GPT可能是最近技术圈最火的话题之一了, 作为一个曾经被NLP暴打过, 还依然对这个领域感兴趣的人, 也深度体验了chatGPT和midjourney/stable diffusion的图片生成. 我玩的非常上瘾, 特别是chatGPT, 几乎每天都要使用. 但是这篇博客, 我并不想写GPT工具直接给我带来的效率提升, 而是聊聊GPT如何让我我重新审视自己的学习方法.
作为一个在学习之路上一直事倍功半的人, 总是在思考如何高效率的学习. 最开始写博客也是我想把学到的东西讲出来, 让我能一步到位, 深度地理解技术, 同时也能帮助别人. 可是这种学习方式实际上是反人类的, 以我的智商, 是不可能在第一遍看书的时候就完全理解所有知识点. 就算一个知识点当时理解了, 过段时间也很容易忘, 而且对同样的知识点, 随着技术的深入, 我的理解也会是不同的. 学习的过程中不应该追求一步到位, 而是应该一遍一遍反复看, 有没想明白的地方, 就再看一遍, 看两遍的时间间隔稍微长一点也没事, 甚至可以先记住结论, 再理解原理. 而这其实就是train一个模型的过程. 当我需要某个知识点的时候, 只要有prompt, 就能让我想起这个技术点. 再用某个知识点的时候, 我还可以对自己进行预训练, 也就是再去看这一段的知识, 并再去理解. 这样, 我不仅对技术点的理解加深了, 还能真的明白这个知识点在实践中的用法. 把我的大脑当成一个神经网络, 自己train自己.
这也是为什么我现在学习过程中只会用思维导图来记录, 而不是直接写博客. 画思维导图时, 对一本书的大致框架可以由一级/二级的topic概括, 让我明白我要学什么, 我能在这段时间收获什么, 同时对学习时间进行一个预估. 实现书中实验的时候, 只需要把实验的源码整理下来, 并在思维导图中标注, 方便以后反复查看.
所以, 未来我写博客也不会再放上学习笔记, 而是更多地写写一些小实验, 或者是源码分析这种碎片化的技术点. 对于体系化的知识, 读者也不应该在我这里看, 而是去找信息的源头, 毕竟我看自己写的一大片文字都会很头大. 如果有朝一日, 对某个技术领域, 我有了深刻的理解, 并有能力写出概括性的文章时, 我也会开心地写作.
一些老文章会继续存放在文件夹中, 但不去渲染出来了.
comments powered by Disqus