Scalers：基於數據驅動的英語學習思路

今天藉助計算機領域裡的一些概念，總結一種基於數據驅動的英語學習思路。

傳統上，我們在學英語的時候，老師都是給你講語法結構，從主謂賓開始然後以此展開加上定狀補。於是他們會告訴你，這個單項選擇，應該要有一個狀語，所以選擇C；然後下次你要使用英語的時候，於是你想要先有個主語再有個謂語，然後我要填一個定語……當然要用英語吵架的時候你就蒙了，因為不知道要用什麼時態。

這樣做其實也沒有問題，有許多人通過這個方式也學好了英語。但是按照計算機視角的理解而言，這是一種基於規則的驅動。也就是老師告訴你一組規則，然後你通過這些規則來引導你的學習，於是你需要在學習時想到這裡有什麼規則，然後針對你要用的詞，來適配這條規則。

但是我個人卻認為，自然語言的演化發展，來自於語言使用者的集體演進，而這是一個複雜的過程。而正因為其複雜，其中的很多規則，其實是後驗歸納的。

什麼叫後驗歸納？就是在看到現象以後去總結原因。比如許多混跡在互聯網上的講師就是後驗式的，他們看哪家公司成功了，就去以哪家公司的名義，開發一系列課程，並且美其名創業成功的XXX條鐵律……但是這不妨礙他們仍然只是一家培訓公司……

後驗的一個問題就是，歸納的規則有時候不是很完備，於是你就會看到一條規則下面有123456條特例。其實英語語法就是這樣的，這大概是為什麼你一直看不下去的原因。因為當特例足夠多的時候，規則的價值，就沒有想像的那麼大了。

今天說的是基於數據驅動的學習思路。規則其實是一種抽象，而要能理解抽象，就必須要有具象的積累和基礎。

而計算機里，數據驅動的意思是，在模型建立起來之前，我先積累到足夠多的樣本案例，然後基於這些樣本案例的學習，自行產生規則。通過這些規則，再對新的數據進行判定處理，再基於這些反饋，進一步優化規則。

有一點抽象。換成通俗地話就是，學習英語就是把大量的正確使用的數據輸入分析即可。什麼叫大量正確使用的數據？就是通過持續地練習，接觸到足夠多的樣本，做足夠深度的分析，確保足夠充分的吸收。

我覺得如果一位學習者，能做到這一點，扎紮實實地推進自己的學習，英語的進步其實是很快的事情。而且像所謂的語法，辭彙的問題，也從來不會是問題。

我就問你一個問題，英語是先有上帝設計了幾條規則然後再產生了這門語言，還是一堆人用用用到最後大家都知道這些詞是什麼意思，於是有人總結下來形成了語言現象？

先定規則再生產語言的事情，計算機科學家不是沒有做，只是現在做的還是不夠好。不然哪一天我的公眾號的文章也是用代碼生成的話，那其實我倒可以省事很多……

當我們輸入的數據量足夠大的時候，我們的大腦還是會發揮一些作用的，而這個時候，你的語感什麼的都來了。於是你再用語言的時候，你可以很輕鬆搞出正確的話來，因為你有積累過。

那，既然如此，為什麼老師會傾向於從語法講起呢？因為這樣講明確、簡單、樸素、省事啊……

我就舉一個例子。垃圾郵件的識別，在以前會手工加規則，如果標題含有「廣告」判垃圾；如果含有XXX，就通過……這些規則都太笨，後面人們用統計模型的方式，收集了一堆的垃圾郵件做分詞，然後通過貝葉斯來算概率，而到這個時候，你根本不需要知道是哪個因為所以，因為通過數據，有了模型出來，而這大概就是英語裡面說的語感。

但是這必須要是你自己的語感，不是別人的語感……

相關閱讀：

Scalers：能用思路解決的問題，不要用技巧

Scalers：我沒有什麼技巧可以給你，持續行動就是最大的技巧

Scalers：不做方法控：給英語學習拖延者的信

Scalers：學習的本質是心理問題

推薦閱讀：