6、模型预测：模型预测未见_.md 5.7 KB
一、模型的预测
1. 体会全流程
- 初次学习要求：初次接触新概念时只需形成感性认识，重点理解"为什么做"，后续章节会详细讲解"怎么做"。
2. 预测未见
1）无法穷尽暗霞
- 经验局限：仅靠记忆有限经验无法应对无限变化的世界，因为：
- 世界不断变化（"世上没有两片相同的树叶"）
- 生命总会遇到全新情况
- 预测本质：预测从未见过的新情况才是生命需要解决的核心问题
2）抽象
- 定义：从众多事物中抽取共有特征，剔除非共有特征形成概念的过程
- 示例：从实际物体中抽象出"点"和"面"等数学概念
- 特点：抽象出的概念在现实中并不真实存在
3）表征
- 本质：对现实事物的替代品（Stand-in）
- 作用：将复杂现实简化为可描述的概念
- 示例：
- 用"弦数"表征暗霞
- 用"头发长短"表征女生（长发/短发）
- 多维表征：后期发展为用"弦数+环数"共同表征暗霞
4）模式
- 定义：两类信息在不同情况中存在的共有关系
- 示例：
- 弦数能被2整除 → 数值提升
- 弦数不能被2整除 → 数值下降
- 发现方法：通过观察已有经验的规律性
5）归纳
- 核心：找出两类信息在多个情况中的共有关系
- 关键点：
- 关系是两类信息之间的关系
- 共有多是多个情况之间的共有
- 示例：从4个经验中归纳出弦数与数值变化的关系
6）模型思维
模型
- 本质：对现实简化的替代品（类似玩具模型）
- 形成：通过抽象和归纳建构的关系
- 示例：
- 升降模型（定性）
- 数值模型（定量）
输入输出
- 输入：可观测的信息（如暗霞特征）
- 输出：待预测的信息（如数值变化）
- 思维转变：从针对具体情况的思维转变为针对同类问题的思维
7）压缩能力
压缩的优势
- 核心价值：用有限对抗无限
- 优势：
- 无需记忆每个具体经验
- 一个模型可涵盖无限情况
- 节省大脑存储空间
- 演化意义：促使人类发展出喜好规律的大脑
定性和定量
- 定性模型：预测变化方向（升降模型）
- 定量模型：预测具体数值（数值模型）
- 关系：可分别建立，也可组合使用
压缩的条件
- 关键条件：归纳出的关系必须被全部旧经验共有
- 失败类型：
- 归纳不足（压缩不足）：模型不被全部旧经验共有
- 示例：初代数值模型（弦数×2−2=数值变化量弦数×2-2=数值变化量弦数×2−2=数值变化量）不符合第四个经验
多维表征
- 改进方法：增加表征维度（弦数+环数）
- 成功案例：数值模型V2（弦数+环数−2=数值变化量弦数+环数-2=数值变化量弦数+环数−2=数值变化量）
8）泛化能力
- 预测未见a
- 成功条件：模型假设成立（旧经验规律适用于新情况）
- 示例：成功预测10弦10环暗霞会使数值提升18点
预测未见b
- 失败原因：模型假设不成立
- 规律仅存在于部分经验中
- 不被所有未见情况共有
- 术语：称为"泛化不足"或"以偏概全"
- 失败原因：模型假设不成立
泛化的条件
- 本质：模型需具有超越已有经验的普遍性
- 关键：假设验证（验证模型对新情况的适用性）
- 与压缩区别：
- 压缩：模型被旧经验共有
- 泛化：模型被旧经验和未见情况共有
迭代与验证
- 改进方法：
- 将新经验纳入旧经验库
- 重新抽象和归纳
- 更新模型（如升降模型V2）
- 验证策略：选择多个新情况验证模型预测能力
- 改进方法：
模型的选择
- 根本局限：无法穷举所有未见情况
- 应对策略：
- 持续验证和更新模型
- 接受模型的不完美性
- 实践意义：即使不完美，优质模型仍能大幅提升预测成功率
二、结束
- 预测能力来源：
- 经验：预测已见情况
- 可泛化模型：预测未见情况
- 本质：记忆--获取经验、学习--可以建构可泛化模型的过程
- 知识定义：值得传承的可泛化模型
三、知识小结
| 知识点 | 核心内容 | 考试重点/易混淆点 | 难度系数 |
|---|---|---|---|
| 抽象与表征 | 从具体事物中提取共有特征形成概念（如“弦”代表暗霞），并用表征（替代品）简化现实 | 表征的核心是替代，而非真实对象（如用头发长短代表女生） | ⭐⭐ |
| 归纳与模式 | 通过观察多组数据找出两类信息间的共有关系（如“弦数整除性”与“数值升降”的规律） | 模式需被所有旧经验验证，否则存在归纳不足 | ⭐⭐⭐ |
| 模型建构 | 用归纳的关系构建预测工具（如“升降模型”），以有限规律应对无限情况 | 模型是现实的简化替代（如玩具模型），依赖多维表征（弦数+环数） | ⭐⭐⭐⭐ |
| 泛化能力 | 模型预测未见情况的条件是假设成立（规律需被新情况共有） | 泛化不足指模型仅适用于旧经验（如升降模型V1预测失败） | ⭐⭐⭐⭐ |
| 学习与知识 | 通过更新模型（如加入环数）提升泛化性，可泛化的模型称为知识 | 验证假设需主动测试未见案例（如用数值模型筛选测试样本） | ⭐⭐⭐⭐⭐ |
| 预测能力来源 | 经验（记忆已见）和可泛化模型（预测未见）共同构成大脑预测机制 | 模型压缩经验的核心是以不变应万变 | ⭐⭐⭐ |