Als mein erster Sohn erst zwei Jahre alt war, liebte er bereits Autos, wusste, dass alle Marken und Modelle (dank meiner Freunde sogar mehr als ich) sie an einem kleinen Teil des Bildes erkennen konnten. Alle sagten: Genie. Obwohl sie die völlige Nutzlosigkeit dieses Wissens bemerkten. Und der Sohn schlief unterdessen mit ihnen, rollte sie, platzierte sie genau in einer Reihe oder auf einem Quadrat.
Als er 4 Jahre alt war, lernte er zu zählen und mit 5 konnte er bereits innerhalb von 1000 multiplizieren und addieren. Wir spielten sogar Math Workout (dieses Spiel ist auf Android - ich rechnete gern in der U-Bahn nach der Arbeit) und irgendwann wurde er ich nur so. Und in seiner Freizeit zählte er bis zu einer Million, was die Menschen um ihn herum einfrierte. Genius! - sagten sie, aber wir vermuteten das nicht ganz.
Auf dem Markt hat er seiner Mutter übrigens recht gut geholfen - er hat den Gesamtbetrag schneller berechnet als die Verkäufer auf dem Taschenrechner.
Gleichzeitig spielte er nie auf dem Platz, kommunizierte nicht mit Gleichaltrigen, kam mit Kindern und Lehrern im Kindergarten nicht sehr gut aus. Im Allgemeinen war er ein kleines zurückhaltendes Kind.
Der nächste Schritt war die Geographie - wir versuchten, die Liebe zu Zahlen irgendwo zu kanalisieren und gaben unserem Sohn einen alten sowjetischen Atlas. Er stürzte sich einen Monat lang darauf und begann danach, uns knifflige Fragen im Stil zu stellen:
- Papa, welches Land hat deiner Meinung nach ein großes Gebiet: Pakistan oder Mosambik?
"Wahrscheinlich Mosambik", antwortete ich.
- Aber nein! Die Fläche Pakistans beträgt bis zu 2.350 km2 mehr - antwortete der Sohn glücklich.
Werbevideo:
Gleichzeitig interessierte er sich weder für die in diesen Ländern lebenden Völker noch für ihre Sprachen, Kleidung oder Volksmusik. Nur bloße Zahlen: Fläche, Bevölkerung, Volumen der Mineralreserven usw.
Jeder bewunderte wieder. "Clever über seine Jahre hinaus", sagten sie herum, aber ich machte mir wieder Sorgen, weil Ich habe verstanden, dass dies völlig nutzloses Wissen ist, das nicht an Lebenserfahrung gebunden ist und das sich nur schwer weiterentwickeln lässt. Die beste Anwendung von allem, was ich fand, war ein Vorschlag, zu berechnen, wie viele Autos auf einen Parkplatz passen würden, wenn ein bestimmtes Land mit Asphalt aufgerollt würde (ohne bergiges Gelände zu berücksichtigen), aber ich hörte schnell auf, weil es riecht nach Völkermord.
Interessanterweise erinnerte sich der Sohn zu diesem Zeitpunkt, als das Thema Autos vollständig verschwunden war, nicht einmal an die Namen seiner Lieblingsautos aus seiner riesigen Sammlung, die wir mit einem Verlust des Interesses zu verteilen begannen. Und dann begann er langsamer zu zählen und vergaß bald die Quadrate der Länder. Zur gleichen Zeit begann er mehr mit seinen Kollegen zu kommunizieren, wurde mehr Kontakt. Das Genie ging vorbei, die Freunde hörten auf zu bewundern, der Sohn wurde nur ein guter Schüler mit einer Vorliebe für Mathematik und exakte Wissenschaften.
Wiederholung ist die Mutter des Lernens
Es scheint, wofür das alles ist. Dies ist bei vielen Kindern zu sehen. Ihre Eltern erklären allen, dass ihre Kinder genial sind, Großmütter bewundern und loben Kinder für ihr "Wissen". Und dann wachsen sie zu gewöhnlichen, einfach klugen Kindern heran, nicht genialer als der Sohn des Freundes meiner Mutter.
Während des Studiums neuronaler Netze bin ich auf ein ähnliches Phänomen gestoßen, und es scheint mir, dass aus dieser Analogie bestimmte Schlussfolgerungen gezogen werden können. Ich bin kein Biologe oder Neurowissenschaftler. Alles weiter - meine Vermutungen ohne Anspruch auf besondere Wissenschaftlichkeit. Ich würde mich über Kommentare von Fachleuten freuen.
Als ich zu verstehen versuchte, wie mein Sohn lernte, schneller als ich zu zählen, so cool (er absolvierte ein Level in Mathe-Training in 20,4 Sekunden, während mein Rekord 21,9 war), stellte ich fest, dass er überhaupt nicht zählt. Er merkte sich, dass Sie bei 55 + 17 auf 72 klicken müssen. Bei 45 + 38 müssen Sie auf 83 klicken und so weiter. Zuerst zählte er natürlich, aber der Geschwindigkeitssprung erfolgte in dem Moment, als er sich an alle Kombinationen erinnern konnte. Und ziemlich schnell begann er, sich nicht bestimmte Inschriften, sondern Kombinationen von Symbolen zu merken. Dies ist genau das, was sie in der Schule unterrichten, indem sie die Multiplikationstabelle studieren - denken Sie an die Korrespondenztabelle MxN -> P.
Es stellte sich heraus, dass er die meisten Informationen genau als Verbindung zwischen Eingabedaten und Ausgabedaten wahrnahm und dass der sehr allgemeine Algorithmus, mit dem wir scrollen, um eine Antwort zu erhalten, nicht nur auf einen sehr gut geschärften, hochspezialisierten Algorithmus zum Zählen zweistelliger Zahlen reduziert wurde. Er hat einige hervorragende Aufgaben erledigt, aber viel langsamer. Jene. Was alle für super cool hielten, wurde eigentlich nur von einem gut trainierten neuronalen Netzwerk für eine bestimmte Aufgabe simuliert.
Zusätzliches Wissen
Warum können sich einige Kinder auf diese Weise merken, andere nicht?
Stellen Sie sich das Interessengebiet des Kindes vor (hier nähern wir uns der Frage qualitativ und ohne Messungen). Links ist das Interessenfeld eines gewöhnlichen Kindes und rechts das Interessenfeld eines "begabten" Kindes. Wie erwartet konzentriert sich das Hauptinteresse auf Bereiche, für die besondere Fähigkeiten bestehen. Aber für alltägliche Dinge und die Kommunikation mit Gleichaltrigen reicht der Fokus nicht mehr aus. Er hält dieses Wissen für überflüssig.
Die Interessen eines gewöhnlichen Kindes im Alter von 5 Jahren.
Die Interessen eines "brillanten" Kindes von 5 Jahren.
Bei solchen Kindern analysiert und führt das Gehirn nur Schulungen zu ausgewählten Themen durch. Durch das Training muss das neuronale Netzwerk im Gehirn lernen, die eingehenden Daten erfolgreich zu klassifizieren. Aber das Gehirn verfügt über viele, viele Neuronen. Viel mehr als für die normale Arbeit mit solch einfachen Aufgaben notwendig ist. Normalerweise lösen Kinder viele verschiedene Probleme im Leben, aber hier werden alle gleichen Ressourcen in einen engeren Aufgabenbereich geworfen. Und das Training in diesem Modus führt leicht zu dem, was ML-Profis als Überanpassung bezeichnen. Das Netzwerk, das eine Fülle von Koeffizienten (Neuronen) verwendet, hat so trainiert, dass es immer genau die notwendigen Antworten gibt (aber es kann völligen Unsinn über Zwischeneingabedaten geben, aber niemand sieht es). Das Training führte also nicht dazu, dass das Gehirn die Hauptmerkmale auswählte und sich an sie erinnerte, sondern dass es viele Koeffizienten anpasste.um ein genaues Ergebnis für bereits bekannte Daten zu erhalten (wie im Bild rechts). Darüber hinaus hat das Gehirn zu anderen Themen so lala gelernt, schlecht trainiert (wie auf dem Bild links).
Was ist Unter- und Überanpassung?
Für diejenigen, die nicht in dem Thema sind, werde ich Ihnen sehr kurz sagen. Beim Training eines neuronalen Netzwerks besteht die Aufgabe darin, eine bestimmte Anzahl von Parametern (Kommunikationsgewichte zwischen Neuronen) auszuwählen, damit das Netzwerk so genau und genau wie möglich auf die Trainingsdaten (Trainingsmuster) reagiert.
Wenn zu wenige solcher Parameter vorhanden sind, kann das Netzwerk die Details der Stichprobe nicht berücksichtigen, was zu einer sehr groben und durchschnittlichen Antwort führt, die selbst bei der Trainingsstichprobe nicht gut funktioniert. Ähnlich wie auf dem Bild links oben. Es ist unterpassend.
Mit einer angemessenen Anzahl von Parametern liefert das Netzwerk ein gutes Ergebnis und "schluckt" starke Abweichungen in den Trainingsdaten. Ein solches Netzwerk reagiert nicht nur gut auf das Trainingsmuster, sondern auch auf andere Zwischenwerte. Wie das mittlere Bild oben.
Wenn dem Netzwerk jedoch zu viele konfigurierbare Parameter zugewiesen werden, trainiert es sich selbst, um selbst starke Abweichungen und Schwankungen (einschließlich der durch Fehler verursachten) zu reproduzieren, was zu völligem Unsinn führen kann, wenn versucht wird, eine Antwort auf Eingabedaten zu erhalten, die nicht aus dem Trainingsbeispiel stammen. So etwas wie das Bild rechts oben. Es ist überpassend.
Ein einfaches anschauliches Beispiel.
Angenommen, Sie haben mehrere Punkte (blaue Kreise). Sie müssen eine glatte Kurve zeichnen, um die Position anderer Punkte vorherzusagen. Wenn wir zum Beispiel ein Polynom nehmen, ist unsere glatte Kurve bei kleinen Graden (bis zu 3 oder 4) ziemlich genau (blaue Kurve). In diesem Fall verläuft die blaue Kurve möglicherweise nicht durch die ursprünglichen Punkte (blaue Punkte).
Wenn jedoch die Anzahl der Koeffizienten (und damit der Grad des Polynoms) erhöht wird, erhöht sich die Genauigkeit des Passierens der blauen Punkte (oder es wird sogar ein Treffer von 100% erzielt), aber das Verhalten zwischen diesen Punkten wird unvorhersehbar (siehe, wie die rote Kurve schwankt).
Es scheint mir, dass es die Tendenz des Kindes zu einem bestimmten Thema (Besessenheit) und die völlige Unkenntnis der übrigen Themen ist, die dazu führt, dass genau diesen Themen beim Unterrichten zu viele "Koeffizienten" gegeben werden.
In Anbetracht der Tatsache, dass das Netzwerk für bestimmte Eingabedaten konfiguriert ist und keine "Funktionen" ausgewählt hat, sich aber dumm an die Eingabedaten "erinnert" hat, kann es nicht mit geringfügig anderen Eingabedaten verwendet werden. Die Anwendbarkeit eines solchen Netzwerks ist sehr eng. Mit zunehmendem Alter erweitert sich der Horizont, der Fokus wird unscharf und es gibt keine Möglichkeit mehr, der gleichen Aufgabe dieselbe Anzahl von Neuronen zuzuweisen - sie werden für neue Aufgaben verwendet, die für das Kind notwendiger sind. Die "Einstellungen" dieses überausgestatteten Netzwerks brechen zusammen, das Kind wird "normal", das Genie verschwindet.
Wenn ein Kind über eine Fähigkeit verfügt, die für sich selbst nützlich ist und entwickelt werden kann (z. B. Musik oder Sport), kann sein „Genie“natürlich lange erhalten bleiben und diese Fähigkeiten sogar auf ein professionelles Niveau bringen. Aber in den meisten Fällen funktioniert dies nicht und es wird keine Spur von alten Fähigkeiten in 8-10 Jahren geben.
Schlussfolgerungen
- Hast du ein geniales Kind? es wird vergehen;)
- Ausblick und "Genie" sind verwandte Dinge und sie sind genau durch den Lernmechanismus verbunden
- Dieses scheinbare "Genie" ist höchstwahrscheinlich überhaupt kein Genie, sondern die Auswirkung eines zu starken Trainings des Gehirns auf eine bestimmte Aufgabe, ohne es zu verstehen - nur alle Ressourcen wurden für diese Aufgabe aufgewendet
- Wenn er die engen Interessen des Kindes korrigiert, verschwindet sein Genie
- Wenn Ihr Kind "genial" und etwas zurückhaltender als Gleichaltrige ist, müssen Sie dieselben Fähigkeiten sorgfältig weiterentwickeln, Ihren Horizont parallel aktiv entwickeln und sich nicht auf diese "coolen", aber normalerweise nutzlosen Fähigkeiten konzentrieren
Verfasser: Sergey Poltorak
