柯洁与阿尔法狗人机大战启示：如何高效学习？

04-07 来源：文章阅读网作者：阿何阅读：109

老婆大人让发的红包，说不发就揍我，我也没办法呀！还说没人领也要揍我，我好无奈！！！

几天前，世界围棋第一人和谷歌公司开发的人工智能棋手AlphaGo进行了一场三局两胜制的对决。可惜的是，这场被誉为“挽回人类最后尊严”的比赛，柯洁最终还是以0：3告负，一局未胜。

AlphaGo为啥如此牛逼呢？除了谷歌开发的牛逼的神经卷积网络等人工智能技术之外，还有一个因素听起来很“土”——这便是训练。

是的，在输入围棋的规则之后，开发工程师会将无数人类过去对决的棋局输入进计算机，让AlphaGo模拟对决，进行训练。每一天，它都要进行百万步数量级的训练。发展到后期，还要进行增强学习，两个版本的AlphaGo自己和自己对弈，从中找到不足。

在过去，因为围棋比赛涉及的计算量太大，以现在的计算机水平根本无法处理，大家都认为计算机是不可能下赢人类的。像目数计算，“势”的判断等，更被认为是人类的天赋。但现在依靠新的技术，通过无数棋局的训练，AlphaGo建立了无数棋局判断的认知模型，无需穷举（这也做不到）便能迅速找到胜率最高的下法，打破了人类的常识。简单来说，它的学习方法已经和人类非常相似了。

这场比赛，让我感触最深的是：其实人工智能一开始都是非常“笨”的，远没有我们想象的那么牛逼。但只要辅助足够的训练量，就可以轻而易举做到人类做不到的事情。

机器如此，其实人类何尝不是如此。很多我们所仰望的大牛，并非说在智商、能力上一开始就和普通人有天壤之别，真正拉开差距，在于大牛们以正确的方式，进行了足够数量的训练。

训练的核心作用，在于帮助我们建立“感觉”，或者称之为“认知模型”。打球时每一次击球的手感，游泳时划水蹬腿的节奏，解题时突然涌现的灵感，都属于这种感觉。

和AlphaGo面临的情况类似，很多时候我们遇到的问题都是很复杂的，没法只靠简单的“计算”去穷尽所有情况，而感觉则能够跨过这道鸿沟，让我们貌似不符合逻辑地直接作出最正确的判断。就像是一场网球比赛，对方的球过来了，直接跟着感觉跑位、挥拍，哪来得及计算？

而这种感觉，是不可能凭空得来的，必须依赖足够数量、方式正确的训练。

很多人说，学习最重要的是坚持，这句话只对了一半。坚持只表明了时间足够长。但有效的训练，除了足够的时间之外，还要有足够数量和质量的训练。这也是为什么，很多新手能够战胜老鸟——无意义的大量重复凑数，时间再长也效果有限。

把AlphaGo的学习策略作一个拆解分析，便能得到一个对人类同样有效的高级学习方法：

第1步：排列学习顺序。就像AlphaGo首先要掌握围棋的基本下法和规则，才能进行后面的棋局训练。

第2步：进行有效训练。什么叫有效训练呢？首先是要知道对错，也就是有正确度的反馈；其次是要保证足够的数量。所以AlphaGo的训练才要有围棋专家辅助，并且要训练足够多的棋局，训练量越大，AlphaGo就越牛逼。

这种学习方法，其实对人类大多数领域的学习提升，同样是非常有效果的。可以这么说，是普通人还是牛人，最主要的差别就在于是否使用了这套体系。

以英语学习为例，普通人如何高效学习英语，最后成为英语牛人呢？

首先是要排出学习顺序，英语学习分为听力，阅读，口语，写作等部分，而词汇又是后面三者的基础。我们必须按照一定的先后顺序，去逐个部分学习。