- 学习力跃迁:像AI一样迭代自己
- 田俊国
- 1878字
- 2024-08-22 11:23:55
前言
永远走在迭代自己的路上
在一次大型论坛上,一众嘉宾在台上畅谈AI时代的学习。有人分享如何用AI助力教学,有人分享如何让AI辅助写文案,还有人分享如何教AI学习……AI在很多领域给人带来了惊喜的同时,也带来了不小的挑战。我却提出另一个命题:自然人如何像AI那样迭代自己,让自己快速学习?
早在2021年我就做过一轮“深度学习”的主题阅读,啃了几十本有关AI学习和迭代的书。把握了AI学习的基本原理后,我最大的感慨是,自然人最应该向AI学习的是其学习方法。后来,我就结合自己对脑科学、教育学、心理学的理解,开发了一个名为“学习力跃迁”的线上训练营,吸引了一批长期追随我的学员。没想到大家深受启发,甚至有学员日均打卡超过3000字,18天的训练营结束后,他们居然写了5万多字的学习笔记。学员们的学习热情让我深受感动和鼓舞,我决定把“学习力跃迁”训练营的文字稿整理出版。同事原继东老师帮我把训练营的内容整理成9万字的初稿,我增删多遍,最终成书。原继东为本书的出版做了很大贡献!
本书分上下两部分。上半部分讲理论,主要论述我提出的ACCP学习模型,指出学习是一个由吸收(Absorb)、建构(Construct)、创造(Create),以及表现(Perform)四个环节构成的有机协作的闭环,ACCP循环的速度和力度是检验学习力的重要指标。看似简单的ACCP循环背后,是大脑机能模块的充分调用,每个模块又包含意识部分和潜意识部分。不同个体的大脑各机能模块运作方式不同,各模块协作的方式也不同,在不同运作方式和协作方式下积累的经验,其差异也很大。大脑各模块的运作方式和协作方式好比AI的算法,在不同运作方式和协作方式下积累的经验好比AI的数据。而学习的本质不过是不断地进行算法升级和数据重构,即不断地用新算法审视过去的经验数据,经验数据积累够了,又依托经验数据挖掘底层规律,升级自己的算法。这就形成一个算法升级和数据重构相互促进的良性循环。如何加速ACCP循环的过程才是学习力跃迁的关键。
下半部分主要讲应用,分别论述了借助与书、与人、与事、与众和与己对话进行学习的方式,可以理解为ACCP模式在不同场景下的具体应用。对个体而言,学习的目的是算法升级和数据重构,学习的手段却是对话。ACCP模型其实是一个对话模型,其中A和P是个体间对话,而两个C是个体内对话。学习就是主动“淘换”自己的行为,目的是让自己更加适应社会,不断提高生命能量的运用效能,创造更多的价值,活出属于自己的幸福与成功,活出生命允许的最大可能。与书对话、与人对话、与事对话、与众对话不过是信息输入的源头和方式不同,目的都是启动内部对话,让ACCP循环起来。学习的最终实现还得靠学习者与自己对话,所以本书以与己对话收尾。
这本书其实是以我自己的学习模式为原型的,揭示了多年来我自己学习力跃迁的经验,并用ACCP模型将个人经验结构化。知识是结构化的经验,唯有结构化才方便在个体间传播。我认为自己最核心的能力就是学习力,2017年创业以来,我每年都能保持很高的效能,迄今为止已经出版的著作有14本,未出版的文字也有上百万字。不用PPT,用一根白板笔就能讲70多天不重样的课。甚至我的课不都是因为自己非常擅长某一领域而做经验分享,有时候是因为自己特别想提高,就买来一大摞书做主题阅读,把书上的内容消化成自己的见解,再架构成课程,用授课的方式与学生分享。我的授课都在对话中进行,在与学生的互动中收集大量真实案例,再利用所学知识帮学生解决真实难题,在这个过程中我实现了从知到行的转化。遇到难以解释的现象和难以解决的问题,我便会回过头来在书中找答案。于是就形成了用上课的方式消化书,又用现实问题驱动自己再读书的知行互促的良性循环。多年来我坚持每年读上百本书,上百十天课,在课上消化读过的书,又把讲了很多遍的课写成书。其背后的机理就是加速ACCP循环。
AI时代,无论组织还是个体,都要靠持续的学习力才能生存。如何像AI一样迭代自己,是组织和个体都不得不面对的问题,而这个问题显然还没有让人满意的解决方案。有价值的问题远比答案重要,如何像AI一样迭代自己,是一个值得持续探索的命题,本书只是抛砖引玉,但愿能引出更多高智慧的解决方案。说到底,本书想分享给读者的最重要的心法是,时刻处在学习态,恰到好处地走出舒适区,合理开发和运用大脑的高级机能。学习的本质是高级机能的长期定投,只有不断地、有意识地用高级机能去提升五大网络中低版本的模式,才能成为高效能的人。倘若一个人每天都能把大脑的高级机能转换成心智模式和反应模式的升级,多年积累下来必能活出生命允许的最大可能。即便比不上AI的迭代速度,也绝不会因虚度年华而悔恨,因碌碌无为而羞愧。
终身学习者永远走在迭代自己的路上,与时俱进,永不油腻。