개념
각 개념은 이해에 이른 하나의 생각입니다. 필수 순서 없음: 어떤 것부터든 시작할 수 있습니다.
시스템의 유의미한 이탈 발견으로서의 놀라움
놀라움은 시스템의 실제 상태와 예상 상태 사이의 유의미한 이탈을 알아차리는 능력으로 볼 수 있습니다. 그 강도는 변화의 크기뿐만 아니라 그 변화가 시스템 자체에 미치는 영향에 따라 달라집니다.
알려진 내용과 문자 코드 사이의 연결 복구로서의 읽기 학습
검증 중인 읽기 학습 이론: 문자 코드가 아동에게 이미 알려진 단어, 이미지, 의미, 소리, 언어 구조와 체계적으로 연결될 때, 아동은 문서를 더 쉽게 익힌다.
아는 것 — 미지를 연구하는 도구
새로운 이해는 무에서부터 구축되지 않습니다. 인간이 이미 알고 있는 요소, 연결, 능력은 미지의 것을 복원하고 습득하기 위한 도구로 사용될 수 있습니다.
진보는 알려진 연결의 재사용에서 비롯된다
진보는 이미 알려진 연결, 방법, 시스템이 원래의 맥락을 넘어 이전, 반전, 조합되며 적용되어 새로운 가능성을 창출할 때 발생한다.
시스템 사고
우리의 개념에서 시스템 사고는 객체, 지식, 기술, 프로세스를 시스템으로 바라보는 방식입니다. 즉, 내부 구조, 역량, 요구사항, 적용 한계, 상호작용을 이해하고 특정 과제에 충분한 분석 깊이를 선택하는 것입니다.
개념
개념은 온전한 정보 단위입니다. 단순할 수도 있고 복잡할 수도 있지만, 항상 하나의 독립된 내용을 담고 있어야 하며 필요시 더 단순한 개념들을 통해 확장할 수 있습니다.
어떤 문제든 푸는 법부터 배우고, 그 다음에 더 빠르게 푸는 법을 배워라
학습은 종종 명칭, 특수한 사례, 기성 공식에서 시작됩니다. 학습자는 수많은 효율적인 해결책을 암기하지만, 학습한 내용과 닮지 않은 문제 앞에서 무력해집니다. 모든 객체 클래스에 적용 가능한 최소한의 보편적인 도구 모음을 먼저 익히고, 그로부터 규칙성, 짧은 공식, 특화된 기법을 이미 이해한 해결책을 가속화하는 방법으로 도출해내는 것이 훨씬 더 안정적입니다.
다각형은 일반적인 방법에서 개별적인 이름으로 배워야 합니다
학교 기하학은 종종 도형의 이름과 그 성질의 목록으로 시작합니다. 아이는 정사각형, 마름모, 사다리꼴을 구별하는법을 배우지만, 그 이름이 이미 알려진 제약 사항들을 짧게 기록한 것에 불과하다는 사실을 이해하지 못할 수 있습니다. 임의의 다각형에서 시작하여 변과 각을 측정하고, 넓이를 구하고, 평행성을 확인하고, 규칙성을 발견한 다음, 비로소 이름과 특수한 공식을 편리한 줄임말로 도입할 수 있습니다.
AI 시대에는 올바른 직업을 선택하는 것보다 끊임없이 자신에게 맞는 새로운 일을 찾아내는 법을 배우는 것이 더 중요하다
우리는 어딘가에 자신에게 맞는 자리가 존재하며, 그것을 언젠가 찾아내어 자리 잡아야 한다는 듯이 직업을 선택하는 것에 익숙해져 있습니다. 하지만 AI는 학습, 제품 개발, 아이디어 검증 비용을 낮추고 있으며, 경제적 기회 자체는 점점 더 빠르게 생겨났다 사라지고 있습니다. 어쩌면 가장 큰 경쟁력은 한 번 선택한 전공이 아니라, 내가 어디에 유용할 수 있는지 거듭 파악하고, 부족한 부분을 빠르게 보완하며, 다음 기회로 넘어가는 능력이 될 것입니다.
소통의 가장 큰 실수 — 이해했다고 너무 일찍 단정 짓는 것
사람과 AI는 자신의 경험을 바탕으로 상대방이 한 말의 의미를 끊임없이 보완해 나간다. 보통은 이것이 유익하다. 그렇지 않다면 모든 대화에 몇 시간씩 걸릴 것이다. 하지만 대화 상대방 간의 공통 맥락이 적을수록, 한쪽은 상대가 전혀 다른 이야기를 하고 있었음에도 이미 모든 것을 이해했다고 확신할 가능성이 커진다.
남의 말을 외우려 하지 말고, 내 언어로 세상을 이해하는 법을 배우세요
올바른 단어들을 알면서도 아무것도 이해하지 못할 수 있습니다. 반대로 그것이 뭐라고 불리는지조차 모른 채 대상을 아주 잘 이해할 수도 있습니다. 현대의 인공지능은 역사상 최초로, 교과서와 전문가, 검색엔진의 언어에 미리 내 언어를 맞추지 않고도 공부할 수 있게 해줍니다. 내가 이미 보고 있고, 이해하고 있으며, 알고 싶어 하는 것부터 시작하는 것만으로 충분합니다.
인류는 지식을 만드는 법은 배웠으나, 이해를 전달하는 법은 아직 배우지 못했다
인류의 지식량은 개인이 그것을 습득하는 능력보다 더 빠른 속도로 증가하고 있습니다. 모든 분야가 복잡한 모델을 자신들만의 용어로 압축하고, 점점 더 많은 사전 지식을 요구합니다. 그 결과 정보는 더 접근하기 쉬워진 반면, 이해는 그렇지 못하게 되었습니다. AI는 사상 최초로 보편적인 설명 방식을 버릴 수 있게 해줍니다. 동일한 아이디어라도 특정 개인이 이미 가지고 있는 기존 개념을 통해 동적으로 재인코딩되어, 최소한으로 필요한 공백만을 채워나갈 수 있습니다.