01
幾天前，世界圍棋第一人和谷歌公司開發的人工智能棋手AlphaGo進行了一場三局兩勝制的對決。可惜的是，這場被譽為“挽回人類最后尊嚴”的比賽，柯潔最終還是以0：3告負，一局未勝。
AlphaGo為啥如此牛逼呢？除了谷歌開發的牛逼的神經卷積網絡等人工智能技術之外，還有一個因素聽起來很“土”——這便是訓練。
是的，在輸入圍棋的規則之后，開發工程師會將無數人類過去對決的棋局輸入進計算機，讓AlphaGo模擬對決，進行訓練。每一天，它都要進行百萬步數量級的訓練。發展到后期，還要進行增強學習，兩個版本的AlphaGo自己和自己對弈，從中找到不足。
在過去，因為圍棋比賽涉及的計算量太大，以現在的計算機水平根本無法處理，大家都認為計算機是不可能下贏人類的。像目數計算，“勢”的判斷等，更被認為是人類的天賦。但現在依靠新的技術，通過無數棋局的訓練，AlphaGo建立了無數棋局判斷的認知模型，無需窮舉（這也做不到）便能迅速找到勝率最高的下法，打破了人類的常識。簡單來說，它的學習方法已經和人類非常相似了。
02
這場比賽，讓我感觸最深的是：其實人工智能一開始都是非常“笨”的，遠沒有我們想象的那么牛逼。但只要輔助足夠的訓練量，就可以輕而易舉做到人類做不到的事情。
機器如此，其實人類何嘗不是如此。很多我們所仰望的大牛，并非說在智商、能力上一開始就和普通人有天壤之別，真正拉開差距，在于大牛們以正確的方式，進行了足夠數量的訓練。
訓練的核心作用，在于幫助我們建立“感覺”，或者稱之為“認知模型”。打球時每一次擊球的手感，游泳時劃水蹬腿的節奏，解題時突然涌現的靈感，都屬于這種感覺。
和AlphaGo面臨的情況類似，很多時候我們遇到的問題都是很復雜的，沒法只靠簡單的“計算”去窮盡所有情況，而感覺則能夠跨過這道鴻溝，讓我們貌似不符合邏輯地直接作出最正確的判斷。就像是一場網球比賽，對方的球過來了，直接跟著感覺跑位、揮拍，哪來得及計算？
而這種感覺，是不可能憑空得來的，必須依賴足夠數量、方式正確的訓練。
很多人說，學習最重要的是堅持，這句話只對了一半。堅持只表明了時間足夠長。但有效的訓練，除了足夠的時間之外，還要有足夠數量和質量的訓練。這也是為什么，很多新手能夠戰勝老鳥——無意義的大量重復湊數，時間再長也效果有限。
03
把AlphaGo的學習策略作一個拆解分析，便能得到一個對人類同樣有效的高級學習方法：
第1步：排列學習順序。就像AlphaGo首先要掌握圍棋的基本下法和規則，才能進行后面的棋局訓練。
第2步：進行有效訓練。什么叫有效訓練呢？首先是要知道對錯，也就是有正確度的反饋；其次是要保證足夠的數量。所以AlphaGo的訓練才要有圍棋專家輔助，并且要訓練足夠多的棋局，訓練量越大，AlphaGo就越牛逼。
這種學習方法，其實對人類大多數領域的學習提升，同樣是非常有效果的。可以這么說，是普通人還是牛人，最主要的差別就在于是否使用了這套體系。
以英語學習為例，普通人如何高效學習英語，最后成為英語牛人呢？
首先是要排出學習順序，英語學習分為聽力，閱讀，口語，寫作等部分，而詞匯又是后面三者的基礎。我們必須按照一定的先后順序，去逐個部分學習。
那么，作為第一步，如何快速有效地提高自己的有效掌握詞匯量呢？答案是訓練。只要能找到一種有效的訓練模式，進行足夠數量的訓練，詞匯量的積累就只是個時間問題。
而英語詞匯量的訓練，最有效的一種方式就是閱讀英文原著，因為它是把詞匯放到句子、文章中去，最大化還原詞匯使用的真實場景，從而最有效地幫助我們建立對詞匯的認知模型，牢牢記住單詞。
當然，這種訓練方法，還有很多注意要點，比如說：
1、要進行分級閱讀，也就是根據自己現有水平，挑選出恰好超出能力一點點的閱讀材料。太簡單了學不到新東西，太難了完全看不懂。
2、要有足夠訓練量。每個階段最少閱讀2-3本書，才能保證學習效果。
所屬專題：熱門專題：