🟥 Избавляемся от фрустрации и сохраняем состояние потока

Как часто случается, что во время работы вас начинает раздражать какая-то проблема? Штука, которая постоянно глючит или не работает, или работает не так, как хочется. В этот момент возникает инстинктивное желание сразу же ее исправить, начать искать решение.

На это может уйти довольно много времени, из-за чего возникает ряд проблем. Но самое главное — разрывается текущий процесс. Я называю это «вложение работ» или «вложение процессов».

Вложение работ появляется когда вы начинаете искать решение, потом это решение не работает, а вы начинаете искать, почему оно не работает и так далее. Таким образом получается, что вы выполняете не один процесс, а несколько, которые к тому же вложены друг в друга. И если решение быстро не получается найти, то случается фрустрация, ведь исправить проблему быстро не получается.

🕶 Один из простых способов не впадать во вложенные процессы, который я очень давно использую — файл оптимизации.

Суть заключается в том, чтобы каждую такую проблему записывать в специальный файл. И потом, когда в этом файле накапливается достаточное количество элементов, которые нужно исправить, мы залпом берем и исправляем их. То есть теперь мы не обязаны исправлять проблему мгновенно, но точно знаем, что она у нас «на карандаше» и будет исправлена в более подходящее время.

В моем файле есть, например, раздел, связанный с проблемами в Obsidian, в операционной системе, в рабочих процессах, в работе с литературой и так далее.

📓 Также можно использовать и дневник, если ввести специальный тег для таких проблем, а затем регулярно пересматривать свои записи по этому тегу и исправлять найденные проблемы.

🟡 Каждый слышал пословицу «Глупые учатся на своих ошибках, а умные — на чужих». На самом деле с ошибками можно поступать как еще «умнее», так и еще «глупее». Вот 6 уровней работы с ошибками у личностей или коллективов, которые я выявил:

1. Все ошибки повторяются. Никакая обратная связь не учитывается. Происходит, например, в коллективах, где нет никакой культуры разбора ошибок, а за каждое упоминание об ошибках наказывают.

2. Интуитивно учитываются повторяющиеся ошибки. На этом уровне у личности/коллектива нет инструментов для их фиксации.

3. Учитываются ошибки, повторенные 2-3 раза(не с первого раза, короче). Минимально профессиональный уровень.

4. Совершенные ошибки учитываются сразу.

5. Учитываются ошибки, сделанные и другими, в том числе.

6. Возможные ошибки прогнозируются и далее учитываются/избегаются.

Профессиональными можно назвать уровни 5,6. В новой/высокорисковой области допустим и 4 уровень.

🕹 Через несколько минут начинаем трансляцию. Ссылка :

https://youtube.com/live/bKSreoEMI34?feature=share
https://youtube.com/live/bKSreoEMI34?feature=share
https://youtube.com/live/bKSreoEMI34?feature=share

НАУЧИТЬСЯ БЫСТРО

Искусственный интеллект меняет наш подход к обучению. Раньше мы учили ИИ, теперь он может учить нас.

Большие языковые модели содержат огромные объемы информации. И мы можем использовать эти знания для самообучения.
Конечно, ИИ не обладает настоящим пониманием, но с помощью правильных инструментов возможно извлечь из него пользу.

Уже появляются приложения, помогающие быстрее осваивать новые предметные области с помощью ИИ. Это ,например, на опенсорсной лламе, камон! Они могут генерировать упражнения, отвечать на вопросы, объяснять сложные концепции.

Главное преимущество такого подхода - персонализация. ИИ может адаптироваться под ваш уровень и стиль обучения. Он не устает повторять одно и то же, если вам это нужно.

Понятно что есть риски, но они малы по сравнению с возможностями.

Например, программисты часто сталкиваются с необходимостью быстро разобраться в чужом коде. Это непростая задача, особенно когда речь идет о больших проектах. Но есть способы сделать этот процесс менее болезненным.
Один из таких древних методов - рефлексивная модель освоения кода. Суть ее проста: вы строите свою версию того, как устроен проект, а потом сравниваете ее с реальностью.

Начинаете с того, что рисуете схему, как вам кажется связаны между собой разные части кода. Затем запускаете специальную программу, которая проверяет, насколько ваши догадки верны. Получаете обратную связь,
вносите исправления и повторяете процесс.

Постепенно ваше понимание приближается к тому, как код работает на самом деле. Это похоже на игру, где вы пытаетесь угадать устройство черного ящика, получая подсказки.

Такой подход помогает быстрее вникнуть в структуру проекта и увидеть общую картину. Вместо того чтобы тонуть в деталях, вы сначала формируете целостное представление, а потом уже углубляетесь в конкретные части.

А теперь представьте, что подобные инструменты, к тому же более сильные, работают примерно во всех предметных областях. Насколько быстрее получится изучать новые предметные области?
И я вангую, что через пару лет подобные системы будут наилучшим способом, чтобы загнать побольше зубодробительных наук в головы бедных обучающихся.