スタッフブログ
2024.10.31
BLOG
Learning to learn
こんにちは、松阪、伊勢、津の英会話スクール、GES英会話のWesleyです。
学ぶことは経験でも瞬間でもない。また、学習は体験でも勉強でもない。学習とは一種のデータ圧縮機能であり、非可逆記憶である。過去の経験を正確に再現するには、同じデータポイントを繰り返し検索する必要がある。しかし、それでも、エンドレスに繰り返したとしても、データは再現時に必ずどこかで失われる。つまり、学習がすべてではないのだ。学習は、理解という再帰的な機能を通して行うことで、より効率的で正確なものになる。
理解は学習ではないので、データを保存する圧縮機能ではない。したがって、これまで挙げてきたような他のものには当てはまらない。理解とは、再帰的ソートアルゴリズムである。別の言い方をすれば、あなたの思考が並べ替えられたリストにリンクされ、それを並べ替えると、理性と効果が原理的にも真実的にもあなたの周りの世界と結婚するような場合である。理解とは再帰的なものであるため、それを突き抜けない重要な基本ケースを常に持っていなければならない。同様に、理解したことをはるかに超えたことを学ぼうとすれば、スタックオーバーフローの危険がある。私たちはこれらの限界を認識しなければならない。
学び、理解するためには、ただ読むだけ、ただ見るだけ、ただ受動的にインプットを経験するだけでは不十分だ。なぜなら、それはデータセットを構築するための手段であり、より大きなデータセットは学習により多くのものを提供するからである。しかし、学習と理解に必要不可欠な機能として、再体験すること、動的に思い出し、記憶すること、新しいつながりや古い間違いに気づき、失われたデータを回復すること、そして、生のデータセットを積極的にテストし、実験すること、現実世界のどこにどんなつながりがあるのかを確認することで秩序立てて並べ替えることがある。
松阪・伊勢・津 GES子ども英会話 子どもから大人まで
英会話の無料体験はお気軽にどうぞ→ご連絡は0120-61-0873まで!
お家で英会話を試してみたいという方はオンライン英会話もございます!
ウェズリー
Learning is not an experience, nor is it a moment. Learning is also not exposure, nor is it studying. Learning is a kind of data compression function with lossy memory. It’s needs to repetitively search through the same data points to reproduce a past experience with any accuracy. But, still, even if you repeat endless, data is always lost somewhere when recreated. So, learning is not the whole story. Learning becomes more efficient and accurate if you funnel it through the recursive function of understanding.
Understanding is not learning, so it’s not a compression function that stores data. Thus, it’s none of the other things we’ve listed so far. Understanding is a recursive sorting algorithm. Or, put another way, when your thoughts are linked in an ordered list such that, when you sort through them, reason and effects are in principle and in truth married with the world around you. Since understanding is recursive, we must always have some important base case that it doesn’t penetrate through, thus we limit the function there. As well, we risk stack overflow if we try learn something far beyond what we understand. We must be cognisant of these limits.
To learn and understand, it’s not enough to just read or just watch or to simply passively experience the input. That will get you some way towards it, because that’s the means by which you build a data set, and larger data sets offer more for learning. However, some essential functions of learning and understanding that you must step through are to re-experience, to dynamically recollect and remember, noticing new connections and old errors and recovering lost data, and then to actively test and experiment with the raw data sets, to sort it orderly by seeing what links where in the real world.
Wesley