分享
这一套理论是建立在因果论之上的,想想薛定谔的猫,不过大多数普通人都生活在因果论之中。
内容很好,非常感谢。音乐没必要,这就像做菜视频带音乐一样
關於反饋,如果沒有講解對像,我現在都用Bing 聊天AI 去講解新學會的知識,如果它能明白我在說什麼,那大概就是我掌握了該知識
到了快四十,我觉得所谓聪明就是建模的过程要比一般人快很多,而且会一直自我迭代修正。
很好,谢谢
gpt的decode-only也是验证了费曼学习法有效
內容很棒 !!!! 內容很棒 !!!! 內容很棒 !!!! 但聲音不夠清楚 讓人聽了昏昏欲睡
第二点说明了要主动刷题的重要性 不是机械记忆 而是要重塑大脑链接
这视频很赞!
这个视频的内容和我们老总开大会讲的基本一样~怪不得老总40来岁公司就上市了~还是有方法的!
这个视频有两个问题一是没使用例子,导致我们有点难理解视频里你说的所有内容。二是没使用费曼技巧,当然第二个没法使用,因为没有反馈对象。
🐒
解釋給自己? 解釋給親戚的小孩?
這是個架構統整,即使有例子那會變成超常的影片,需反覆觀摩,則抄下他所說,並自己找出跟自己映證加深其邏輯,不然都只是文字圖片訊息
你在留言不是在反饋嗎?
你说的非常正确,这也是我想说,这个作者看起来懂得一些东西,但是不懂举例子,看起来就像自说自话
感谢作者,受益终生
相遇恨晚,感恩分享
我从一开始就觉得 这是讲机器学习!! TRAIN MODEL!!
当老师。讲课。是个好办法
很清楚,厲害
great work
很有启发
因为我平常看视频基本1.5倍甚至2倍的速度,你逼得我让我用正常得方式去看了。
好视频,就是背景音乐有些过大了。
太牛了老哥
金字塔原理说的大脑抽象过程就是这里的学习,抽象的抽象形成了金字塔;新的变化再次跟已有的抽象迭代产生新的抽象
講的很好,分成三集,講長點更好。
建议能否举些例子,尤其是说拆分知识子知识那段,结构说的很专业但是太抽象了。
知识是已有问题解决未知问题的函数。掌握了这个函数,你就拥有了某类问题解决的知识。然而……
太干货了,听的好兴奋
漂亮,把我一直想说的东西说了出来,我很久就想把机器学习和人类学习联系起来,也找出了视频里说的那些点,就是我那些同学们不相信这些,他们只相信努力就会成功,就很尬
告知: 其實你誤會了 機器學習60年就有了 就是某大神 從認知科學 衍生到機器學習上的 現在卻被反過來用而已
我非常希望能够很早看过这个影片非常感谢分享 !!!
不止改变了我的学习观已经改变了我的思维如果没有看过这视频 我的人生会有非常大的差别感谢救命
背景音乐好象是《大门未知子》的配乐吧
哲學家透過抽象建模找出規律去解釋世界 大家只記得結果 卻忘記建模找出規律也很重要
真的厉害👍
视频做的不错,请问是用什么软件和方法制作的?
好像懂了,又好像沒懂。只懂框架,但卻不懂要框住何樣東西,甚麼都能框。但是這框框能包含他自己嗎?看來一切的學習似乎沒有意義~了解了過程又如何,實際上當一個學問被拆分拆分在拆分,是不會消失呢?【微積分概念】
感谢无私分享 👍 油管差一个打赏
真实的情况是,无论自然科学、工程技术界还是生活工作中,绝大多数输入和输出之间的关系,即函数由于其高次、非线性等原因是没有解析解的,也就是根本写不出具体的关系式,所以掌握这种函数其实非常复杂
是的,总结规律其实是非常难的。除了要高智商还要大量例子的输入。不过理解了输入输出的真正关系对学习还是非常有帮助。例如你不能通过读如何游泳一书来学会游泳。
这种频道摸到就是赚到,感谢冯诺依曼让我摸到你。
哈,我是搜香农极限时摸到的。。。。
在說的其實是認知科學
1:03 秒 規律出來的東西 叫做(認知 公理 定理 效應 流程 結構 概念 構面 公式 模型 系統 庫 陣列 矩陣) 而不是知識
知識大多泛指 尚未被自身完全掌握 外部零散不完整 無結構的資訊與情報 的統稱
除非加上高等知識 小眾知識 專業知識 否則大多人會誤認為一般的大眾常識
規律的知識 跟 知識 有非常大的區別 這會搞混影片後面精緻的結構 這個盲區要小心處理
1:12 我的看法 跟你反過來 但我先說影片講非常好
學習 要"先把知識解壓縮" 然後再重新壓縮 (後半段就是影片的講法) (2:20就是影片的再說明解壓縮的關鍵處)
大多人 能接觸到的學習材料 都是被壓縮好幾遍的資料了 比如什麼是"內卷" 什麼是yyds
所以大多人不是不會壓縮知識 而是不會"解壓縮 "
古人道 說文解字
要解壓縮 得靠"研究"那套 系統構面+變項變量+機率與統計
還有持續維持一種 我是傻逼的自我認知跟強大學習興趣,還要有能力判斷並拒絕接受過分 被高階知識鄙視的氛圍
蘇格拉底 我只知道一件事 就是我什麼都不知道
最後我放大招好了
機器學習本就是一個大神 將人類的認知科學轉換成機器架構的 所以我們後輩可以使用機器學習回頭參考
但 這當中出現2個很多人都沒想過的盲區
就是 情緒感受 與 渾沌記憶(冗餘記憶)
機器學習本身並不被 情緒感受 與 渾沌記憶 干擾 因為我們讓它們幾乎不被干擾
若一個資料庫結構凌亂 資料凌亂 讓他學多少機器學習 都不可能成為阿法狗
人也一樣 而且問題更大 人本身更大的問題並不是寫程式 而是資料庫都壞了 要修理資料庫
而且人沒有電腦那樣永遠無限的試錯成本 專注力體能會下降 有限制
電腦讓他跑三天三夜 重複幾兆次都沒差 但人有很高的試錯成本 所以沒辦法像電腦可以亂來
那說到這裡 很多人都慌了 到底是哪個點出問題
問題出在 情緒感受上的"機率與統計"
情緒感受 很多人搞不懂他是怎麼出現的 他是一種 渾沌記憶運算後產生迴歸的"機率統計顯著性"表徵
也就是人類認知學習上 比機器學習多出一個"變項" 就是"情緒感受" 你也可以說"價值觀" 或 "潛意識"
重點就來了
你對這份知識沒有特殊或者深入的情緒感受 你很難把他活用與重用
如同2:20所說的 用更多的例子帶入
這就是要加入更多的情緒感受進來 讓你對這份知識與情緒感受連結 炸出一套新的認知構面
什麼是情緒感受
就是站在上帝視角環視整個系統 利用了 量化機率統計 思考後心中的分析輸出 一種全新的感受
當逐漸能夠將上述逐個節點構面 構建成自身的思維導圖 一套系統 那麼就大功告成
大多人可能誤會許多天才好像學習不自帶任何情緒
那是因為他們已經將所有的能用的情緒感受都耗盡在學習上了 (試問你工作心力交瘁一整天 回到家還想講話嗎)
已經沒有多餘的情緒感受 能足夠支撐在真實人與人之間的互動
但也不用擔心 當他學會達到一個結束的階段時
情緒感受會自動補充 情感損耗就會下降 以利之後的正常情感交流
情緒感受的底層控制 就是 機率與統計
若用人的"外在接觸"與"內心喜好或想法"來對應 就是外部機率與內部機率 都需要練習學成
機率論的學習 也是屬於運動學習的一種 需要長期逐漸練習
另外要注意 此處提到的機率論 並不是學校數學學的那一套
機率論分成 機率論-統計學 以前叫做機率與統計 要學的是前者 只要有四則運算的能力就能學
真正的機率論 要去找機率與統計 或者機率論 主要都偏理論與語文邏輯或者概念框架
本身並不需要大量數學計算 如同練習倒車入庫 英語會話 烹飪 技術 這類的學習方式
所以喜歡不喜歡 不該用"喜歡度" "喜歡值" 來解釋 而是"喜歡率"
如同砌磚牆 只有一堆磚塊沒用 需情緒感受機率統計這水泥黏著劑 才能鞏固整個知識牆
當越學越多 就發現 就是研究生搞論文研究那套
搞個目的 搞個動機 搞一堆文獻引用層層用機率論締結 但不用真跑統計 前三項一直繞而已
因為結論網路上就有很多參考了 但要找大師級或者教授級的文獻或結論
目前商科大二下,在犹豫转成商科计算机科学双学位,代价是本科会读5年半,甚至6年,因为转学位太晚。 看完本视频,更明确了我想要的选择。计算机科学,绝不只是学习计算机,而是学习 ”学习“ 的普遍规律,这样才能赋予人工智能 “类智慧” 。 在这个过程中,人自身的学习能力也会有质的飞跃,而学习能力,很大程度上决定了人一生的发展上限。 这个视频太赞了!
我看到一半第一个反应就是机器学习,刚好下周考这个。我们为机器定义其学习的方法,何不是从我们人身上所总结出来的。如果可以将其套用于生活真的是能改变的,果然知识是有所相连的,不能只因为某个知识出自某个领域从而认定它只能运用于那个领域。还有关于文中讲的英文例子,我深有体会(会英文和日文),学语言,学到后面,重要的不是翻译而是使自己融入进语言,用语言思考而不是在脑海里翻译。有些时候真的让我翻译我反而会翻不出来。很感谢你的视频。有点希望可以翻译成英文给我的上司看。
0:01 什么是学习
1:20 如何学习
2:47 学习误区
4:28 运用误区
5:55 构建知识
7:28 思维导图
11:20 费曼技巧
這是看到的關於學習最有說服力、也是最深刻的的道理。感謝作者分享!
读了20年书,可能也不知道学了什么。可是你短短一个10分钟 视频 让我大开眼界,才明白什么是学习,如何学习。👍👍💯💯 致敬
我竟然現在才看到這個影片,若是我能在2018年底就看到這個影片,我能少走兩年的冤枉路。
閣下大才,令人拜服。
其实我现在看到了也还是没看懂。
相见恨晚!!听完想哭,我是医学生,最近在学习编程,如果放在以前,我是看不懂这个视频的价值的。现在对机器学习有一点点入门,同时我最近四年日常大量应用思维导图电子笔记星图进行学习工作,听完这段视频,就好像突然打通了任督二脉。❤❤
这个和编程很类似,两段代码可以解决两件事,但是可能每段代码里包含了一个独立功能,抽取成单独模块,可能可以在100个以上的地方共用,省出来的工作量是很客观的
这不就是类吗
太强大了,我之前听过一遍,然后又来听,并且做了笔记,打算用在我的学习计划里面,但是还没完全掌握,估计还会反复多听几遍
看了近10篇關於費曼學習法的相關影片, 其他的這些影片多在單一層面的複誦, 或是無意義的假意修改創造看似更強的類費曼增強型學習法。
而當我一看到本影片時, 不到20秒就完全近入了多個層面的角度來理解學習的樣貌, 再透過機器學習的對比, 引入費曼學習法的本質, 以及接續到孔子的學簡化至極的學習法, 完整的把面向都說明清楚。
真的是超級建議一定要多看幾次, 或是保存連結的啦。
虽然千人千识,但对”温故而知新“的说法太勉强了点。 温故是指不断复习,知新是指不断穷近读本承载的真意。是指反复学习而趋近知识真面目的意思,这里并没有将所获知识再次输出的意思。
此视频含金量很高,特别赞!
这个视频的知识量太大了,谢谢!
知乎 为什么思维导图没一点用
眼:難怪我學習一直那麼差,看了視頻之後我懂了
腦:不,你沒懂
哈哈哈哈哈哈红红火火
没错就是这样的感觉
@Jonathan Baylor what is Flixzone?
可以看我的解釋比較快
听了大神解释的思维导图,有一种突然明白很多学习和阅读课程里面讲的方法,原来原理是这样,听着感觉太舒适了。
謝謝您的分享,能夠跳脫出來全盤的看事物,真的非常不簡單。
這個影片讓我特別感動想哭,不知道為什麼。長大之後才慢慢體悟到萬事都會回歸到基礎模型,包括待人處事、工作、學科,而學習如何學習就是了解自身的建模方法,成長所帶來的經驗則是輸入的資料。所謂三人行必有我師焉、薑還是老的辣、萬法歸一,小時候聽都沒感覺,長大在 ML 裡面一一得到驗證。
ML距离强AI差远了, 用ML指导人类学习,最多能够学会知识,不能让人掌握智慧。
学到最后,就会发现终极智慧是神学。
定期回來
@@SmartDonkie 温故知新,时时重温!重刷重刷,脑回路构建加强,进化。然后固化。
有种茅塞顿开的感觉, 现在要做的就是改正我的学习方法,做到学习而非记忆了!!感谢!!!
都是积累 总结 积累总结 很累的
感觉从小到大,真的这辈子都没搞懂什么是学习,被这篇浓缩的高含金量的视频点醒,感谢大神。
太强大了,很多都似有感觉,却没有这么强大的总结。再重温几遍,不容易啊
看完之后,觉得什么都懂了,又好像什么都没懂. 视频很好,受益匪浅.
我一直都有這個想法,就是機器學習的那一套可以用在人類學習,感謝這個影片認同這個觀點
因為我覺得所有幼兒教師都必須理解機器學習這一點,才能訓練有效的人類學習,尤其是泛化
我可以用自身經驗幫你驗證。寫機器學習、看機器學習的論文後,我才逐漸了解到人類是怎麼學習的。
不過要說這樣之後學習的速度有沒有提升?大概是沒有,只是常常會在學會一件事時回過頭來會體認到自己正在經歷的確實和機器學習的哪些過程相似。
简单明了,直至本质,总结的非常好。谢谢
其實教學生如何學習真的應該列入正規課綱裡面
我認為有效 但同時無效
有效的原因是在於 有一定的功能能產生效果
無效的原因是 需要學生剛好有認知能力 或者 剛好碰上需求階段
而綜上所述 更建議每一段時間 要複習學習方法論 或者給予一個永遠都能即時讓學生查詢提取的機制
如同本影片的情況!
@@singo1232001 教師家長有把學不進歸咎於學生不夠努力,對有努力的同學來說也是還蠻無辜的💦其實學習效率也是非常重要的一環
可能性几乎没有。因为第1节写课纲的人自己就不懂。第二,公立义务教育本来就是为了培养产业工人的。
你觉得有用,是因为你之前的累积已经让你认识这点,一个词解释就是顿悟
你去跟一个没有累积的人讲顿悟,他的感觉就是某人在某一时刻一拍脑袋想明白了就是顿悟,他看到的只是一个表象的结果
我們的大腦還有時間需要物理上的成長
生物那邊的研究告訴我們大約24歲人的大腦才會成長完成
所以有些方面的抽象思考對於青少年是不太容易的
後來我在出社會後回到學校
才發現不太該責備以前學不會的自己
而確實剛生出來的小孩子可能智商都比小猴子低
這也是無可避免的成長過程
但是等到一個年紀了
抽象思考就會變得清晰許多(我覺得那個就是這邊提到的把訊息的壓縮得到的函數)
你怎么这么棒,服了服了,关注量这么少 我就感觉我捡了个宝。还是油管的推荐算法好 ,总能发现真心厉害的博主
很意外原來平常使用知識居然跟機器學習居然是有關連。
如何學習真的是很深奧學問
質量真的高,早該來看了。謝謝樓主的用心分享
看了很多关于费曼学习法的介绍~你的视频是最全面的最系统的~但是同时也是最废脑的。给视频主点个赞!!感谢你的分享~~
讲解行云流水,板书精雕细琢,因为精彩,以至于忘了点赞
我建议大家想认识如何学习的去看看关于认知的知识,还有我看见评论很多人说这些都应该在学校里教,我想说这是不可能的。学校的任务只是把我们训练成社会协作的螺丝钉,在国外也只有精英阶层才能专门去学到这些东西,每个人都会这些东西的话社会的竞争会更加激烈。
还有就是拿机器学习类比人类学习,好类比!但是说到底还是一种精致的题海战术。另外学习不是记忆,但是记忆是学习的基本要求。千万不要觉得找到了什么学习的捷径,费曼只是把苦逼学生每天要做的事情做了一个很规范的总结。
谢谢你做这些视频,相见恨晚!
講的好好,節奏感很棒,應該放進大一教材第一課。
哈哈4年前在知乎上和up有过交流
就觉得这个头像很眼熟,像黑崎一护的虚面具,看了一眼名字竟然是熟人哈哈
道理大家都懂,但做起来挺难的。不过谢谢up主, 让我总结了一遍自己学习的误区。
过来支持下,你的视频是我重复看次数最多的视频。
看个这种内容的视频居然快给我看哭了。实在是太厉害了
我真的太喜欢这个视频了,希望多多更新关于学习的视频!
太牛逼了~~~学机器学习的时候只是隐隐约约有种感觉,觉得对人的学习有启发作用,但没有像你想的这么透彻
是用什么软件做的?做得真棒!而且讲解清晰,目前看到最好的学习方法讲解了。比《如何高效学习》讲得还好
太晚看到你的影片了......受益匪淺
内容太棒了,分析得特别好,很有帮助!
超级棒,也理解了深度学习为何如此强大
讲解得好到无可反驳!
用function找infomation pattern;用functional來找 function pattern。感謝整理!
太强大了!!!!谢谢你的分享
特别好的视频!重要!秒关!
非常好的影片,也很符合我的學習經驗!
醍醐灌顶啊 恨早没看到up主视频
感谢youtube演算法在我最需要的时候拉了我一把
确实做的很棒~这么好的视频竟然这么少人发现~~~~~
我遇到一个很奇怪的问题,就是每当我主导一件事去解决问题是,很多情况下在针对一件事情的聊天的过程中的灵光乍现,然后自己会提出一些观点和认知或者方法等。奇怪的是,这些知识,观点,方法等,我以前都没接触过,没经历过,更没学习过,就这么莫名其妙的说出来了,然后众人还非常认可我说的话。我之前问过一个老师,他说这是人生阅历在潜意识下的作用并作出了输出……听了这个话,我一脸傻逼,我自己都不知道这是个什么意思……明明没学过,自己都不懂的东西,自己莫名其妙的说出来,还很符合逻辑……我有种感觉,就像人们常说的,谎话说的次数多了,自己都会相信自己的谎话 ……
这个问题我一直很疑惑,如果可以的话,有谁看到我的留言回复我一下,我也像搞明白这个情况……
朋友,这个关于思考模式的视频不知道可不可以解答你的疑惑。
m.czcams.com/video/iFSVMuBDMws/video.html
人的大脑思考分为有意识部分和潜意识的部分。潜意识的运算速度是有意识的指数倍。也就是有意识思考的时候还要运算时间,但是潜意思通常是在瞬间完成。而且对待输入的信息量也完全不在一个等级。有意识思考只能接受有限输入,而潜意识思考可以接受无数输入,这是自己意识不到的。比如你感觉到危险,但是你却找不出危险的逻辑,这是因为潜意识帮你完成了,它拥有海量的输入的出的结论。再比如说话。如果刻意想着怎么去说话,你往往说不好,但是你什么都不想由你的潜意识完成,你往往就说的很。所以我理解你灵光乍现就是你的超级计算机得到的输出。然而没没有经历过事情,你的潜意思已经通过以往的输入得出了输出。然后你有有意识的思考自己的潜意识怎么这么厉害当然想不明白了。都不是一个级别的。然而你自己的潜意思就是这么厉害。所以多经历多提高,灵感会在某一刻出现的。个人浅显认识。
找我的解釋比較快
你这叫顿悟领悟,也就是灵光一现的感觉啊哈的感觉。是平时思考的结果,纸笔记录下来对你有益。
我也有同样的经历,在多人讨论时候能激发出新的想法和点子,这也是我为什么觉得讨论和人际交流对智力健康很必要的依据。
费曼技巧就是机器学习中将样本分为两部分:一部分用于学习,一部分用于验证。只有模型可以验证才是有效的模型。
学习方法我都懂,有时候我在思考一个问题,就是大脑记忆的提取问题,有时候忘记了一个名字,然后明明大脑里面没有与之相关联的记忆,但是还是 突然一瞬间就想起来了,这个原因我找不到解释,也许真的脑细胞在工作,而这个工作人自己是感觉不到的,只是工作完成了通知大脑而已,于是就瞬间想起来了。
总结得特别好 👍
真是非常優秀的視頻
这种操作系统类型的视频,应该越慢越好!
明白了解释的重要性,也明白为什么最近觉得对学习失去积极性,因为没有按问题和答案这种方式学习,其实一直只是在理解信息,所以也很难和别人解释,就失去了掌握知识的成就感。
听开头的时候就觉得和机器学习一样。哈哈哈
透徹!佩服!
视频非常好,谢谢坚持更新
再看到這影片前,花了30年才理解的道理。
雖說好像浪費了不少時間,但之前沒理解時看到了,我也不知究竟看不看得懂.. 哀 人啊
醍醐灌顶 非常赞
內容太棒了 感謝分享
这一套理论是建立在因果论之上的,想想薛定谔的猫,不过大多数普通人都生活在因果论之中。
内容很好,非常感谢。音乐没必要,这就像做菜视频带音乐一样
關於反饋,如果沒有講解對像,我現在都用Bing 聊天AI 去講解新學會的知識,如果它能明白我在說什麼,那大概就是我掌握了該知識
到了快四十,我觉得所谓聪明就是建模的过程要比一般人快很多,而且会一直自我迭代修正。
很好,谢谢
gpt的decode-only也是验证了费曼学习法有效
內容很棒 !!!!
內容很棒 !!!!
內容很棒 !!!!
但聲音不夠清楚 讓人聽了昏昏欲睡
第二点说明了要主动刷题的重要性 不是机械记忆 而是要重塑大脑链接
这视频很赞!
这个视频的内容和我们老总开大会讲的基本一样~怪不得老总40来岁公司就上市了~还是有方法的!
这个视频有两个问题一是没使用例子,导致我们有点难理解视频里你说的所有内容。二是没使用费曼技巧,当然第二个没法使用,因为没有反馈对象。
🐒
解釋給自己? 解釋給親戚的小孩?
這是個架構統整,即使有例子那會變成超常的影片,需反覆觀摩,則抄下他所說,並自己找出跟自己映證加深其邏輯,不然都只是文字圖片訊息
你在留言不是在反饋嗎?
你说的非常正确,这也是我想说,这个作者看起来懂得一些东西,但是不懂举例子,看起来就像自说自话
感谢作者,受益终生
相遇恨晚,感恩分享
我从一开始就觉得 这是讲机器学习!! TRAIN MODEL!!
当老师。讲课。是个好办法
很清楚,厲害
great work
很有启发
因为我平常看视频基本1.5倍甚至2倍的速度,你逼得我让我用正常得方式去看了。
好视频,就是背景音乐有些过大了。
太牛了老哥
金字塔原理说的大脑抽象过程就是这里的学习,抽象的抽象形成了金字塔;新的变化再次跟已有的抽象迭代产生新的抽象
講的很好,分成三集,講長點更好。
建议能否举些例子,尤其是说拆分知识子知识那段,结构说的很专业但是太抽象了。
知识是已有问题解决未知问题的函数。掌握了这个函数,你就拥有了某类问题解决的知识。然而……
太干货了,听的好兴奋
漂亮,把我一直想说的东西说了出来,我很久就想把机器学习和人类学习联系起来,也找出了视频里说的那些点,就是我那些同学们不相信这些,他们只相信努力就会成功,就很尬
告知: 其實你誤會了 機器學習60年就有了 就是某大神 從認知科學 衍生到機器學習上的 現在卻被反過來用而已
我非常希望能够很早看过这个影片
非常感谢分享 !!!
不止改变了我的学习观
已经改变了我的思维
如果没有看过这视频
我的人生会有非常大的差别
感谢救命
背景音乐好象是《大门未知子》的配乐吧
哲學家透過抽象建模找出規律去解釋世界 大家只記得結果 卻忘記建模找出規律也很重要
真的厉害👍
视频做的不错,请问是用什么软件和方法制作的?
好像懂了,又好像沒懂。
只懂框架,但卻不懂要框住何樣東西,甚麼都能框。但是這框框能包含他自己嗎?
看來一切的學習似乎沒有意義~了解了過程又如何,實際上當一個學問被拆分拆分在拆分,是不會消失呢?【微積分概念】
感谢无私分享 👍 油管差一个打赏
真实的情况是,无论自然科学、工程技术界还是生活工作中,绝大多数输入和输出之间的关系,即函数由于其高次、非线性等原因是没有解析解的,也就是根本写不出具体的关系式,所以掌握这种函数其实非常复杂
是的,总结规律其实是非常难的。除了要高智商还要大量例子的输入。不过理解了输入输出的真正关系对学习还是非常有帮助。例如你不能通过读如何游泳一书来学会游泳。
这种频道摸到就是赚到,感谢冯诺依曼让我摸到你。
哈,我是搜香农极限时摸到的。。。。