智力(二):智商及其组成,与后天培养
智商的直接定义是一组题目的分数。其原理是认为:一个人在数学推理上表现好,通常也更可能在某些语言、空间或抽象推理任务中表现好。不同认知任务之间存在一种共同的统计因素,这个因素被定义为一般智力因素。IQ 是对多个认知任务表现的标准化测量,而这些表现由基础能力、知识经验和其他因素共同产生。
更本质的说,我们认为一个人IQ高,更加聪明(狭义聪明)的时候,具体是认为他有什么特质呢?
1.信息处理速度快
2.工作记忆能力强
3.执行与注意控制出众
再具体一点,表现可能是对相同数量的数据集,聪明的人可以优化出更好的解题模型,甚至发生某种涌现。进行深度思考的时候,往往也更容易得到更好的结果。
这里想讨论一个点,后天通过数据学习到的具身智能,与深度思考的决策能力其实是相辅相成的。一方面,在面临一个新领域的时候,我们总是要使用深度思考去理解,学习新的数据集,进行某种梯度下降,训练到我们自己的具身智能模型中(即instant模型);另一方面,我们学习到的具身智能的模型,也可以:
1.减少我们在该领域衍生问题思考时所需要处理的思维链
2.指导我们在该领域衍生问题深度思考的方向
3.在新领域的学习时,快速建立同构
这里可能比较抽象,我拿围棋举例子。现在不知道什么情况,我小时候学围棋一定是从背定式开始的。定式,就是黑白两方在局部的博弈最优解,如果有一方不按某个定式下这个局部,那只要对方知道最优应对,你就吃亏。围棋的布局基本全是定式,哪怕现在AI时代也无非就变成了AI定式,总之是没那么多变化可言的。所以你背定式几乎一定可以减少你下布局所需要的时间。
同时在中盘的时候,你往往需要考量是否要继续处理当前局部,还是抢占其它大场。你去记忆一些布局的原理之后,你就能很快地做出这个决策。
同构的这个问题,是我自己感受最深的一个点,我觉得人学习新知识就是在不断地和已有的知识建立同构(同态)。就比如“有三个橘子,我拿走一个还剩几个”和“有三个梨子,我拿走一个还剩几个”,本质就是同一个问题。然后你在现实中知道走直线,你在学习“两点之间线段最短”这个知识点的时候,就能快速地与你的现实经验建立同构,从而牢固地记忆。
所以这里有我的一些教育学上的观点,就是儿童的教育方式一定是多收集数据集,多体验。他收集了足够多的现实知识,训练自己的具身智能模型后,就能在学业中建立许多同构。可能他研究生才知道同构isomophism是个什么东西,但是在他学1+1=2的时候,他就能想起来,“妈妈给我一个梨,爸爸给我一个梨,我有两个梨子,所以1+1=2”。
但是更加广义的聪明,我觉得可以定义为在现实生活中实际解决问题的效率和能力,又是另一回事。就拿计算机跑编程题举例子,它跑一个程序的时间,会不会报错,和电脑的cpu有关系,内存有关系,储存空间有关系,温度有关系,具体算法有关系,最后才和这个CPU的处理速度有关系。一块好的CPU,配一个垃圾穷举算法,那算是完蛋了
我就厚着脸皮拿自己举例子。我觉得我至少比研究生的平均智商高一点,因为我来fdu完全就是靠智商以及运气混进来的,完全不是什么大学努力学习奋发图强这那的。但是首先我的专注力很差,我几乎没有办法在课堂或者办公室长期集中注意力,完整地听一节课对我来说是不可能的事情,我在办公室一天坐八个小时以上基本也是不可能的事情;然后就是我的科研SOP很烂(算法很烂),基本我做科研就是在一个领域里MC采点,今天学一点这个,明天学一点那个,至于能不能串成故事一样的逻辑链,那自然是不能。
于是我的结局就是混了三年一篇文章都没有发出来,我在解决发文章这个问题上,几乎就是研究生的垫底水平。我最近也开始着手处理一个问题,我需要一个严谨的SOP,当然这是后话了,我做好了再写。