学习的过程

#发芽

这里主要关注人类的学习过程，即运用推论与概率统计从大量数据中提取相应的模型

缘由

很多应试教育以及学习语言的方式违背了大脑学习新事物的特性，我们应当了解并顺应大脑学习新事物的特性

说明

[[ 推论 ]]、概率 与 统计 是大脑自带的学习算法，它需要在大量数据训练（经验）中去实现结果。

[[ 大脑 ]] 天生渴望关联与意义，从大量素材（表征）中发现规律（模型），通过规律解决问题，是学习的快乐源泉。

实例

• 婴儿通过扔各种东西，开始建立事物如何运行的初级 模型

类比

• [[ 贝叶斯算法 ]] 就是模仿了人的推论式学习方式
• 强化学习 模仿了与环境互动收集数据进行学习的过程

对比

• 贫乏模式学习，一步到位的思想，直接学习语法、规则、正确的解题套路。这种要求学习者直接接受孤立的结论而没有关联与意义，没有大量的训练数据，反而牺牲了真正的学习机会

效果

• 学习 的进阶是提升 模型 的提取能力
• 多多尝试，自己去做了才能够收集到有用的数据，进而通过数据进行推论，逐步构建正确的 模型

备注

• 小能熊 - 学习是在干什么