La sobreespecialització pot conduïr a una tragèdia col·lectiva, fins i tot quan cada individu per separat pren el curs d’acció més raonable.
Existeixen dos entorns o dominis d’aprenentatge:
- L’amable: un aprenent millora simplement participant en l’activitat i intentant fer-ho millor, a partir de la resposta que rep. Els escacs són un clar exemple. En aquests tipus d’entorns, l’especialització precoç i l’exposició repetida ajuda a obtenir millors resultats.
- El malvat: aquí les regles del joc sovint són poc clares o incompletes, poden haver-hi patrons repetitius o no i poden no ser òbvies. La realimentació o feedback sovint es retarda, és inexacte o ambdues coses. Així és la vida i la majoria de situacions. La repetició i especialitació precoç no té un paper rellevant en aquest tipus d’entorns.
“Per qui els observa des de lluny, sembla com si estiguessin dissipant les seves energies, mentre que en realitat, les estan canalitzant i avivant.“
Santiago Ramón y Cajal, sobre les persones generalistes.
Els sistemes d’IA necessiten estructures estables i móns estrets. Per això la IA supera els humans en entorns amb regles marcades i accions repetitives, però és nefasta en móns oberts.
Com més àmpli sigui el camp, més singular serà la contribució potencial que poden fer els humans.
La nostra força més gran és exactament el contrari de l’especialització estreta. És la capacitat d’integrar àmpliament.
Nous problemes
La majoria de persones són perfectament capaces d’aprendre de l’experiència, però fracassen a l’hora d’aprendre sense experiència. I això és el que exigeix un món malvat i que canvia ràpidament: habilitats de raonament conceptual, persones que puguin connectar noves idees i treballar en diferents contextos.
L’aprenentatge es fa millor lentament per acumular coneixements duradors, fins i tot quan això significa tenir un mal rendiment en el moment immediat. És a dir, l’aprenentatge més efectiu sembla ineficient; sembla anar enrere, enlloc d’endavant.
Aprendre profundament significa aprendre lentament.
Efecte generació: lluitar per generar una resposta pel teu compte, fins i tot una equivocada, millora l’aprenentatge posterior. Requereix que l’alumne sacrifiqui intencionadament el rendiment actual per a beneficis futurs.
Com més segur estiguis de que la teva resposta és equivocada, millor serà la informació quan aprenguin la resposta correcta. Tolerar grans errors pot crear les millors oportunitats d’aprenentatge.
Estudiar per blocs de tipus de problemes resulta ineficaç, ja que l’estudi es torna en aprendre procediments. Quan es troben amb els problemes barrejats solen fracassar.
Estudiar mesclant els tipus de problemes, fa que l’estudi giri en torn a saber a quin problema t’estàs enfrontant en cada cas i ajuda a aprendre a diferenciar-los, enlloc d’aprendre per repetició de procediments.
Experts i Forasters
Optimització prematura.
En lloc de treballar enrere des d’un objectiu, treballeu endavant des de situacions prometedores. Això és el que realment fan la gent més reeixida de totes maneres. “Prova i aprèn”, “no planifiquis i implementis”.
La nostra intuïció pot ser que només els experts hiperespecialitzats poden impulsar la innovació moderna, però l’augment de l’especialització en realitat crea noves oportunitats per a persones de fora l’entorn especialitzat.
La gran innovació passa sovint quan un foraster que pot estar lluny de la superfície del problema replanteja el problema d’una manera que desbloqueja la solució.
Ànimes Renaixentistes en un Món Obert
Ser una ànima renaixentista significa poder perseguir la infinitat d’interconnexions.
Com més informació creïn els especialistes, més oportunitats hi ha perquè els diletants curiosos contribueixin fusionant fils d’informació àmpliament disponible però dispar: coneixement públic no descobert, com ho anomenava Don Swanson. Com més gran i més fàcilment accessible sigui la biblioteca de coneixement humà, més possibilitats tenen els generalistes curiosos d’establir connexions a l’avantguarda.
Tanmateix, no només l’augment de nous coneixements genera oportunitats per als generalistes. En una carrera cap endavant, una gran quantitat de coneixements útils simplement es deixa enrere. Això representa un altre tipus d’oportunitat per a aquells que volen crear i innovar. Poden tirar endavant mirant enrere; poden excavar coneixements antics, però manejar-los d’una manera nova.
A mesura que augmenta l’ambigüitat i la incertesa, que és el norma amb problemes de sistemes, tenir amplitud és cada cop més important.