如何自学任何东西

自学不是天赋,而是「摄入→构建→撞墙→补缺」的无限循环;LLM 补上了「遇阻需导师」这一环,所以它适合所有人。

AARYAN KAKAD(@AARYAN_KAKAD)随笔 · 已翻译 · 约 6 分钟
阅览室 · 认知与决策#自学#构建#学习#无限循环原文

自学适合所有人。为什么我一开始就说这个?

因为很多人觉得自学不适合所有人,只适合天才和那些能自学的人。

而这……是个误解。

它不是某种天赋异禀,它只是一个你需要无限循环的回路。

为什么你现在自学不需要另一个人

很多人觉得自学不适合自己的原因是,当他们撞墙时,需要一个老师或导师。

但你不再需要另一个人了。这个问题被一个我们现在称为 LLM 的工具解决了。大语言模型。

它可以手把手带你,它可以帮你,它可以引导你,它可以协助你,它可以帮你理清杂乱和困惑。

所以这里的重点是,自学适合所有人。

这就引出了另一个问题:如何自学任何东西?

自学回路

  1. 摄入:决定一个你想探索的东西,然后就开始随机地通过视频、书籍、论文等摄入围绕它的信息。
  2. 构建:应用它。这听起来可能像泛泛之谈,但我做的时候它确实有道理。一旦我得到“可应用”的信息,我就直接应用它。并用它或围绕它构建一些很酷的东西。所以……开始构建吧。
  3. 撞墙:这是不可协商的。你不可能第一次就能围绕你正在探索的东西构建出什么。你肯定会撞墙,如果你没撞墙,那肯定是个问题。
  4. 填补缺口:回到你问题的根源,问“我缺少什么信息?什么信息能帮我翻过这堵墙继续前进?”然后……
  5. 再次回到第一步。摄入。

这适用于任何事,不只是技术。

学吉他:随机摄入一个关于和弦的视频。通过弹一首歌来构建,弹得很烂。在横按和弦处撞墙。通过学习确切的手指形状来填补缺口。再弹一次。

学一门语言:大量输入视频,试着和人交谈,在答不上来时撞上一堵墙,用那些你当时想不起来的词把缺口补上。再开口说。

你学习的方式,和 AI 模型学习一模一样

AI 模型一开始是随机的,起初损失非常高。模型渐渐开始迈出步子,却并不知道哪一步是对的,直到损失告诉它。

走错的那一步也是信息,错误的一步告诉你哪条路不该走。而正确的一步会降低损失,让模型变得更准确。

模型不断地微调、不断地在自身内部做出改变,它一直在学习。但现实中的损失永远不会降到零。而如果它在用来学习的数据上真的降到了零,我们在机器学习里会认为这是坏事,称之为过拟合,用简单的话说就是死记硬背。

你从中理解到了什么?

你永远学不够。损失永远不会降到零。

你一开始面对的那种困惑,不过是高损失而已。这完全正常。如果你不困惑,那才不正常——那意味着你逼自己逼得还不够狠。

最初那些“我什么都不懂”的日子,正是这个循环从内部感受起来的样子。

1:1 法则

“知识的目的在于行动,而非知识本身。” ~ 亚里士多德

你消费的内容绝不应超过你构建或应用的内容。

在消费时保持严格的 1:1(理想情况下 1:2)比例。1 份消费至少应意味着围绕它构建或应用 1 份东西。

比起纯理论知识,更看重实用知识。

只消费不应用就是教程地狱,就像一个只见过数据、从未计算过损失的模型。

资源和主题可以是随机的,但输入与输出的比例必须非常严格。

否则……你会陷入一种错觉,以为自己懂了什么,但内心深处其实很浅薄。

AI 在你学习中的角色(别过度使用)

去撞墙。别逃避。因为学习就发生在那里。

AI 是你凌晨三点诚实的朋友。

你撞了墙,去找 AI,让它根据你的情况和你的生活来解释(“像给一个足球运动员那样给我解释”)。

而这几乎是任何老师都无法带给你的。

在你需要的时间,免费,以你自己的方式,简化地呈现。这就是 AI 对你的意义。

别让 AI 处处牵着你走,那不是正确的方式。正确的方式是去瞎折腾,当你陷入问题或缺乏信息时再去找 AI。

另外,AI 有时会把东西过度简化,以至于主要细节都丢失了。把它当作杠杆,而不是你唯一的学习工具。你唯一真正的学习工具是构建。

解释测试

“如果你不能简单地解释它,说明你理解得还不够透彻。”

这是我自学之路上迄今为止最强大的武器。

一旦你学到了什么、做出了什么,就试着把它讲给别人听。

可以是你的父母、朋友、密友、女朋友、男朋友,或者你的弟弟,也可以是网上的陌生人。

我选择了“网上的陌生人”,开始写文章、发推文,开始录下自己讲解所学内容的过程。

这有什么帮助呢?

它能暴露出那些靠动手实践仍未填补的缺口,因为解释一件事需要你对它有极深的理解。

这样一来,你就能补上剩下的缺口,而这正是我们想要的。放手去干,尽可能多地填补缺口(就像 AI 尽力降低损失那样)。

比如,上周我想解码并了解新款特斯拉 Roadster 背后的物理原理,于是我扎进去研究,吸收了一些内容,然后开始对着镜头逐点讲解。我先列好要点,吸收之后再用自己的话讲出来。

对的事,错的时间

很多时候,你会在错误的时间找到正确的资源。

比如,我在训练神经网络之前就去上了 CS229(数学很重的课程),对我来说非常无聊,要不是后来换成了 CS231n(更偏实践的课程系列),能真正动手构建和学习东西,我早就放弃机器学习很久了。

这就是为什么我觉得,路线图是最糟糕的东西。因为不是每个人都以同样的方式学习。有些人喜欢先搞懂数学,再获得动手构建的感觉;有些人喜欢先动手构建,边做边搞懂数学。数学在这里只是一个例子。

路线图在你还没有任何损失信号可以用来调整方向之前,就替你决定了路径。这就是为什么我讨厌别人要路线图,也讨厌别人给其他初学者路线图。

接下来做什么?

没有计划。我不会给你什么清单或路线图。我只想让你去思考你真正想学习和探索的东西。

然后在 2 天内(理想情况下就是现在),从看一个相关的随机视频开始,基础还是复杂都无所谓,重要的是迈出第一步。

直接开始。吸收、构建、撞墙、补缺口。重复。永远。就这样。

已读完 · 本文由熊猫易读翻译重排