這週的課堂主題,談的是選手最熟悉的「練習」。
課堂一開始,荃鈺老師拋出了這樣的一個問題:什麼是練習?反覆做一件事並不斷修正,就是「練習」嗎?
部分選手同意,認為這就是練習;有位選手並不這麼認為,他的答案很有意思,他說:從事對這件事情有幫助的,例如看比賽影片、放鬆,這也是練習。換句話說,這位選手的思考具備全面性:他是以一件事情的核心為主幹,再將其他相關聯的事務如同樹枝一般往外延伸。
走舊的路,到不了新的地方
荃鈺老師在課堂開始前拋出的問題,倒是讓我想起了我在學習舉重運動的過程,也觸發我去反思:我在運動訓練上,是不是也陷入了「只要不斷重複,就能順其自然的達到目標」的「盲目努力」當中?
一直做同一件事,雖然這也是練習,但僅適用於動作學習的初期:不斷重複,等待身體記憶、等待熟能生巧。在學會動作最初的模型後,如果要再更上層樓,勢必得耐得住寂寞,從同一件事當中一次次找出可以優化之處。先異中求同:學會基礎;再同中求異:找出適合自己的方法,並修煉成自己的致勝關鍵。簡單的事重複做,重複的事用心做。操作每個步驟時,都像是跟自己對話;一遍遍的做,也都能發現先前疏漏的細節。溫故而知新,這也是一種樂趣。
有效率的學習 – 學習三角
回到課堂要談的主題-練習的效果,其實與「學習三角」有關:
一、 微小改進
舉例來說,一場好的演講,主講者肯定經過無數次練習 : 有可能去參考他人的台風、有可能是對著鏡子不斷修正……,這些在過程中不斷優化與提升的過程,就是微小改進。
但是,需要改進的地方,一定跟對錯有關嗎?那什麼是對,什麼是錯呢?
其實這個社會,並沒有一定的標準答案。所有的選擇都是對的,你只有在選擇之後,用盡全力做到比另一個選擇更好,那麼這樣的選擇,才會是沒有遺憾的。
二、 即時反饋
為什麼那麼多人愛打電動勝過讀書學習?其中一個原因便在於遊戲能夠即時反饋。但學習、訓練這種事,你可能得熬個一年半載、甚至更多時間,才會有個結果告訴你過程有哪些細節需要調整,並沒有辦法當下獲得回饋。
每一個能引人入勝的遊戲都是這樣,你能夠在當下知道自己的成敗、並透過指定條件換取得以破關的提示。因為很快能獲得回報、知道自己的努力是否有效,所以特別有成就感、也特別開心。但是,世上任何有意義有價值的東西,都是需要時間與經歷去反覆淬煉、不斷累積的。欲速則不達,所有的困難,都只是為了阻擋想走捷徑的人。
我們都喜歡有明確的方向可以進步與調整、喜歡能夠量化的努力,讓我們清楚明白自己還需要出多少力,但人生不是恆等式、也無法套公式,不會 1+1 剛好=2,但也是因為這樣,透過不斷想方法調整、觀察後續的反應,感受到事情有越來越好的跡象,這才是我們能期待的。
從等待與自省中一步步解決問題,這也是運動員在訓練後獲得成就感的來源之一。
把練習當比賽、比賽當練習。比賽與考試只有一場,但我們卻能在每一場訓練與教練及隊友互動,透過有經驗的人帶領我們往想要的目標前進。這才是即時反饋的意義。
三、 刻意練習
奧運金牌菲爾普斯的每一次訓練,都不會那麼平靜順遂的練完當日所有課表 : 一會兒是蛙鏡進水、一會兒又是東西不見......。這是教練給他的考驗 : 因為身體一旦進入自動化, 一旦開始適應,精神就會鬆懈,就不再有學習,也沒辦法臨機應變。沒有刺激與困境,何來嘗試與突破?
出乎意料的事件,應當被排進訓練中。我們沒有辦法預測比賽當天會有多少突發狀況,只能在平時的訓練中把自己準備到最充足,隨時可以上場應戰。所有的臨機應變,都只是訓練的延伸,也只有在這個時候,才能看出一個選手的實力。
「學習」是本能嗎 ?
我認為這個問題的答案是肯定的。
遠古時代人們為了活下去,開始學著嘗試分辨什麼能吃、什麼不能吃;為了禦寒,學著自己動手。
為了生存,你得什麼都會、得要學著適應環境。這道理即便放到現今社會,也都適用。文明進展到現在,透過前人將經驗系統化傳承,才有我們現在習以為常的教學模式,卻也是因為太過於習慣以教學方式進行學習,使我們漸漸遺忘自己與生俱來的本能、不敢嘗試自己摸索,沒有想過自己也能是創造歷史的那個人。
摸索對大多數人來說確實是項挑戰,但其實人天生具有接受挑戰的能力,而能否啟動這項本能,關鍵在於「信念」:有些人在挑戰過程中具備積極心態,能不斷肯定自己、鼓勵自己; 但也有些人,連試都不試就懷疑自己,還沒執行就先把自己嚇死了。
人有無限可能。懷疑自己的時候,想想身邊願意相信你的人。
給他魚吃不如教他釣魚
課堂的末段,荃鈺老師帶入這幾年較為熱門的話題:機器是如何學習的?為什麼我們要擔心人類總有一天被人工智慧取代?因為長時間進行深度學習、精益求精的過程中,人會疲勞、會需要休息、會有情緒等等外在與內在的因素干擾最終結果,但機器不會。
「深度學習」其實被包含在「機器學習」當中,而「人工智慧」又比「機器學習」層次更高。
以下是機器學習與人工智慧的學習過程:
機器學習:輸入資料→建立特徵→運算學習→辨別結果
人工智慧:輸入資料→運算學習→歸納特徵→辨別結果
從中可以明顯發現,在特徵學習這部分,一個是仰賴人類輸入,而另一個卻已學會從本質下去歸納。換句話說,一個是被動的等待指令,另一個早已學會主動「分析、分類、下判斷」, 高下立判,可想而知。
機器學習與人工智慧當中的差別,不就像是我們從小到大非常熟悉的傳統教育嗎? 回想一下國高中在學校的學習模式,是否聽課與抄筆記這類的輸入工程居多? 我們好像永遠都有背不完的書、寫不盡的作業與考卷,卻很少有時間思考:這些知識對我目前的幫助是什麼?我如何能夠應用來讓生活變得更好? 記得曾經看過一張有趣的圖,說的是台灣人才養成與歐美人才養成的不同:在養成人格與價值觀至關重要的青少年時期,我們總在讀書考試間不斷循環,卻忽略生活管理、自我摸索等等更為重要的人生課題。
「認識自己」,始終是一生的課題,你會在大大小小的每次抉擇中不斷發現自己喜歡什麼、適合什麼,也會從每次的選擇中發現:啊!原來我就是這樣的一個人!
「物以類聚,人以群分」,正是因為人有自己的思考,在思考之後所做出的判斷,決定了未來的走向、決定了人的一生。是那些選擇決定了你是誰。而這也是每個人之所以獨特以及能相互吸引之處。
背誦並沒有不好,那是接觸新事物的初期,必須先在腦中建構出一個雛型,即便是人工智慧,也是需要經過最一開始輸入資料的階段。但吸收進來的東西,是需要經過反芻消化的,只有經過思考的東西,才會是自己的,也才能因應環境的改變做出最適宜的調整。等待被動接受指令的填鴨式學習,永遠只能聽命
於人、永遠無法達到青出於藍而更勝於藍的境界。
教育成效不彰,是指導者的錯嗎 ?
當然不是。
回想自己在國高中時的生活,目前學校的課程設計好像都是填鴨式教育,每個老師都在趕進度。有了「翻轉教育」之後,大多數老師能想到的就是讓學生上臺報告,但我覺得其實效益不大。上臺報告對我來說,只是把自己不熟不感興趣的知識移花接木、甚至可說是斷章取義的拼湊出來,也不知道內容到底是否符合邏輯,因為自己並未產生共鳴,所以多數時候覺得上臺報告的內容講得都很心虛。
上臺報告或許是老師們覺得能夠聆聽學生想法的時候,但如果上臺報告能著重在引導學生去思考為什麼要學、學了能如何運用,而不是一個章節一個章節的分配完就完事,或許會更好。
除了教學方式能再調整,我認為學習者的態度也應該修正。學習應該是主動想要、會有求知若渴的感覺,而不是被動接收、不肯自己做出改變卻又對於現況抱怨連連。在我們總是抱怨老師上課很無聊的時候,其實也應該主動去探尋自己感興趣的事物並嘗試學習,而不能把教學成果不彰全怪罪於老師頭上。
真正有效的學習方法,是取決於學習者的動機。心之所嚮,才會身之所往 - 先有了強烈的渴望,並能與教學者相互磨合、找到適合雙方的節奏,這樣的學習方法,才是最有效率的。