Technika Feynmana to metoda uczenia się wykorzystująca nauczanie do wskazywania luk w rozumieniu. Składa się z czterech kroków: (1) wybierz pojęcie, (2) naucz go nowicjusza prostym językiem, (3) ustal, gdzie wyjaśnienie się załamuje, oraz (4) wróć do materiału źródłowego, uzupełnij luki i jeszcze bardziej uprość wyjaśnienie. Cykl powtarza się, aż całość trzyma się od początku do końca.
Wybierz jedno, ograniczone pojęcie. Nie „uczenie maszynowe” ani „komputery kwantowe”, lecz coś, co możesz objąć myślą: „jak działa spadek gradientowy”, „co robi mechanizm uwagi transformera”, „dlaczego Fed podnosi stopy procentowe, by zwalczać inflację”. Im bardziej konkretne pojęcie, tym użyteczniejsze ćwiczenie.
Rola AI na tym etapie: jeśli nie wiesz, jak ograniczyć temat, poproś AI o rozbicie szerokiego zagadnienia na pojęcia, których można nauczać. „Chcę nauczyć się generowania wspomaganego wyszukiwaniem. Podziel je na pięć podpojęć, które mogę wyjaśniać po jednym”. To porządkuje naukę przed rozpoczęciem.
Napisz lub powiedz wyjaśnienie, jakby odbiorca nie miał wcześniejszej wiedzy z tej dziedziny. Nie używaj skrótów bez definicji, frazy „jak wszyscy wiemy” ani nie pomijaj kroków, bo wydają się oczywiste. Testem nie jest elegancja wyjaśnienia, lecz to, czy osoba, która nigdy nie spotkała pojęcia, potrafi śledzić je od początku do końca.
Załamanie nastąpi w przewidywalnych miejscach: przy przejściu między dwiema ideami, gdy użyłeś słowa „dlatego” bez uzasadnienia związku; przy analogii, która wydawała się wyjaśniająca w głowie, ale na stronie brzmi jak ogólnik; albo przy terminie technicznym bez definicji. Zaznacz je wszystkie. To mapa tego, czego jeszcze nie rozumiesz.
Rola AI: gdy AI wskaże luki, nie pozwól jej ich wypełniać. Wróć sam do źródeł, przeczytaj odpowiedni fragment i odtwórz wyjaśnienie własnymi słowami. Potem sprawdź je ponownie. AI jest narzędziem diagnostycznym, nie lekarstwem.
Napisz wyjaśnienie od nowa prostszym językiem i krótszymi zdaniami. Usuń każde słowo, które nie wykonuje pracy. Zastąp żargon prostym językiem. Jeśli pojęcie wymagało trzech zdań, spróbuj wyjaśnić je jednym. Gdy wersja jednozdaniowa traci dokładność, znalazłeś minimalną złożoność wymaganą przez pojęcie. Ten próg sam w sobie jest formą rozumienia.
Powtarzaj cykl, aż wyjaśnienie będzie spójne od początku do końca. Niektóre pojęcia potrzebują jednego przejścia, inne pięciu. Liczba cykli nie mierzy inteligencji; mierzy ilość nowego terenu, który pokrywasz.
Ryzyko polega na tym, że AI stanie się kulą u nogi. Kiedy wyjaśnienie się załamuje, a AI natychmiast podaje właściwą odpowiedź, okazja do nauki przepada. Reguła jest prosta: AI pyta, ty odpowiadasz. Dopiero po najlepszej własnej próbie sprawdzasz źródła lub prosisz AI o weryfikację. Zmaganie jest nauką; zadaniem AI jest dopilnować, by nastąpiło w odpowiednich miejscach.
P: Czym technika Feynmana różni się od aktywnego odtwarzania?
O: To mechanizmy uzupełniające się. Aktywne odtwarzanie sprawdza, czy umiesz wydobyć informacje z pamięci. Technika Feynmana sprawdza, czy potrafisz uporządkować je w spójne wyjaśnienie. Możesz pamiętać każdy fakt o pojęciu i nadal nie umieć jasno go wyjaśnić. Technika Feynmana wychwytuje tę porażkę. Najlepiej stosować je razem: aktywne odtwarzanie ujawnia to, co wiesz, a technika Feynmana organizuje tę wiedzę w rozumienie.
P: Co, jeśli nie umiem uprościć pojęcia bez utraty dokładności?
O: To sedno sprawy. Utrata dokładności mówi coś realnego: albo pojęcie rzeczywiście wymaga określonej złożoności, albo twoje rozumienie nie jest dość głębokie, by znaleźć prostsze wyjaśnienie. W pierwszym przypadku poznajesz granicę; w drugim odkrywasz lukę. Oba wyniki są wartościowe.