Qual é a diferença entre aprender e memorizar?

No contexto de "aprendizado de máquina", o aprendizado é sobre fazer generalizações. Isso permite que o agente de aprendizado possa lidar com novas situações, porque a generalização aprendida fornece essa capacidade. Memorizar não envolve generalização, portanto, não torna o agente capaz de lidar com novas situações.

Quando você memoriza, pode estar tentando inserir seu conhecimento em sua memória ou cérebro, sem tentar entender o conhecimento primeiro.

Aprender é exatamente o oposto de memorizar. Quão? Quando, ao aprender, você está tentando entender ou saber do que se trata a idéia do conhecimento. Isso geralmente fica na sua memória melhor do que apenas memorizar.

Neste post, definirei o que significa aprender e memorizar para que você possa compará-los e contrastá-los por conta própria. No final deste post, você terá uma compreensão de ambos os conceitos e poderá identificar as diferenças claramente.

A primeira linha do artigo de Michelene Chi de 1994,

Provocar auto-explicações melhora a compreensão,

fornece uma definição para o que significa aprender. Fornecerei essa linha e, a ela, adicionarei outra; juntos, eles devem formar uma imagem completa de alto nível do que significa aprender.

Chi disse o seguinte sobre o aprendizado: "O aprendizado envolve a integração de novas informações no conhecimento existente". A isso, acrescentarei: formar novos conhecimentos. Se você quiser entender por que fiz essa adição, leia o artigo de Michelene Chi, de 1989,

Auto-explicações: como os alunos estudam e usam exemplos para aprender a resolver problemas

, Artigo de Michelene Chi de 1994,

Provocar auto-explicações melhora a compreensão,

e o artigo de Michelene Chi de 1998,

Autoexplicação: o duplo processo de gerar inferências e reparar modelos mentais

.

Assim, o aprendizado envolve a integração de novas informações no conhecimento existente para formar novos conhecimentos.

A seguir, consideramos a memorização. Simplificando, a memorização é um processo pelo qual um indivíduo compromete algo na memória.

Conforme prometido, você tem uma imagem clara do que significa aprender e o que significa memorizar. Agora, cabe a você aprender a diferença.

No aprendizado de máquina, a memorização parece criar uma tabela de pesquisa, explícita ou implicitamente, apenas com base nos dados disponíveis (dados de treinamento), enquanto o aprendizado extrai algumas regras com base nos dados de treinamento, mas também considera dados invisíveis. A principal diferença é reconhecida ao considerar o problema de generalização. Aprender no aprendizado de máquina é semelhante ao aprendizado em humanos. Por exemplo, vamos considerar uma criança que está aprendendo sobre o gênero. Basicamente, seus pais lhe mostram alguns exemplos e os classificam como homens ou mulheres. Mais tarde, ele seria capaz de generalizar a idéia para outras amostras não vistas, embora ele possa cometer alguns erros para algumas amostras. Na verdade, ele não está apenas memorizando as amostras, mas também extraindo automaticamente alguns recursos entre as amostras disponíveis que o ajudam a classificar uma nova amostra invisível. O sobreajuste no aprendizado de máquina pode estar relacionado à memorização e aprendizado.

Primeiro, deixe-me dizer que há valor em cada um.

  • Você deve memorizar seu número de telefone e número de segurança social e seus fatos aritméticos. Ah, e o que sua esposa gosta no seu sanduíche ou hambúrguer ou o que você pedir quando escolhe o jantar.
  • Você deve aprender conceitos como quando e por que operações com números positivos e negativos produzem determinados resultados em vez de "um negativo e um negativo produzem um positivo", o que não é verdadeiro para todas as operações o tempo todo.
  • Você deve aprender como as coisas em sua casa funcionam para poder diagnosticar problemas e fazer pequenos reparos, não apenas memorizando o número do trabalhador manual.
  • Você deve memorizar suas senhas.
  • Você deve aprender a marcar sites como favorito e quando for apropriado responder a todos.
  • Você deve memorizar as músicas da sua música favorita
  • Você deve aprender a história por trás de sua música favorita.

Uma pergunta muito interessante, porque o aprendizado é uma forma especial de memorização e, ao mesmo tempo, a memorização também é uma forma de aprendizado. Sem memória de alguma forma, nada pode ser aprendido. Portanto, há um limite embaçado entre memorizar e aprender.

Portanto, isso significa que temos dois lados extremos aqui, qualquer um dos quais pode ser visto como memorização ou aprendizado em vários graus.

  • Uma é memorizar os exemplos de treinamento conforme eles surgirem. Isso é o que chamamos de pura memorização e, portanto, pode consumir muita memória, porque os exemplos podem ser muitos. Isso pode ser visto como uma forma de aprendizado chamada aprendizado lento no contexto de aprendizado de máquina (ML). A classificação K vizinho mais próximo (KNN) para ser mais preciso é um aluno preguiçoso, apenas memoriza os exemplos e classifica novas observações com base no vizinho mais próximo. Embora seja difícil generalizar bem quando ocorrem condições desconhecidas.
  • E a outra é memorizar o padrão (modelo) apresentado nos exemplos de treinamento. Isso é o que normalmente chamamos de aprendizado; é preciso algum esforço para encontrar esse modelo a partir de exemplos de treinamento, e isso é eficiente na memória e pode facilmente generalizar bem em condições desconhecidas. O modelo aprendido é normalmente parametrizado, como uma linha ou algum limite não linear complexo com truques de kernel ou redes neurais (biológicas ou artificiais). Os parâmetros do modelo precisam ser memorizados para uso posterior, portanto essa ainda é uma forma especial de memorização.

Portanto, como você pode ver, o limite é embaçado, mas o aprendizado pode ser visto como o processo de encontrar e memorizar o relacionamento (modelo) entre exemplos de treinamento, enquanto a memorização é um caso geral de armazenar algumas instâncias de informações para uso posterior.

Eles também podem ser distinguidos por sua capacidade de regenerar os exemplos posteriormente, ou seja, quão próximos os exemplos gerados estão dos exemplos reais.

[math]e = \frac {1}{n} \sum\limits_{i}^n ||\hat {x_{i}} - x_{i}||^2[/math]

Onde

[math]e[/math]

= erro total,

[math]\hat{x}[/math]

= exemplo gerado

[math]x[/math]

= exemplo real,

[math]||•||[/math]

= magnitude

Então, quando o sistema regenera toda a

[math]\hat{x}[/math]

Diz-se que memorizou os exemplos originais

[math]x[/math]

E se

[math]e \leq \epsilon[/math]

caso contrário, diz-se que os aprendeu.

Onde

[math]\epsilon[/math]

é um pequeno valor definido pelo usuário.

Portanto, existem muitas maneiras de ver isso, mas é claro que a linha entre elas está embaçada.

Espero que isto ajude.

Se eu mostrar a seguinte figura de 8 tipos diferentes de maçãs

e então eu pergunto qual é a imagem a seguir?

(Observe que esta imagem de teste não está presente no conjunto acima de 8 maçãs)

Se sua resposta for uma

maçã

, então você fez

Aprendendo

, se você não pode dizer que é uma maçã, você só fez

memorização

das fotos acima de maçãs.

Outro exemplo, se eu mostrar a seguinte série

[math] 3*1=3 [/math]

[math] 3*2=6 [/math]

[math] 3*3=9 [/math]

e pergunte, o que é

[math] 3*4=? [/math]

Então você adivinharia o? como 12, por que? Porque quando criança somos ensinados na escola a memorizar esta série. No entanto, se eu perguntar, o que é

[math] 3*41152263=?[/math]

Então, é provável que você tenha dificuldades, porque sua habilidade de memorização falhará e você precisará recorrer a suas habilidades de aprendizado. Isso pode incluir a multiplicação manual, o uso de uma calculadora ou de alguma maneira abstrata e engenhosa para encontrar uma solução. No entanto, isso faz parte do aprendizado e não da memorização.

Quando você memoriza e é feita uma pergunta, você tenta buscar essas informações nas informações já salvas, como uma consulta ao banco de dados. Se uma consulta de teste não corresponder, não será possível responder. No entanto, ao aprender, você tenta generalizar um conjunto de informações aprendendo alguns recursos ou padrões e constrói um modelo abstrato que ajuda a entender algo que você nunca viu antes. Para os humanos, isso pode parecer uma tarefa trivial (embora nem sempre), porque nosso cérebro evoluiu para ser bom em generalização de informações. No entanto, para máquinas, não é tão simples assim. E é aí que a maioria das pesquisas está se concentrando atualmente. Como podemos aprender modelos abstratos de “coisas” para generalizar o conhecimento aprendido em amostras ou cenários invisíveis.

PS No exemplo acima,

[math] 3*41152263=123456789 [/math]

:-)

Segundo Merriam-Webster, memorizar é "comprometer-se com a memória", enquanto aprender é "ganhar

conhecimento ou entendimento

de ou habilidade no estudo, instrução ou experiência ".

Os comprimentos das respectivas definições são na verdade um bom análogo à diferença entre as duas palavras. A memorização é muito mais superficial que a aprendizagem, como qualquer pessoa que tenha lotado a noite anterior ao exame pode lhe dizer. Quando você memoriza alguma coisa, mesmo que você se lembre por um longo tempo (não é o caso com o supramencionado), basicamente não há aplicativos para o conhecimento, exceto para vomitá-lo como um computador, com pouca ou nenhuma análise mais profunda. Isso lembra a cena dos bares de Good Will Hunting, onde o graduado sem nome simplesmente regurgitou informações em vez de apresentar suas próprias opiniões ou idéias:

Quando uma pessoa

aprende

por outro lado, ele

entende

a informação, ou a habilidade, ou as idéias, em um nível mais profundo. Ele internaliza as informações e as analisa naturalmente para criar seus próprios conceitos e idéias, independentemente de as idéias terem sido pensadas anteriormente na história. O mais importante é que, quando uma pessoa aprende, ela é capaz de crescer como pessoa, de alguma maneira, à medida que é mais esclarecida e sua percepção é levemente alterada. Isso é algo impossível com a memorização.

A memorização é estática e desnecessária, especialmente nos dias de hoje em que temos acesso a tanta informação estática quanto desejamos com a Internet. Como Albert Einstein disse: "Nunca memorize algo que possa procurar". Pode ser útil em um beliscão, mas a longo prazo a memorização não adiciona nada ao caráter ou à vida de alguém.

A aprendizagem, por outro lado, é fluida - ela se expande e empurra uma pessoa, faz com que ela mude de maneiras minúsculas, mas fundamentais, para se tornar menos desinformada e mais consciente do mundo.

Em resumo, o aprendizado faz a pessoa crescer, enquanto a memorização não beneficia o usuário, exceto a curto prazo (na maior parte) e superficialmente.