? ? 不管是在任何考試中，我們都應(yīng)該注意到這樣一個問題：這道題所需要的能力究竟是什么？

? ? 在回答這個問題之前，我們需要先知道機器學(xué)習(xí)的本質(zhì)是什么。

? ? 機器能干的事通常來說只有執(zhí)行命令，但在執(zhí)行命令時也需要辨認(rèn)目標(biāo)對象。

? ? 所以，區(qū)分目標(biāo)對象尤其重要。但奇怪的是，機器的區(qū)分能力往往在我們?nèi)丝磥硎呛艿图壍模ǔ碚f我們能快速認(rèn)清的東西機器卻認(rèn)不清，這是為什么？

? ? 這就是機器學(xué)習(xí)的核心——試錯。

? ? 人之所以看起來學(xué)得比機器快（當(dāng)然是假設(shè)學(xué)習(xí)效率相同的情況下，因為機器的算力比人腦強了太多），是得益于人們的一個強大功能——無知的自信。

? ? 很多時候，我們敢于相信我們并不確定的東西，并確信我們自己其實已經(jīng)懂了。即使這個東西只是一句話，但實際上來說，我們可能只是知道了這句話的每個字而已，并不知道它的具體范圍是什么。

? ? 所以這就會產(chǎn)生一個現(xiàn)象，我們覺得這個概念很簡單，但是我們會反復(fù)錯，并開始懷疑我們自己究竟有沒有進(jìn)展。

? ? 無須懷疑，進(jìn)展肯定是有的。每當(dāng)你對一個你認(rèn)為簡單的概念十分了解時，你的無知就占了上風(fēng)。就拿機器來說，即使讓機器辨認(rèn)一個東西是否是人，這個機器大概率在前期辨認(rèn)錯誤率必定遠(yuǎn)高于你——它會將許多不為人的東西判定為人，將許多為人的東西判定為非人，但你總能贏他。但到了后期，它的判斷往往極為準(zhǔn)確。

? ? 因此，我們可以得出一個結(jié)論，在簡單概念的學(xué)習(xí)上，試錯尤其重要。越簡單的概念，考試時考到的精度就會越高，越需要你對于這個概念的準(zhǔn)確判斷。但實際上，我們在學(xué)習(xí)時就和機器一樣，會不斷出錯。有時甚至之前你的得分率較高，現(xiàn)在低下來了，你會認(rèn)為你退步了，但其實不是這樣的。

? ? 你僅僅是之前運氣好恰好沒有出錯而已。而對于現(xiàn)在的你來說，你的實力也比以前更強了，只不過你現(xiàn)在拓展到是錯誤的案例。

? ? 而機器學(xué)習(xí)的本質(zhì)，就是事無巨細(xì)，將每一個錯誤的案例排除掉，留下正確的案例。

? ? 每當(dāng)我們?yōu)楫?dāng)今阿爾法狗的圍棋技藝感到驚嘆時，就要首先想到，之前阿爾法狗在學(xué)習(xí)時甚至連剛懂規(guī)則的新手都下不過，可能自己被圍還在其他地方隨便落子。然而當(dāng)今，阿爾法狗卻是全世界圍棋選手的學(xué)習(xí)對象。

? ? 所以，對于那些概念簡單的東西，其實我們并不需要十分復(fù)雜的分析，而是要側(cè)重練習(xí)的數(shù)量，確保我們錯的題夠多，排除掉那些錯誤的領(lǐng)域，這樣正確的概率就會提升。

? ? 那么如何分辨概念是否簡單？

? ? 答案是組合少。

? ? A有一種組合，AB有三種，ABC有六種。再往上，組合就會越來越多，需要我們思考的量也會不斷暴增。所以當(dāng)一道題目可能使用到的知識點組合并不多時（因為許多題目做的時候你需要先了解這道題涉及哪幾個知識點，而復(fù)雜的題目你要把很多可能用到的情況都考慮進(jìn)去），我們是可以做到不靠復(fù)盤單純堆量來提升我們的能力的。

? ? 簡稱題海戰(zhàn)術(shù)。

? ? 總而言之，在應(yīng)對簡單概念時，我們要多刷題，注重量的積累。途中發(fā)現(xiàn)自己正確率下降也不要慌，這證明你遇到你不會的地方了，并不是你原來會現(xiàn)在不會了。你要做的，就是不斷地拓展你的認(rèn)知領(lǐng)域，明白出題人所給的概念范圍，這樣不斷堅持方能突破瓶頸，改變分?jǐn)?shù)高低不定上不去的情況。

? ??