后世很多对理工科和工程技术没什么兴趣的人，都觉得人工智能只是一个工具，一个应用。
哪怕人工智能有可能夺走你的工作，大家也就怕一怕，或者咒骂一下，咒骂完之后该干啥干啥，这事儿就算完了。
不过，顾玩却知道有一条后世被无数人懊悔没有早知道的人工智能铁律这条铁律很容易听懂，只要你不对技术的东西心存成见和抵触，那么哪怕你是个纯文科生，你也能很轻松理解这条铁律，并且从中受益。
说句不夸张的话，哪怕你把它当成是鸡汤那么，只要你脑子里有一个系统，系统给你下了一个任务，告诉你，整个人类21世纪里生产出来的鸡汤，你只能喝一碗，剩下的都要倒掉，如果多喝一碗，系统就把你抹杀。
那么，那一刻你该怎么选择
你应该把全人类生产的其他鸡汤全部倒掉，只喝这一碗。
这是一碗被科学充分严谨证明、而且能让人的学习能力终生受益的科学鸡汤。
其蕴含的补益，属于朝闻道、夕可死矣的档次，一入口就是一甲子的内力。放到武侠里，主角不跳个十次崖都不配得悟这种宇宙本源之道。
而顾玩此时此刻，就是
只不过，很多先知先觉的话，他要修饰一下才好说出口，所以就成了下面这种诱导性的对话
“你有没有想过一个问题你这辈子了十三年书了，你的学习效率一直是这么高，而且很稳定的么
难道就没有什么时候学习效率低、自习了一晚上什么都没进步，做了一张卷子也毫无获的时候”
麻依依立刻觉得心有戚戚焉。
学霸和学神，虽然学习能力比正常人强，但他们对效率的变化也更敏感。有些时候学了一会儿毫无获，就会比普通人更焦虑，然后调整学习方法和节奏。
要是没心没肺的学渣，说不定做一晚上毫无获的重复劳动，他也乐呵呵的不觉得有什么问题。
“当然，我经常对自己的学习效率不满，有时候又觉得课上老师
顾玩笑道“这个问题，其实说到底，是因为学习的节奏，跟你的能力区，没有准匹配。你也学了一学期的心理学和认知神经科学了，下面这几个概念你应该不陌生，那就是学习中的学习区、舒适区和恐慌区。”
麻依依“这个我当然知道，舒适区就是我完全懂了的东西。比如我们高考前很多时候
但题海战和做模拟卷的时候，不得不每个月练几十遍甚至上百遍，何止遍，做到后来情绪都毛了，很不耐烦。这个就是舒适区嘛，练了也没进步，全都懂了。
至于恐慌区，就是一张卷子看下来，有些题目什么都不懂，一点头绪都没有。不但不知道怎么解，连解它需要的前置知识都不知道，完全听天书。
而最后的学习区，就是介于舒适区和恐慌区之间的，这里的难度对你刚刚好。有一点挑战性，有一些你不懂的东西，但是只要你用心，借助你现有知识结构体系内的已有知识，重新嫁接、归纳、演绎、推演，可以把这个不懂解决掉。
“心理学和认知神经科学的基础还不错嘛。”顾玩表扬了女朋友一句，
确实，作为才双修心理学一个学期的新人，有这种见解已经很牛逼了。
然后顾玩话锋一转:“不过，以往我们都认为，心流是一种可遇而不可求的状态，但很快，随着对机器学习的剖析，我们会
这个最优解，就需要我们把一张卷子、一次学习、一个机器大数据训练集的对错比例、难易比例，调到一个最优化的玄妙数值上。只有量身定做了这个数值，无论人还是机器，都能达到最完美的学习效率。哪怕一个学渣，都能
“具体要怎么做到”麻依依已经忘了自己是
对啊，具体要怎么做到
他们的结论是，让一个机器学习的训练集中，对错比例控制
比如让计算机用人工智能图像识别，来鉴别一万张类似猫的图片，来学习“怎样判断图里面的东西是不是一只猫”。
这时候，你要拿8413张真的是猫的图片，和1587张似猫非猫的图片，去给人工智能喂数据，那么机器学完这10000万图片、得到对错评分后，得到的提高是最多的。
这个是自然数学法则的最优解了，换句话说，你拿8414张真猫图和1586张似猫非猫图去喂，机器吃完这1万个大数据之后，进步量也会比岗前前一组略低。
这个数据具体怎么来的呢是人类算法学家，从2010年，谷歌开始操练深度学习以来，不断反复试验，全人类算法专家共同实验了八年，摸出来的。
更奇妙的是，地球人后来做了更多深入实验，
地球人当时设计的人体实验，主要是拿婴儿做实验，因为可以量减少干扰项。选取原本认知
然后放大样本容量，给每个婴儿的画片对错比例不同。结果最终果然是错误率接近1587的婴儿，认知新事物进步速度最快。成年人的话，实验暂时还没法设计，因为干扰项太多。
这就最终引申出一个惊人的结论怎么样的学习，才是最高效最容易进入心流的
结论就是对于活人而言，也是一个知识点里，有15点几的内容，是你不懂的，还有85的基础知识，是你懂的。
这时候，你的好奇心会被调动到最高，你对完全未知的恐惧心和排斥感也会压低到一个恰到好处的水平。
那么多学渣为什么学渣为什么学习效率低还不是因为他的成绩，并没有刚好契合老师教育难度的“懂与不懂对错比例”
为什么有那么多段子，说数学差生当年只是数学课上捡了一下笔，再次抬起头已经不懂老师
这段子虽然是段子，但理科学渣很多都是一点一滴从学习区脱节到恐慌区，最后放弃治疗的。
这时候如果有个家教，知道你跌入恐慌区了，肯了解你，摸清你的水平，给你一个你最舒服的学习区对错比例节奏、略微调低难度，说不定这些人的一辈子是可以拯救的。
很多有经验的金牌老师，其实就是干的这个活儿，因为书上那点知识点，老师其实都懂。好老师和差老师的区别，就
只不过，大多数好老师只是凭经验，没有从科学的角度系统、确总结过数据。
事实上，对于人类学习而言，也不可能做到确到1587的不懂率难度。
但基本上，一道题目或者一个知识块，打包成“七道里面，对六错一”的比例，那也已经很高效了，至少能把人的学习热情和好奇心，调动到理论峰值的90以上。
这里的“对六错一”不是简单的对错配题，只是说，要让一个学习的知识块，有七分之六你懂的，七分之一你还不懂。
而且这七分之一要跟前面懂的那七分之六有继承性。你可以通过总结、归纳前面的七分之六，融会贯通学会最后的七分之一。然后再把饼往前多画一点，再划七分之一不懂的进来，各个击破。
考虑到中国人最功利了，也最重视教育和往上爬。
顾玩相信，真要是有绝对科学的、让人掌握心流、随时让自己进入物我两忘学习状态的法门，那么不管是否爱科学、文科生还是理科生，都会关注这个成果的。
靠着这样的论文成果，刷名望刷到国民教父级别，也是没什么问题的。因为外行人也看得懂，还能充分共鸣。
“实验具体应该怎么设计”麻依依心痒难挠地问。
“你可以跟那些婴儿康复教育机构联手，帮忙调整视觉辨认训练的对错比例。让康复前测验得分相似的孩子，做不同对错比例的题目，看谁康复得更快
放心，不要有道德压力，因为我们介入之后，只会让这些孩子比没有介入前康复得更快。你设计的数据集，怎么样都会比目前没有专业设计过数据集的盲练更有效果。
至于实验资源，我帮你动用关系去联络。等到卷积神经网络和深度学习算法方面的积累差不多了，你这个成果就能进入联合引爆的节点。”
s上面已经三千字了，下面例行不要钱吐几句槽。
我知道，这一章其实跟主线的关系并不紧密，但我还是选择详细写了。
书已经这样了，我也不图写得多爽，反正爽不爽都是这么些人看。
我还是有一个朴素的想法，希望我的书能够把者的智商拔高，为科普做点事情。让原本不那么学霸的人，看了我的书之后，不是仅仅爽到了，而是现实生活中也更牛逼了。
我不想祸害年轻人，我希望者里如果有学生，10年后20年后会比现
我不想赚人口红利的钱。
另外，我觉得这也是一种与小白文战斗的方式。因为只要全国者受众群体里，有文化、智商提升了的人多一个，看小白的人就少一个。
所以提升人民智商和学识，毫无疑问属于和小白文战斗的范畴。
我也不是为了你们，我是为了我自己。
希望连科普文都看得下去的者，能够从中受益，将来能活得比只看小白文的者更光鲜。
咱做长线生意。
当然口号喊得再响，我首先也要承认这本书确实写得不好，我功力不足，本来就是打算试试水现学现写。所以成绩一差连学都懒得学了，恶性循环。
但也没办法，不可能不知道一个领域有没有前途，就去学很多。
就算我写得很专业节奏很好，我现