Si te muestro la siguiente imagen de 8 tipos diferentes de manzanas
y luego te pregunto cual es la siguiente imagen?
- ¿Cómo empezar a aprender el desarrollo de aplicaciones? ¿Cuáles serán los conceptos básicos para empezar?
- ¿Qué es la astrología fatalista y vale la pena aprender como principiante?
- ¿Cuál es la lección que aprendiste de tu entorno?
- ¿Qué debo saber para ayudarme a aprender a hackear?
- Cómo aprender la estenografía en casa.
(Tenga en cuenta que esta imagen de prueba no está presente en el conjunto anterior de 8 manzanas)
Si su respuesta es una manzana , entonces ha terminado de aprender , si no puede decir que es una manzana, entonces solo hizo la memorización de las imágenes de manzanas anteriores.
Otro ejemplo, si te muestro la siguiente serie.
[math] 3 * 1 = 3 [/ math]
[math] 3 * 2 = 6 [/ math]
[math] 3 * 3 = 9 [/ math]
y preguntar, que es
[matemáticas] 3 * 4 =? [/mates]
Entonces adivinarías el? como 12, ¿por qué? Porque de niño se nos enseña en la escuela a memorizar esta serie. Sin embargo, si pregunto, ¿qué es?
[math] 3 * 41152263 =? [/ math]
Entonces, lo más probable es que pueda tener dificultades porque su habilidad de memorización fallará y tendrá que recurrir a sus habilidades de aprendizaje. Esto puede incluir hacer una multiplicación manual, usar una calculadora o alguna forma abstracta ingeniosa para encontrar una solución. Sin embargo, eso es todo parte del aprendizaje y no de la memorización.
Cuando memoriza, y se hace una pregunta, luego intenta recuperar esa información de la información ya guardada como una consulta de base de datos. Si una consulta de prueba no devuelve ninguna coincidencia, entonces no puede dar una respuesta. Sin embargo, cuando aprende, intenta generalizar un conjunto de información mediante el aprendizaje de algunas características o patrones y construye un modelo abstracto que le ayuda a comprender algo que quizás no haya visto antes. Para los humanos, esto puede parecer una tarea trivial (aunque no siempre), porque nuestro cerebro ha evolucionado para ser bueno en la generalización de la información. Sin embargo, para las máquinas no es tan sencillo. Y ahí es donde la mayor parte de la investigación se centra en estos días. ¿Cómo podemos aprender modelos abstractos de “cosas” para poder generalizar el conocimiento aprendido a muestras o escenarios invisibles?
PS En el ejemplo anterior, [math] 3 * 41152263 = 123456789 [/ math] 🙂