5D Library › 学习的85%最优错误率定律、髓鞘化动力学与刻意练习 · English

序:在「刚好够难」的地方练习

注

请先读这一段。 本书面向一般学习者与教学者,介绍学习科学与神经科学中关于练习难度、间隔、提取、交错与反馈的研究,并用简化的数学模型和程序说明论证。本书不是针对学习障碍、注意缺陷多动障碍(ADHD)、发育障碍或任何其他状况的诊断、评估或治疗建议。 如果你或你的孩子在学习中长期遇到明显困难,请咨询相关的专业人员(如医生、心理或教育评估人员)。

「85%」不是普适常数。 它是一个特定数学模型下的最优值:二元判断、难度可以连续调节、噪声服从高斯分布、学习者按梯度下降类的规则从误差中学习。换一种噪声分布,最优值就不同;对于复杂的人类技能,至今没有实验证明存在一个精确的最优正确率。书中把它当作一个有用的参照区间,而不是需要精确命中的数字。

每个教过书或者学过一门手艺的人都知道两种失败。一种是太简单:一遍遍做已经会做的题,感觉很顺,可是什么也没长进。另一种是太难:题目远远超出能力,一错再错,最后连试的意愿也没了。好的练习落在两者之间。问题是,「之间」具体在哪里?能不能说得更精确一点?为什么同样的时间,有人练得越来越好,有人原地踏步?

这本书从一篇 2019 年的论文出发。威尔逊、申哈夫、斯特拉恰与科恩证明:对于一类用梯度下降从误差中学习的二分类学习者,如果训练时的错误率保持在约 15.87%,也就是正确率约 85%,每一次练习带来的期望学习增益最大 (Wilson et al. 2019)。这就是所谓的「85% 法则」。本书逐步重现这个推导,然后追问它能走多远:它与「刻意练习」的研究有什么关系?大脑里「练习改变了什么」,目前有哪些可靠的证据?间隔、提取、交错与反馈的研究又各自说了什么?最后,我们把这些放在一起,设计一项可以检验它们的预注册试验。

本书的内容

第一章重现威尔逊等人的推导与模拟,并说明它的前提与边界;第二章讨论刻意练习、「一万小时」与相关的元分析和重复研究;第三章讨论赫布可塑性、长时程增强与活动依赖性髓鞘化,并用简化的电缆模型说明 g 比与传导速度;第四章讨论遗忘曲线、间隔效应与检索练习,给出 ACT-R 激活模型与 SM-2 调度器;第五章讨论交错练习与「必要难度」;第六章讨论反馈的时机与粒度。第七章把这些研究与《论语》、《礼记·学记》以及朱熹的读书法并读,并说明古人讲的是修身成德,不是认知心理学实验。第八章给出一份「四步刻意练习核查表」与一项预注册随机对照试验方案。

核对后修正的说法

作者最初的框架中,有几处经核对需要修正或限定。第一,最优错误率的公式:框架中写作 ½(1 − 1/√2) ≈ 0.1587,但 ½(1 − 1/√2) ≈ 0.146;论文的结果是 ER* = ½ erfc(1/√2) = Φ(−1) ≈ 0.1587,即正确率约 84.13%。第二,「85%」只在论文的模型前提下成立,换成拉普拉斯噪声最优错误率约为 18.4%,柯西噪声为 25%;作者在论文中也说明,结果尚待推广到多选任务和其他学习算法,而且并非所有模型都存在难度的「甜区」,例如理想贝叶斯学习者的后验与试次顺序无关。第三,论文讨论的是梅特卡夫等人的「近端学习区域」,维果茨基的最近发展区只是与之相关的思想来源,不是同一个定理。第四,刻意练习元分析的各领域数字(游戏 26%、音乐 21%、体育 18%、教育 4%、职业不到 1%)经核对无误;但「一万小时」不是 1993 年论文提出的规则,那是对小提琴学生在 20 岁前平均累计练习量的估计,经格拉德威尔推广后才变成「定律」,埃里克森本人明确批评过这种说法。第五,钱米亚克与胡斌的 0.77 是在考虑体积约束后得到的中枢神经系统理论最优 g 比,不是实测值。第六,关于朱熹的读书法:「循序而渐进,熟读而精思」出自朱熹的《读书之要》;「朱子读书法」六条是后人汇集朱熹论读书之语归纳而成:门人辅广先辑有《读书之法》草本,南宋咸淳初年(1265–1266)张洪、齐熙在此基础上增补,釐为六条;框架说六条由辅广归纳,应修正为「辅广辑录在先,张洪、齐熙釐为六条」。各章遇到这类情况都如实说明,并汇总在随书发布的《编辑说明》中。

如何阅读标注框

与 5D Library 的其他书一样,不同类型的陈述分开标注。

证据

证据框报告已发表的研究结果,并注明出处。

推导

推导框给出公式和简短的 Python 程序。每段程序都可以在标准 Python 3 环境中原样运行,只用标准库,程序下方附有实际运行结果。书中的「学习者」「练习记录」与数据都是虚构或程序合成的,模型参数除注明出处外都是示意性的。

假说 · 尚未验证

假说框是作者的想法,标明「尚未确立」,并写明什么样的结果能证明它是错的。

原典

原典框引用古代文献,并附作者的白话解释。

注

注框给出提醒并解释取舍。

书中把机器学习、电缆理论和动力学的概念(梯度下降、精度、传导速度、激活衰减)用于人的学习时,都是模型与类比:它们帮助我们看清结构,但人不是感知机,记忆也不是一条公式。

本版说明

这是 1.0.0 版,第一个完整版:序与八章,中英双语。正文、标注框与代码由 AI 写作工具依据作者提供的书名、框架与要点起草,作者负责审阅、修改并核对出处。欢迎通过 5D Library 网站指正错误、补充作者遗漏的文献。

利益披露

作者以 5D Library 的著作(包括本书)作为其社群课程、升维牌卡(5D Ascension Cards,Dimensional Shift Card Decks)与 Yafu AI 知识库的方法论基础,因此与本书主题有商业利益关系。本书不推销任何课程、牌卡或服务;第八章的试验设计为由独立于作者企业的研究人员实施和分析,不从作者的社群、学员或客户中招募;书中所有代码与研究方案均公开,供任何人检验。

参考文献

Wilson, Robert C., Amitai Shenhav, Mark Straccia, and Jonathan D. Cohen. 2019. “The Eighty Five Percent Rule for Optimal Learning.” Nature Communications 10: 4646. https://doi.org/10.1038/s41467-019-12552-4.

Fan, Y. (2026). The 85% Rule for Optimal Learning, Myelination Kinetics and Deliberate Practice: From Stochastic Gradient Descent and the Zone of Proximal Development to Spaced Repetition, Read Beside Classical Chinese Learning Theory [学习的85%最优错误率定律、髓鞘化动力学与刻意练习] (Version 1.0.0). 5D Library. https://doi.org/10.5281/zenodo.23761339 · Licensed under Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0).