知識の獲得戦略とスペシャリスト
----
僕がよく使う知識の分布図をコードで生み出して実験ができるようにしようと考えた。
毎ステップ3つの学習対象の選択肢が与えられて、自分の知識獲得戦略に従って一つを学ぶ。
学ぶとランダムな量の知識が得られる。得られる知識領域にもランダムなノイズを加えているので、「学ぼうとしたことのちょっとずれた分野の知識を得る」こともある。
知識獲得戦略以外の条件を同じにして、3つの選択肢の中から「自分がもっとの知識の多い対象」を選ぶ戦略(スペシャリスト戦略)と、「自分がもっとの知識の少ない対象」を選ぶ戦略(ジェネラリスト戦略)で場合でどういう差が出るかを観察した。
スペシャリストに対してピークが一つだけのようなイメージを持っていたが、複数のピークが発生した。
もっと「大部分の領域でジェネラリストが勝つが、スペシャリストは自分の得意分野でだけ圧倒的に強い」という現象を想像していたが、44%の領域でスペシャリストが勝つ。
この振る舞いは、全部で100ある学習対象のうち、ランダムな3つの選択肢から選ぶという「学びの対象の自由度」が乏しい状況だから起こることである。与えられる選択肢を10個にするとこうなる。
選択肢を30、つまり全対象の3割から自由に選べるようにするとこうなる。
自分の一番得意なものを選択する「スペシャリスト戦略」は、選択の自由度が高まるほど一つのピークに集中するようになる。
一方、ジェネラリスト戦略は選択の自由度にあまり影響されていない。
3人のスペシャリストと1人のジェネラリスト
ジェネラリストは誰も似ているので3人集めても文殊の知恵にならないが、
スペシャリストが集まって自分の強みを発揮すると大部分の領域でジェネラリストの集団より高い知識を発揮するようになる。
pythonimport numpy as np
from matplotlib import pyplot as plt
KNOWLEDGE_WIDTH = 100
TIMES = 10000
def get_knowledge(policy):
knowledge = np.zeros(KNOWLEDGE_WIDTH)
for t in range(TIMES):
targets = np.random.randint(0, KNOWLEDGE_WIDTH, size=3)
target = targets[policy(knowledge[targets])]
target = int(np.random.normal(target))
if target < 0 or target >= KNOWLEDGE_WIDTH: continue
knowledge[target] += np.random.random()
return knowledge
specialist = get_knowledge(policy=lambda xs: xs.argmax())
generalist = get_knowledge(policy=lambda xs: xs.argmin())
plt.plot(specialist, label="specialist")
plt.plot(generalist, label="generalist")
plt.legend()Related Pages
- →灘校土曜講座2014×学びのハシゴモデルは正しいか？×知識の少ない人からでも学ぶことができる×知識の分布図×自他共栄×知識の多様性×知識交換×互いに知識を交換して学ぶ×知識の交換×知識交換の必要条件→
- →知識の積み上げモデル×ピラミッドのたとえ×地面×掘り下げ×shared_belief×前提×哲学者×数学者×地に足のついていない×フワフワ×知識の整合性×知識と資本論とテクノロジストの条件×つながっているものが多いほど安定する×一つの刺激に触発されたアイデア×共感しない能力×好奇心×自分の価値観×コモディティ知識×リスクテイク×密につながった知識ネットワーク×知識の分布図×知識のトレード×互いに知識を交換して学ぶ×知識のない人×世界観のスイッチ×フットワークの軽さ×移動×知識の消費者に良い知識は与えられない×ものを作った人同士は作ったものが違っても通じ合う×重力と箱のメタファー×知識のピラミッド表記の解釈が2通りある→
- →できる×やるべき×やりたい×will/can/must×大人の発達障害について考える×選択肢が多すぎる×デモチベーション×内発的動機×モチベーション×モチベーション創造メソッド×多様性×知識の分布図×学びあえる幅とオーバーラップの関係→
- →人間の能力が乏しいから分業が必要になった×貫通×aiと人間が協力し合う×分業は、より専門化され、効率化され、かつ人間とaiの相互作用により進化していく×aiと人間の協力により、新しい働き方が生まれる×スペシャリスト×ジェネラリスト×技術進歩による海面上昇×浅い知識を与えるサービス×破壊的イノベーション→
- →2018-03×エンジニアのための自分経営戦略_参考文献×"エンジニアのための自分経営戦略"まとめ×陳腐化×if文から機械学習への道×きこりのたとえ×旅人×7つの習慣×新しいこと×不安×損失額の限定×リアルオプション×経営戦略×リソース配分×資源配分×戦略サファリ×スモールスタート×列挙を疑え×お金は使うとなくなる×ポスト資本主義社会×知識獲得戦略×行動×環境×結果×実験×pdcaサイクル×リーン・スタートアップ×知識の交換によって学ぶ×知識が双方向に流れる×知識の少ない人からでも学ぶことができる×知識交換の必要条件×周りと同じものを学んでも知識交換はできない×知識の分布図×競争優位×マイケル・ポーター×ファイブフォース分析×狭き門×市場開拓コスト×状況×状況に埋め込まれた学習×ゲーテッドコミュニティ×共有地の悲劇×二重コミュニティ×答えをコピーしても無益×連続スペシャリスト×π型人材×技術進歩による海面上昇×言葉が熟す×アウトプットを焦ると劣化コピーになる×giver→
- →和で評価×スペシャリスト×ジェネラリスト×スペシャリストとジェネラリスト×尖った人材×尖った人材を取るためには順位の調和平均×未踏ジュニア×未踏×加点方式×平均を取る×多数決×平均志向が最悪の環境→
- →部下×自分がやった方が速い×知識の分布図×弱みを克服×自分が得意なことを教える×強みを伸ばす×スペシャリストとジェネラリスト×比較優位×生産性向上×2017×11-20×2017-11×尖ったところを伸ばす×優れた上司は、部下の_「尖った部分」を活かす→
- →マルチ・ポテンシャライト×創造×博学者×ルネサンス人×ルネサンス×アイデアの統合×革新は交差点で起こ×交差点×迅速な学習力×のめり込み×初心者×駆け出し×わからないということが怖い×コンフォートゾーン×適応力×焦点を絞れ×マルチポテンシャリティ×multipotentiality×好奇心×スペシャリスト×スペシャリストとジェネラリスト×誤った二項対立×定住×移動×遊牧民→
"Engineer's way of creating knowledge" the English version of my book is now available on [Engineer's way of creating knowledge]
(C)NISHIO Hirokazu / Converted from [Scrapbox] at [Edit]