為什么向橡皮鴨解釋你的問題實際上有效

您對宜家組裝說明非常熟悉。家具部件散落在地板上。你的新購買就在你面前完成了一半，嘲笑你毫無結(jié)果的時間。當(dāng)一個不感興趣的伴侶走進(jìn)來時，你發(fā)泄了挫敗感：

“我已經(jīng)做到了萬事正確！看：

1. 使用 M1 螺釘連接 A 和 B
2. 使用鑰匙將 B 與 C 與 M3 螺栓連接
3. 使用 D 加入 BC...等等。

你突然意識到你還沒有和 D 一起加入 BC。這一切都開始卡入到位（字面意思），瞧，你完成了。

相關(guān)：男子在人工智能建議下因精神癥狀住院

這是一種普遍的體驗：當(dāng)你試圖大聲解釋一個問題的那一刻，一切都開始變得有意義。

軟件工程師稱之為“橡皮鴨調(diào)試”。那么，這個術(shù)語從何而來，為什么它如此有效？

大聲解釋

這個著名的軟件工程術(shù)語有其起源在講述的一個故事中務(wù)實的程序員，安德魯·亨特和大衛(wèi)·托馬斯的書。

它的要點是，人們應(yīng)該獲得一只橡皮鴨，并在你的代碼不起作用時使用它——而你不知道為什么。

向鴨子解釋你的代碼應(yīng)該做什么，然后“詳細(xì)地逐行解釋”。

很快，啟示的時刻來臨：當(dāng)你大聲說話時，你意識到你意味 著要做什么，你做什么實際上確實是兩件截然不同的事情。

我經(jīng)常在我的入門編程課程中提到橡皮鴨調(diào)試，以在學(xué)生無法理解為什么他們的代碼不起作用時幫助他們。

盡管橡皮鴨方法起源于編程，但支撐橡皮鴨方法的思想適用于程序員和非程序員。

為什么它有效？

我們大多數(shù)人在學(xué)習(xí)第一本書時都會大聲思考，邊讀邊大聲朗讀。大聲表達(dá)有一些啟發(fā)性的東西可以幫助您“聽到”您的大腦迄今為止無法檢測到的問題。

美國學(xué)者洛根·菲奧雷拉（Logan Fiorella）和理查德·邁耶（Richard Meyer）的研究探討了如何通過教導(dǎo)他人的行為來增強(qiáng)學(xué)習(xí)。

他們實驗發(fā)現(xiàn)當(dāng)學(xué)生學(xué)習(xí)一節(jié)課的內(nèi)容時，就好像他們要把它教給別人一樣——然后實際上教給別人——他們“對材料有更深入、更持久的理解”。

教別人迫使我們將材料分解為概念部分，將其與我們現(xiàn)有的知識相結(jié)合，并以合乎邏輯的方式組織它。

他們研究還將“自我解釋”確定為一種基于證據(jù)的學(xué)習(xí)策略。

這就是為什么我們的黃色小朋友如此樂于助人;在向你的橡皮鴨大聲解釋問題時，你也在教它。

橡皮鴨和它們空白的可愛臉蛋

但為什么是橡皮鴨呢？

好吧，與人交談可能會有一定的限制。

人類是情境的，有以前的想法和經(jīng)驗;他們可能會錯過你的錯誤，因為他們對你之前解決問題的嘗試有所假設(shè)。他們可能有內(nèi)部偏見，使他們很難看到你哪里出了問題。

然而，橡皮鴨卻沒有這些。盡管看起來很愚蠢，但橡皮鴨迫使你向那張回頭看你的茫然（可愛）臉精確地詳細(xì)解釋事情。

當(dāng)然，它不一定是鴨子。任何舊的物體（或不感興趣的一方，正如我似乎一直在發(fā)現(xiàn)的那樣）都會在緊要關(guān)頭做。一些研究者甚至主張用ChatGPT等大語言模型代替鴨子。

他們認(rèn)為，人工智能聊天機(jī)器人可以“充當(dāng)軟件工程師的虛擬、超智能、永遠(yuǎn)存在的編程伙伴”，他們希望逐行瀏覽他們的代碼以查找錯誤，并提出修復(fù)建議。

相關(guān)：ChatGPT-5 “人類新時代的開始” 發(fā)布

其他人則有嘗試使用經(jīng)過修改的橡皮鴨，當(dāng)用戶按下按鈕時，它會點頭或?qū)δ慕忉屘峁┖喍獭⒅辛⒌幕貜?fù)。研究人員認(rèn)為，這種互動性可能會讓人們與鴨子交談時感到更舒服。

因此，下次當(dāng)您在工作中遇到問題、遇到寫作障礙或試圖理解錯綜復(fù)雜的電子郵件鏈時，請嘗試求助于一只小黃鴨。

看看向他們大聲解釋您的問題是否可以幫助您找到答案。

埃利奧特·瓦羅伊，計算機(jī)科學(xué)學(xué)院高級講師，悉尼大學(xué)

本文轉(zhuǎn)載自對話根據(jù)知識共享許可。閱讀源語言品.

寶寶起名 起名