成长的边界摘抄(成长的边界pdf)

领500g书库，关注公众号:程叫兽的宝藏 (长按可复制！)

热门下载区==>点此链接进入<<<

本文节选自《成长的边界摘抄》

要求杆不能春地，任何一名士兵好压乙下，每个人的临场表现近异一谁是领导兰，谁是跟随着，谁压夸其谈，谁情弱胆性一一这些全都会自然表现出来，一已曼和他的同事们愈发目信，认为目己能够分析出这力水平，并且能识别他们在军官培训和战斗中的表错特错。每隔几个月，他们会有一个“统计日\"，把军官们的实际表现和目己的预测对照，看看准确与否。每次，他们的预测也就比瞎莹好部么一点氮。每次统计他们都获得了一些经验，信心满满地再次给出判断。但是每一次，他们都没有任何进步。\"统计信息与令人信服的洞察结果之间，完全没有联系\"，这一发现痢实震怀了卡尼曼。考不多同一时间，有一本关于专家判断的做作问世，这本书颇具影响力，卡尼曼告诉我，这部车作让他”印象深刻*。书中综述了众多领域的研究成果，而这些成果足以震动心理学界一一全究显示，在现实世界的各天青境下，经验根本无法创造技能一一从评估大学生光能的大学管理人刘员，到预测病人表现的精神病医生，目到决定谁能在职业技能培训胜出的人力资源专家，都是如此。有些领域涉及人类行为，且没有复而清晰的模式，反复练习并不意味着学习。本从条从高尔夫和灭火只不过是例外，而不是规律。莱恩和卡尼曼所记录的经验丰曙的专家所呈现出

成长的边界属于哪方面的书

的不同结末，构成了一个复杂的难题:专家们会因为有经验而变得更好吗?2009年，卡忆曼夭克菏恩迈出了不同寻肖的一步一了两人共同完成了一篇论文,前释了各目的观点，并寻求共同存在的基础一一他们找到了。卡尼曼和克羔恩一致认为，经验能否审来专业知识和技能，完全取决于所在的领域。专业化的练习可以培养更好的国际象棋选手、桥牌选手稍防员，但是在预测金融或政治趋势，或首预测员开Ne在兄荣已所研究的领域中，出目本能的\"模立吕罗宾:堆格期(Robin上二将这类领域称为<友好型*学习环境。|复，反馈极其精确，而且速度够快。在高尔夫或者医际象棋中，每一球或者每一步都是在既定的范围内按照规则行事，即刻就能看到结果，类似的挑战会重复出现。当我们在打高尔夫球时，球的落点不是太远就是不够远;球的线路不是左曲球、右曲球，就是球。球手发现问题，尝斌改正，再次击球，如此练习数年。这也是“刻意练习?的定义一一既要遵循一万小时和定律，又要尽早开始技术性练习，越早越好。这和和参与，努力改善，就能进步。卡尼曼开始注意到这种友好型学习环境的反面委格斯称之为<于区更\"学习环壕，有些领域与高尔夫和国际象棋相反觉赛规则通常不其明晰，或者不够完整;重复的模式时有

成长的边界 epub

时无，或者不够清楚;而反馈常常清后，或者不准确，或者两者兼有一这就是学习环境“恶劣\"的领域。在最恶劣的学习环境下，经验往往会反复强化错误的教训。霍格斯记录了纽约一位著名医生的故事:这位内科医师以精确诊断而闻名。他的专长是诊断伤守症，而诊断方法也很特别一一用手触摸病人的舌头来判断他们是否患有伤寨。一次又一次，在病人表现出某一和钙状前他就做出煌。而一次又一次，他的诊断被证明是正确的。正如另一位医生后来指出的,“他是比伤寒玛丽@还要可怕的病毒携带者，只用手就能传染给别人”。一次又一次的成功，却给了他最惨痛的教训。当然了，很少有这能恶劣的学习环境，但是，经验让专业人士行差踏错也是轻而易举。当专业请防员面临全新的情况，比如摩天大楼火灾，他们会发现目己突然失去了多年来在普通房屋灭火所培养出的党，很可能硕做出馆状的次定。时移世易，国际象杠入师也会发现，上自己多年积累的经验技巧突然变得老掉牙了。1997年，IBM的超级计算机\"深蓝”(DeepBlue)战胜了加卡期昌罗夫，顾得了目然智能与人工智能的终极之战。\"深蓝?每秒可以运算两亿步棋，但这只是国际象棋步法中的极少部分一一国际象棋模式全[头[二THL人个涪E要卜AN\\

成长的边界心得体会

综上：成长的边界pdf值得推荐阅读