“1 万小时定律”是个大骗局,背后的真相可能更惊人

2017 年 8 月 26 日 行业研究报告

提示点击上方"行业研究报告"订阅本号,以便随时来访。

行研君说

导语

知识源头,就像河流的源头一样,是知识发源的地方,是知识刚刚被创造出来的地方。源头的知识浓度和质量极高,有丰富的底层逻辑和基础概念。顺流而下,离源头越远,支流越多,混入的杂质也就越多。当一份知识掺入了太多杂质时,恐怕只能勾兑成鸡汤了。

PS:打开微信,搜索微信公众号“行业研究报告”或者“report88”关注我们,点击“行业研究报告”微信公众号下方菜单栏,有你想要的!


来源: 古典 《跃迁》


1

识别知识的源头



 

王小波讲过一个笑话:


“二战”时将军视察前线,看到一个新兵很紧张,于是给他一块口香糖。


“好点了吗?”将军问。


“好多了,长官。不过这口香糖为什么没味道?”士兵问。


“因为我嚼过了。”将军说。


我们身边有很多“嚼过的口香糖”信息—在朋友圈、QQ空间、微博等社群里转发的各种内容和信息,书架上各种名人、朋友推荐的书籍,各种二三四手信息不计其数。


面对知识焦虑,这些信息“口香糖”的确让你镇定了点儿,而且怕你觉得无味,还加入了大量“麻辣”、“鸡精”、“味精”、GIF(图像文件格式)动图和美女照片起味儿,但是当你吃惯这些,就永远没法享受真正的优质知识的味道了。因为你没法找到知识的源头了。


我曾在西藏望见过长江的源头,很难想象在上海看到的浩浩荡荡如大海的长江,源头这么细,好像我躺下就能拦住一样。知识源头,就像河流的源头一样,是知识发源的地方,是知识刚刚被创造出来的地方。源头的知识浓度和质量极高,有丰富的底层逻辑和基础概念。顺流而下,离源头越远,支流越多,混入的杂质也就越多。当一份知识掺入了太多杂质时,恐怕只能勾兑成鸡汤了。


在我看来,现在我们获取的知识绝大多数都是二三四手信息,因为很多人已经失去了鉴别一手信息的能力。这也是我们认知效率低下的原因。


一手信息:知识的源头


1973 年,诺奖得主赫伯特·西蒙(Herbert Simon)与威廉·蔡斯(William Chase)合作发表了一篇对比国际象棋大师与新手的论文,首次提出专业技能习得的“10 年定律”。他们发现,国际象棋大师的长时记忆中有5 万~10 万个棋局组块,并推测这需要花10 年才能获得。


1976 年,埃里克森基于西蒙的研究成果,进一步拓展了针对国际象棋大师的研究,并且和西蒙合作发表论文。1993 年,埃里克森与另外两位同事克朗培、泰施罗默基于大量的研究,发表了一篇论文《刻意练习在专业获得中的作用》。这是一手信息。


二手信息:忠实转述一手信息


2016 年,上述论文第一作者埃里克森发现自己的理念被误读,于是出了本书《刻意练习》。埃里克森在书中强调,并无一个确定的时间门槛让人成为大师。不少互联网公司创始人专业技能的习得不是花了1 万小时。在本书中,埃里克森使用的数据也非“1 万小时定律”


从事音乐学习的学生在18 岁之前,花在小提琴上的训练时间平均为3420小时,而优异的小提琴学生平均练习时间是5301 小时,最杰出的小提琴学生则平均练习了7401 小时。


而且刻意练习还和天赋、练习方式高度相关。低水平的勤奋练习多少小时都没戏。2016 年11 月,学习专家爱德华多·布里塞尼奥在TED上发表了“如何在你关心的事上表现更佳?”(How to Get Better at theThings You Care About?)的演讲,也重复了这个观点。这些书和演讲,算是二手信息。


三手信息:为传播而简化和极端化观点的陈述


有个叫马尔科姆·格拉德威尔的人读了埃里克森1993 年发表的论文,没有提“刻意练习”这个主概念,只是抓取出来一个“1 万小时定律”,写成一本非常著名的书《异类》,一时风靡全球,估计你没读过也听人说过。在书中,他充满激情地表达:人们眼中的天才之所以卓越非凡,并非因为天资超人,而是付出了持续不断的努力。只要经过1 万小时的锤炼,任何人都能从平凡变成超凡。努力是卓越的必要条件毋庸置疑,但1 万小时并不是成功的真实路径。 这是三手信息。


四手信息:出于各种动机充满个人经验的情绪化表达


有无数公众号、人生导师、培训师和励志作者,基于自己的经验解读“1 万小时定律”,告诉你任何人只要努力都能成为一个领域的大师,然后推销自己的方式。成长之旅、1 万小时的诀窍、1 万小时的工具和方法,以及感人的故事,这是第四手信息。


现在你检索一下,你在一二三四手信息里分别花费了多少时间?


其实如果你能有英语四级水平,再配合谷歌翻译,基本上1小时就能读完那篇属于一手信息的论文,4小时读完《刻意练习》或者《异类》,不过显然后者含金量更低,但阅读奖赏更高。大部人会被忽悠学习第四手信息,搞不好还真的盲目实践,花去了100 个小时。


这就是认知效率的差距。


“真传一句话,假传万卷书”,讲的就是这个意思。


2

知识的源头探测仪



 

1.能辨别和找到知识的源头


知识的源头是站在人类认知边缘,研究、思考和验证的人。他们的一些新鲜的思考,在脑子里、笔记本上,还未进行详细加工,但是新鲜热辣。一些知识经过系统化,成为专业期刊上发表的论文,或者圈内人互相讨论的内容。


• 一手研究论文,行业的学术期刊,行业最新数据报告;


• 行业大牛的最新沟通和思考,通过谈话获得。


二手知识含金量很高,忠实转述,但是有清晰的论据和出处。


• 名校的教科书,MOOC(慕课)里推荐的一手材料,维基百科;


• 中立第三方的行业调查报告;


• 讲述底层逻辑、思考质量比较高、略微难懂的书和文章,比如《国富论》《穷查理宝典 》《决策与判断》等;


• 各行业领军人物、行业大牛推荐的书单、豆列,以及在自己公众号发的文章。


三手知识是畅销书,这些文字已经被改成公众可以理解、方便传播的文字,但是因为大众的认知能力较低,所以加入了大量的案例、故事以及不精确的概念。


四手知识是你常看到的:根据这些畅销书和理论,大部分人写了很多基于个人体验的鸡汤,加入了太多个人故事(比如,《我是如何一个小时挣到200 万的》)或者情绪因素(比如,《看懂这个不转就不是中国人》)。讲一个观点,灌你无数“鸡精”。大部分公众号、头条都属于此类。


2.追随站在知识源头的人


如果你实在来不及看这些内容,记得跟随站在知识源头的人。因为他们是面对源头的,如果他们还比较会表达,那就真的是幸运了。


在我看来,“得到”专栏的作者、最近爆红的知识红人,都是这样的人,尤其像卓老板、万维钢、姚笛这些人。他们一个站在科技链条源头,一个站在优质图书源头,一个站在创业前沿,表述相当忠实和清晰。


如果你同时订阅几个专栏,很容易发现这些作者用不同语言在讲同一个道理。这个时候看留言,就看出不同人的心智水平了。心智水平比较低的人会说:“你这个万维钢讲过,没意思。”心智水平比较高的人会意识到:“你这个××× 也这么说,有意思。


后面的人意识到,源头总是聚合的、统一的,而不是各自不同的,这才是精华。多看几遍、多几个层次、多几个角度,比给你看另一篇一点儿破事讲一堆的文章好很多,效率也更高。


3.成为知识的源头


这个有点儿难度。我们在谈如何输出知识的时候再说。所以在知识爆炸的年代,最好的方式是辨别一二三四手信息,走向知识的源头,并与那些人站在一起。总有一天,你也会成为创造知识的人。


朱熹说:“问渠哪得清如许,为有源头活水来。”只要站在源头,你就永远是最新的。

 

3

功利读书法



 

一二三四手知识解决了读什么的问题,接下来谈谈“如何读”。我把这套读书方法叫作“功利读书法”。


你肯定已经意识到了,虽然我们区分了一二三四手知识,但在一个信息爆炸的时代,知识早就多到学不完。但是那些大牛们,比如吴伯凡老师,他做《冬吴相对论》(一档脱口秀音频节目)的时候连稿子都没有,坐下来就出口成章。这些牛人好像总是在读海量的书,聊一些你完全不懂的概念。同样是24 小时,为什么差距那么大?


时常也有人问我,你每天到底拿多少时间读书?


其实这不是一个时间管理问题,而是个认知效率问题。比如你问一个人:


平时该干什么?


大家都学,比较慌,不如学学英语吧。


为什么学?


这个未来有一天总会有用的。


但是就没有什么明天马上有用的吗?


他就回答不上来了。


他根本没想过为什么学、要学什么。


我们从小听到的最多的一句话是,“怎么又在玩,没有读书啊?”而你只要一读书,不管有多慢、读什么书,大人就不打扰你了,久而久之,很容易形成一个概念:学习总没错。


这个思路是错的。在知识匮乏、非终身学习年代,学肯定比不学好;但是在今天知识爆炸、终身学习的时代,“为什么”(why)、“学什么”(what)、“如何学”(how),比“学就好了”(do)更重要。


介绍一个概念“认知效率”:认知收益和时间精力之比。同样的认知资源投入,会有完全不同的回报,这就是认知效率的不同。认知效率低的人,都在做低水平的勤奋。牛人的真正秘诀是在最精华的资源上,以高很多倍的认知资源来学习,认知效率是你的很多倍。高手的技术就是“投入产出的非线性”。提高认知效率最有效的工具就是“极强的目的性”,我称之为功利读书法。


1.极其功利地少读书


一个新知什么时候习得效率最高?认知心理学认为,成人学习有三个前提要求的时候效率最高,即有目标导向、有即时反馈、最近发展区。简单地说,能解决当下问题的、学了有地方用的、难度适中的知识最有效。


为什么在国内学个英语口语12 年都学不好,丢到国外3 个月就能交流了?因为在国外,交流是刚需,有地方练习,老外对你的发音很宽容,难度适中。这种时候三个条件都具备,效率就高,学得就快。


所以你反过来也能理解,为什么刷那些“管理者必读的××本书”的书单,对你意义不大,因为这些认知资源的目的性弱,缺乏实践环境,且难度不一。


那些标题党的微信文章,比如《不看这篇文章,错过了一个亿》,更是凭空造出了一个“需要解决的问题”。你思考一下,即使你真的遇到了能让你获得一个亿的方式,这是你当前的问题吗?这是你当前的水平吗?这是你学了就能用的东西吗?


我已经关掉朋友圈功能一个多月了,并没有错过身边任何值得学习的东西,因为我学习的东西是极其功利的—从遇到的问题出发,从我能实践的领域出发去找合适的认知材料。这样一来,读的东西会少很多,基本解决了知识太多的问题。


2.极其功利地配置资源


《如何阅读一本书》中,给阅读做了几个分类:娱乐性的、知识性的和心智提升类的。如果拿爬山来做比较,娱乐性的是下坡,越走越舒服;知识性的是平地,能开动,但是略微费力;心智提升类的是爬坡,看起来会很累,但是真的会提升脑力和理解力,重新理解新观点会很快,也就是我们说的,学习力增强了。


很多人天天学习,学习力却没有什么提升。随着年龄增长,自己的脑力体力下降,于是觉得“年龄大了,脑子不好使了”,就是这个缘故。因为他主要的认知是娱乐性和知识性的—你哪怕读一辈子报纸,也不会增强学习力。


很多人给我留言,要我说人话!其实真正提升你的东西,并不会让你那么舒服的。学习也是一样,你可以根据认知目的不同,设定不同的目标,分配不同的资源。


比如说我自己这个月的认知资源配置:


认知性阅读:《人类的群星闪耀时》《反脆弱》等书的写作技巧,为写书做准备。提升心智的认知难度很大,属于“攻读”,需要有大段的时间和系统的阅读,我一般放在早上或夜深。最好还要配置高人讨论以及实践的环境。我找到了业内最好的编辑和作者,一起讨论如何写好有冲击力的书。


知识性阅读: 各种行业调查报告、行业论坛,大量专业书籍,如《人生设计》《生涯混沌理论》《认识电影》《好好学习》。知识性阅读的目标就是知道某事,所以特别适合碎片化学习和社交型学习。认知资源可以配置在上下班路上,用碎片化时间检索式地阅读,实在不行拜托别人读,然后交流。读的时候迅速判断是不是有用的知识,决定自己的涉入深度。


娱乐性阅读:比如《爱情刽子手》《理想的下午》,以及各种电影……娱乐性阅读主要用来放松和陶冶,认知资源可以很低,累的时候翻几页,比如两次谈事之间读,有换脑子的感觉。最好的书是三者兼有,不同时间能读出来不同功能的。比如说彼得·德鲁克的《旁观者》《卓有成效的管理者》,史蒂芬·柯维的《高效能人士的七个习惯》,罗伯特·清崎和莎伦·莱希特合著的《穷爸爸富爸爸》,文学作品中的《红楼梦》。


所以,一定要强忍住买书的欲望,极其功利地分配资源—从你自己的需求开始,区分三种阅读,设定目标,分配资源。


3.不要从第一页开始读书


最愚蠢的方式,就是直接找一本书打开第一页,然后往下读。你旅行的时候,会和出车站见到的第一个人一直聊天,希望能找到这个城市里最有趣好玩的景点吗?显然不会。你可能会看看地图,找到几个地方,然后打车直接过去。但是我们经常就这样学习,从第一页直接开始读,希望能学到有用的东西。


更好的方法是先选书—先看书评,中文的看豆瓣,英文的看国外亚马逊的评论,一般很有用。平行比较几本书,选择一本。


然后再看目录,一般的购书网站都有。大概知道书的内容和框架,有时候有趣的序也值得一读。最后再看具体章节。直接切入重要的章节,系统学习则从目录开始看。


这样的确会用大概15 分钟时间来选书,但是比起你在一本无用的书上花好几个小时,是不是认知效率提升多了?


有人会说,从第一页开始读不是更加系统吗?


第一,如果你脑子里面没有框架,看完全书也不可能有框架。如果把系统比作大象,你的认知和记忆区间是手掌,仅凭直线型地看书希望摸出系统就如盲人摸象,如果你脑子里没有全图,增加再多细节也没有用。


第二,也许你并没有配置更加系统的认知资源和时间,很多书半途而废,可能更加不系统。极其功利地读书,按需分配地读书,不从第一页开始读书,有了目的性、认知资源以及带着问题读的三个筛子,要读的书应该会少75%,阅读速度至少会提升一倍,那样就不会有太多知识烦扰你了。


为什么很多人做不来?


因为人的大脑是一个认知吝啬鬼,我们本能地选择最简单、最不耗脑子的方式,那就是拿起一本大家都在看的书说:“读点儿书总没有错,大家都在读。”像巴甫洛夫的狗一样寻求阅读奖赏。而功利的读书法在获得阅读奖赏之前选择了延迟满足—先找到目标,调整好资源,带着问题进入。就这三步,就让你跑赢90% 的人。


好的方法,都是反人性的。

 

4

萃取知识晶体



 

如果你知道学什么,也知道如何学,那么最后需要知道的,就是如何在需要的时候调取知识。什么是努力学习又学不好?你看是不是这样:书到用时方恨少,话到嘴边没地儿找,别人一说都看过;只好感叹,你讲得真好。


唉,我是不是长了个假脑子啊。


我们今天来谈谈如何有效地调取知识。先来谈一个学习中非常重要的概念—知识晶体。一张银行卡,你存进去再多,如果不知道提取密码,就没法提现;知识也是一样。知识晶体就是知识的提取密码。大部分人学了很多,却因为不知道这个概念,没法提现,非常可惜。反过来说,有很多人学习上投入不大,只是特别擅长整理和结晶,也就是能从众多散乱的知识里拿出不错的产品。知识晶体是整个学习中最关键的一环。


我们都知道,石墨和钻石都由相同的碳原子组成,只不过钻石的碳原子之间形成了非常稳定的六面体晶体结构,这也是钻石是已知自然界最坚硬的物质的原因。钻石的硬度,来源于它的结构。


另一个例子是沙子和混凝土,散沙根本抓不住,一使劲儿就散了。但是混入了水泥和石块,这些东西之间形成结晶,散乱的沙子就能够建起高楼。


知识也是一样,知识量和知识点之间的架构非常重要。如果知识点之间能够形成稳定的架构,知识就形成一种“知识晶体”。知识从散装变成了晶体,就变得不容易磨损,强度很大,也容易整体提取。


星座就是个特别典型的知识晶体。满天星星谁都记不住,古人用自己的想象力把这些相距数千光年的星星连接起来,形成“晶体”(整合知识),然后再给晶体赋予美好的故事(形象化呈现)。只要你受过几小时训练,在夏天的晚上认出星星不是难事。唉,不过今天的北京,受多少小时训练都没用,看不着星星了。知识晶体的多少,也决定了你的专业程度。前文中提到,心理学家西蒙发现国际象棋大师的工作记忆并没有显著高于常人,但是他们长时记忆里有5 万~10 万个棋局组块。高手们脑子里都是一套套的知识晶体。


我遇到过一位1990 年出生的小朋友,他就精于此道。虽然大学毕业才三年,他却已经是日薪10 万元的企业咨询老手,可以搞定大部分打拼多年的企业家,靠的就是满肚子的知识晶体。比如,大家都在谈女生生完孩子出来工作,很难做到工作、事业两不误,然后就是一顿抱怨,偶尔有人抖机灵讲俩金句。他基本会听一会儿,其实脑子里在搜索“晶体”,最后他会说:“你们说的这个问题,根据心理学家萨柏的观点,其实是个人生角色平衡的问题。”


你看,知识量不是重点,让脑子里的知识形成多少知识晶体才是知识提取能力的关键。如果你看了想不起来,张嘴就忘,明明记得但讲不出来,那就证明你脑子里没有知识晶体,只有知识豆腐脑。


如何让知识变成知识晶体?下面是4 种常见的知识结构:


关联,树状,序列,数据。你可以简称为“关书(树)叙(序)述(数)”




—知识晶体有一种让你关上书本,依然可以叙述的能力。


1.树状结构:体现事物层级、包含关系


树状结构其实是人类知识最常见的结晶,所以放在第一位。


麻省理工学院计算认知科学实验室主任乔什用计算模拟了循环结构、星星结构、方块结构、链条结构等,最终用数学方法证明人类最佳的抽象知识结构是树形结构。


最经典的树形结构是书的目录。再比如,知识管理分为知识储存、知识提取、知识呈现三个部分,是典型的树形结构。


这些层级用首字母缩写的方式呈现,就变成了常见的×× 法则,比如SMART法则a、发现天赋的SIGN法则b、成就事件分析的AEIOU 法则。


中文其实叫作口诀法。我在讲教学设计的时候提到“金贵十分恋”的口诀,分别代表“进入导语—规则—时间—分享要求—练习开始”。


把知识进行树状处理,编成口诀,就是一个好方式。


2.关联结构:体现事物相互关系。


比如常说的金字塔结构,展现的就是一种“底层为基础,逐渐升级”的关系,比如马斯洛的需求层次理论。而漏斗恰恰相反,展示的是“上面不要就漏下来”的关系,比如求职金字塔。


还有典型的四分法,比如我们熟悉的SWOT 分析c—时间管理的“重要—紧急”四象限,展现的是两个维度评价的关系。




再给大家看一个好玩的图,展现出更有趣的三个元素两两重叠的关系。




                                                        好男人在哪里

 

公式也是关系结构,比如E=mc²,展现的是能量、质量和光速的关系。


这个公式我们也有用:定位= 行业× 企业× 职位。


3.序列关系:体现先后、因果关系


序列关系是一种流程图式的知识结构,用来展现事情的前后、因果和逻辑关系。


最常见的就是工作流程图,比如说明书的步骤指南(第一步,第二步,然后是第三步)。再比如我提到的“不从第一页开始读书”就是典型的序列关系:找书—目录—章节。


一件事从上到下全做完才算完。这些都是典型的因果结构。


4.数据结构:体现数量差异关系


最后一种知识结构是数据结构。平时常见的柱状图、饼图、增长曲线……数据结构图展示的是事物空间、时间上的差异性,这就不多说了。有很多知识结构呈现之巧妙,真的是让人叹为观止,本身就自带美感,比如太极八卦图。黑白两个部分平分秋色,代表阴阳调和、相互依存和平衡。阴鱼的眼睛是阳,阳鱼的眼睛是阴,再增加一条动态弧线,展现出阴阳的相互依存、相互转化,对方就是转化的诱因和方向。这是时间和因果关系。


在太极图的旁边,3 个连续或者断开的横条组合,形成八卦。这八卦两两重叠,展现出64 种不同的卦象。正如碳原子有清晰的结晶变成钻石,知识如果没有稳定的结构,往往会被低估。知识晶体是一种给你的学习内容提纯的过程,这并不是一件很容易的事,钻石的生成过程需要高温高压,黄金的提纯需要上千摄氏度的高温。世界上没有什么“只要是金子总会发光”的事。如果不经过提炼,含金量高的金子和普通石头没有什么两样,你根本看不出来。你用这么长时间翻查了许多知识,相当于在家里堆了一堆矿石,请务必把它们萃取出来,成为晶体。


1.大量看知识晶体


不仅要看,还要每次思考这个模型希望表达的关系。


2.尝试模仿知识晶体


看了一个模型,不妨凭记忆自己先画一遍,更好的方法是给别人讲一遍。然后看看和原来的结构有什么区别,找到差距再调整。因为你的知识结构不同,呈现出来的方法、模式都会有所不同,时间一长,你脑子里的模块足够多,知识自动就按照模型存放了。自己创造知识晶体知道了知识晶体萃取的重要性,你是否可以尝试构建自己的知识晶体?


找到知识源头、极其功利地读书、萃取知识晶体,这就是提高认知效率的核心方式。



——END——


【PS:点击以下图片可查看内容】

投资&学习

《马来燕屋计划》

《北大PPP课程》

《北清PE课程》

推荐阅读

今天的中国,有一个很可怕的现象:全民富二代


登录查看更多
0

相关内容

简明扼要!Python教程手册,206页pdf
专知会员服务
47+阅读 · 2020年3月24日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
知识神经元网络 KNN(简介),12页pdf
专知会员服务
14+阅读 · 2019年12月25日
2019中国硬科技发展白皮书 193页
专知会员服务
81+阅读 · 2019年12月13日
【机器学习课程】Google机器学习速成课程
专知会员服务
164+阅读 · 2019年12月2日
钱炜:与山同坐,成为灯塔
罗辑思维
15+阅读 · 2019年6月30日
95岁的查理·芒格,一周读二十本书
三联生活周刊
7+阅读 · 2019年5月22日
王维嘉:暗知识——机器认知的颠覆
亚布力中国企业家论坛
5+阅读 · 2019年3月12日
一万小时贫穷定律
互联网er的早读课
5+阅读 · 2018年8月22日
【财富空间】一个人真正的资本是什么
产业智能官
6+阅读 · 2018年3月16日
关于孩子的未来,汪涵和李锐想告诉你这些......
三联生活周刊
6+阅读 · 2017年10月28日
Arxiv
11+阅读 · 2019年6月19日
Arxiv
9+阅读 · 2018年10月24日
Phrase-Based & Neural Unsupervised Machine Translation
Relational recurrent neural networks
Arxiv
8+阅读 · 2018年6月28日
Arxiv
3+阅读 · 2018年5月28日
Arxiv
14+阅读 · 2018年5月15日
Arxiv
7+阅读 · 2018年1月18日
VIP会员
相关VIP内容
简明扼要!Python教程手册,206页pdf
专知会员服务
47+阅读 · 2020年3月24日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
知识神经元网络 KNN(简介),12页pdf
专知会员服务
14+阅读 · 2019年12月25日
2019中国硬科技发展白皮书 193页
专知会员服务
81+阅读 · 2019年12月13日
【机器学习课程】Google机器学习速成课程
专知会员服务
164+阅读 · 2019年12月2日
相关资讯
钱炜:与山同坐,成为灯塔
罗辑思维
15+阅读 · 2019年6月30日
95岁的查理·芒格,一周读二十本书
三联生活周刊
7+阅读 · 2019年5月22日
王维嘉:暗知识——机器认知的颠覆
亚布力中国企业家论坛
5+阅读 · 2019年3月12日
一万小时贫穷定律
互联网er的早读课
5+阅读 · 2018年8月22日
【财富空间】一个人真正的资本是什么
产业智能官
6+阅读 · 2018年3月16日
关于孩子的未来,汪涵和李锐想告诉你这些......
三联生活周刊
6+阅读 · 2017年10月28日
相关论文
Arxiv
11+阅读 · 2019年6月19日
Arxiv
9+阅读 · 2018年10月24日
Phrase-Based & Neural Unsupervised Machine Translation
Relational recurrent neural networks
Arxiv
8+阅读 · 2018年6月28日
Arxiv
3+阅读 · 2018年5月28日
Arxiv
14+阅读 · 2018年5月15日
Arxiv
7+阅读 · 2018年1月18日
Top
微信扫码咨询专知VIP会员