【硬塞書摘】:《刻意練習》-比天賦更關鍵的學習法

有研究顯示,住院醫生的能力在開始執業三年後就幾乎沒有成長,甚至還開始倒退,原因就在於他們開始「駕輕就熟」了。
評論
評論

《刻意練習》這本書應該可以稱作是學習者的「聖經」了,研究非常扎實,創立了這個架構開山始祖,後面的所有論述都是從此延伸,但未必講得比這本書要清楚,內容含金量實在太高,對我自己也可能多有助益,所以用這篇好好整理裡面的重點。

本文索引:
【不是努力就夠了】
【技能導向的學習法】
【專家跟新手的關鍵差異:心智模型】
【天賦會影響成就嗎?】
【刻意練習的關鍵法則】
【一萬小時理論的迷思】
【如何保持刻意練習的動機】

不是努力就夠了

一般人可能對於進步的本質有所誤解,其需要的不是更加努力,而是不斷嘗試新方法。

有研究顯示,住院醫生的能力在開始執業三年後就幾乎沒有成長,甚至還開始倒退,原因就在於他們開始「駕輕就熟」了。

技能導向的學習法

刻意練習可以稱作是一種有目的的練習方法,其重點在於「技能」而非「知識」。不過,你需要鍛鍊的是所謂的專家的「心智模型」,也就是他們的思考態度,而非複製其知識。

既然是「思考態度」的學習,為何說是「技能」學習?刻意練習法要求直接開始做,然後不斷的遇到挫折,改進後檢討修正,然後繼續再做,反覆重複這樣子的過程,而非先讓你建立一套完整的知識架構。

實際上研究指出,擁有大量知識架構的人,他們在做實作上的表現甚至無法勝過新手。

專家跟新手的關鍵差異:心智模型

然而這套方法也並非要我們「從零開始」無師自通,而是要找出該領域的專家,貼身接受他們的指導,去理解複製他們的心智模型,然後透過不斷的拆解實作,用實作去精通其內涵,然後站在巨人的肩膀上,開始發展出自己獨一無二的「心智模型」,開始做些變化,甚至最後青出於藍。

要如何建立「心智模型」呢?有一個步驟可以依循,第一步是透過不斷的拆解嘗試重現領域專家的成果,第二個則是在實作後嘗試找出自己的問題點跟專家的對照思考之,然後第三步就是針對檢討後的結過再次嘗試,不斷重複這個過程。

透過「刻意練習」,讓專家之所以能夠成為專家最關鍵的因素就是「心智模型」,也就是一種對於特定領域結構化的理解能力,去建構出塊狀且互相連結的知識結構,建立這種能力後的專家往往能夠在一些枝微末節間見人所不能見,甚至能夠在毫秒之間去根據突然發生的狀況建構出一個最適化的解法。

他們能夠同時「見樹又見林」,並且能夠敏銳的察覺林跟林之間的互動關係,不但具有大局觀,也能觀看系統的特定渺小之處,甚至能夠抓出其中運作的系統。

天賦會影響成就嗎?

要成為一個領域的大師,光靠刻意練習夠嗎?是否「天賦」會造就不可跨越的障礙?

事實上除了在運動領域,若是極度異於標準的身材會造就進入障礙,幾乎沒有任何的研究指出,有任何天賦是跟能夠透過練習達到的成就呈現直接相關的,甚至研究指出,人類的大腦具備極大的可塑性,透過大量的刻意練習後,大腦的生理結構甚至會被改變。

有研究就指出一群視力較弱的民眾透過此套方法訓練後,竟然有恢復視力的跡象,並非他們的眼球結構被改變,而是大腦在透過眼球接收到資訊後辨識影像的能力產生了變化。

然而特別要注意的一點是,開始進行「刻意練習」的時間點的確會影響你是否能夠達到卓越。

像是運動領域上,早期開始訓練時,骨骼和筋肉的可塑性較高,的確會影響最後進步的程度,然而像是音樂領域,其實並沒有研究證實成年後大腦改變的速度就會較慢。

一言以敝之,「刻意練習」就是一種踏出舒適圈的練習法。

我們的身體都有慣性,因此若非透過刻意練習,一般人的能力往往最後會停後在一個一定的水準上,而透過不斷刺激大腦和身體的刻意練習,則會造就身體本質性的改變,不斷向上突破。

刻意練習的關鍵法則

然而講了那麼多,到底「刻意練習」要怎麼做呢?其有幾個原則:

  1. 獨自練習(反覆針對問題點,進行大量重複聚焦式的練習。)
  2. 全神貫注(因為很容易累,要搭配充足睡眠。)
  3. 保持覺察(不要讓自己在練習時,因為習慣了就開始不思考。隨時抓出關鍵轉折點,然後針對問題,重點密集的練習克服。)
  4. 拆解專家的技術,去分析其心智模型(不斷討論,思考他為何要這麼做?)
  5. 接受專家高質量針對性的回饋(後期可以透過心智模型自我回饋)

特別要注意的是,若要運用刻意練習,需要找出一些特定的領域,成效會最佳。總而言之,就是發展成熟的領域,這些領域能夠客觀衡量成就,且能夠明確辨識出其中的專家,像是音樂。

最好的是這個領域能夠快速密集的提供學習者明確的回饋(可能可以來自同儕),像是寫程式。

除此之外,越是需要通力合作的領域,在刻意練習上的難度就越高且可能需要投入更高的成本,比如西洋棋就是你能夠透過獨自研究棋譜等訓練,其訓練較不麻煩。若是想要成為一名芭蕾舞者,就必須找到教練和場地,還要有可供你表演的舞台。

實務上,要刻意練習,要非常著重的點就是在實作後的檢討。初期會滿需要教練密切的監督並指出你問題點,引導你去思考,並且在下一次的練習針對解決此問題,透過這樣的方式久了後就能建立學員的「自我提問」的能力,這基本上是刻意練習的根本,要不斷精準的洞察出自己的問題點,然後不斷將自己推往不舒適圈。

在卡關時,有一個小訣竅是能夠適時的改變練習的方式。以打字為例,每天騰出一段時間加快練習的速度,找出自己在加快速度時會失誤的單字,並且讓自己在高速下,能夠開始預測接下來的行動方案,快速動作。

一萬小時理論的迷思

本書也對「異數」一書引用發展出的「一萬小時理論」提出質疑。

該書作者就表示,他從來沒有說過一萬小時就能夠成為專家的承諾,這中間牽涉太多變數,只能說是充分而非必要條件。像是後來就有專書研究顯示披頭四的刻意練習時數事實上並非「異數」一書中所述的一萬小時,而是 1100 小時。

如何保持刻意練習的動機

最後要說明的是,只要洽當的使用「刻意練習」,任何人都絕對能夠進步。但是刻意練習最大的困難點就在於其實在太痛苦了,要能堅持不懈需要具有高度得動機。

這本書也介紹一些方法能夠強化你的動機,分別為「降低放棄意願」和「增強持續意願」兩個面向,以下有些方法:

降低放棄意願

  1. 事先計畫進行方式,事情騰出固定時間,事先排除干擾
  2. 照顧身體,維持充足睡眠
  3. 初期縮短練習時間,但是全神貫注
  4. 要放棄時,告訴自己至少達到上次最高水準再放棄

增強持續意願

  1. 接收階段成果回饋
  2. 找到共同進步的戰友
  3. 找到願意給你鼓勵的人
  4. 讓進步具體化,記錄數據之

購書連結: 博客來


Cookie 消失?試試看全新 AI 影像內容辨識:讓用戶看的內容決定看到的廣告

Google Chrome 即將淘汰幫助廣告主的工具—— Cookie ,它的離去將再一次地影響數位廣告產業。
評論
Photo Credit:<a href="https://www.shutterstock.com/zh/image-photo/ai-artificial-intelligence-big-data-internet-1075853384" target="_blank">shutterstock</a>
評論

透過GA分析進站者發現, Safari的新客數越來越多,難道這表示 iOS 的用戶數也跟著增加了嗎?注意了,這有可能是 Apple 封鎖第三方 Cookie 帶來的影響。隨著 Google 即將淘汰 Chrome 上的 Cookie ,這個幫助廣告主記住用戶受眾的小工具,將要再一次地影響數位廣告產業。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

後 Cookie 時代的廣告受眾如何鎖定?

各大廣告平台在過去幾年不斷地透過 Cookie 以及其它方式,悄悄收集使用者的用戶數據,隨著這幾年用戶的隱私權意識抬頭, Apple 與 Google 對於藉由 Cookie 辨識用戶資料的廣告投遞方式,持有不同的態度,這也將是所有廣告主的極大挑戰。當 Cookie 不復存在,要如何辨識使用者資料?

Cookie 消失了,或許會有新的數據辨識工具來取代,但是任何試圖跟蹤受眾的方式,都難以符合大眾對於保護隱私權的期望。另一方面,也極有可能無法再通過日趨嚴格的媒體監管限制。無論如何,數位廣告不能像過去一樣,無條件地使用類似 Cookie 的追蹤方式,來達到與現在同樣的廣告效果。

後 Cookie 時代內容辨識類型的廣告鎖定方式,將成為未來具指標性的投放策略。廣告與瀏覽平台或內文主題的高相關性,不僅能顯著提高受眾的互動度,更重要的是,完全不需要收集任何個人數據。

FreakOut Taiwan 不斷嘗試更友善的廣告投遞形式, 自 2016 年進入台灣市場的原生廣告,到 2020 年末引進「 Mirrors 」 AI 影像視覺內容辨識系統,都是以網路使用者的角度出發。「 Mirrors 」不需要使用傳統的受眾興趣設定,即可針對「目標受眾在觀看的影像內容」、「品牌自身競爭對手或相關指定系列產品出現的影片」來投遞 YouTube 上的影音廣告。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

AI 人工智慧影像技術突破,推動新一代內容辨識功能

傳統的內容比對廣告皆為自然語言處理 NLP 中心,基於「純文字」的比對來顯示相關廣告,如大家很熟悉的 Google AdSense 。但是,結合新興的 AI 演算和複雜的圖像辨識,已然能夠達到「影片」的內容偵測,透過增加多個比對層和基於自然語言處理 NLP 的基準定位,可深度學習並提供更精細的辨識洞察力。

舉例來說,若想要將汽車廣告投放給對汽車有興趣的人,我們要先從可能對汽車感興趣的受眾中開始推估,並且根據過去的經驗加入不同的興趣條件,最後針對素材更進一步地測試。透過 Mirrors ,我們可以讓廣告出現在有滿足特定條件的影片內,例如:在消費者觀看的影片中,出現汽車評測報告、自家品牌或競爭對手的 LOGO 、代言人等指定條件,再依照不同廣告主設定的預算判斷是否露出廣告。

藉由這樣的影像比對方式,可以更有效地根據消費者行為觸發廣告投遞條件,而不再是現行的用戶受眾數據。人的興趣是多樣且多變的,當對汽車有興趣的用戶在完成汽車的選購後,短期內將不會再瀏覽相關資訊,轉而瀏覽其他更具時效性的內容。透過消費者當下正在觀看的影片內容,取代消費者身上被貼上的數位標籤,將更貼近消費者本身的使用行為。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

Mirrors AI 影像辨識:用消費者看的內容決定廣告

2021 年台灣數位報告指出,台灣人在各網路內容服務中,最愛「網路影片」的比例高達 97.9%,遠超過 Vlog、串流音樂、網路廣播、Podcast 。

影音廣告早已是品牌經營的趨勢:根據 DMA 2019 年台灣數位廣告量統計報告指出,台灣各類型廣告中,影音廣告以 37.2% 的成長比例大幅領先奪冠。其中 YouTube 持續蟬聯台灣最常被造訪網站第 2 名(僅次於 Google ) ,在台灣各大影音平台中的觸及率及影響力不容小覷。

2021 年 FreakOut Taiwan 已與客戶合作,進行搭載新系統的 YouTube 串流內廣告投遞,在針對品牌及產品客製化的多層鎖定策略建議下,房地產廣告的 CTR 表現高於平均,並發現「人臉」群組辨識表現為佳,其中多為財經、名嘴等名人。而美妝品牌廣告 VTR 表現優異,則以品牌「 Logo 」、「人臉」群組有最出色的表現。

本文章內容由「驚點股份有限公司( FreakOut Taiwan )」提供,經關鍵評論網媒體集團廣編企劃編審。