等级换算原理
校正过程对模型的干扰能力。遗忘过程让我们的模型是一个动态更新的过程。但是,对于庞大的模型或者完善的模型来说,新输入的校正信息对模型的影响会越来越小,因为模型越精确,也就越难以接近理想的状态。基本上我们可以认为理想状态是不可能达到的。另一种是与元模型矛盾的信息,这些信息取代元模型中的既有部分也是一个较为困难的问题。这些都是由于已有的概率分布的惯性。不过基于遗忘规律,要改变旧的模型,只要用更多的时间和足够的新信息覆盖就可以了。
我们用等级来描述这个越来越困难的校正过程,同样用一种数学模型来模拟,也是最为常见的,对数曲线,可以看到,对数曲线一开始的增长速度非常之快,但是到了一定程度速度就开始变慢,之后提升等级所需要的时间会极端的长。这就是我们平时描述的学习过程。由于我们追求的不是不能实现的理想过程,所以我们往往只要达到某个要求点就可以了,基于这些点开始对校正程度进行分级,也就是学习的等级。
我这里给一个较为简单的分级方法。
lv0,建立过程,半年。
lv1,半年。
lv2,一年。
lv3,两年。
lv4,四年。
lv5,十年。
当然实际的校正过程是很复杂并且多数是复合过程。不过,每一个独立过程提取出来,转换为纯粹过程,都是符合等级换算的对数曲线的。