Ultralearning

How Ultralearners Avoid the Problem of Transfer and
Learn Directly
Given the problem of transfer and the importance of learning directly, let’s
look  at  some  of  the  ways  that  this  is  managed  in  different  ultralearning
projects.  The  simplest  way  to  be  direct  is  to  learn  by  doing.  Whenever

---

possible, if you can spend a good portion of your learning time just doing the
thing you want to get better at, the problem of directness will likely go away.
If  this  isn’t  possible,  you  may  need  to  create  an  artificial  project  or
environment to test your skills. What matters most here is that the cognitive
features of  the skill  you’re trying  to  master and  the way  you practice  it  be
substantially similar. Consider again Craig’s simulation of 
Jeopardy!
 games
by  doing  questions  from  old  tests.  The  fact  that  he  was  using  actual  past
questions is more important than whether his program matched the signature
blue  background  color  present  on  the  show’s  display.  This  is  because  the
background  color  didn’t  provide  any  information  that  would  have  changed
his  responses  to  the  questions.  The  skill  he  was  practicing  wasn’t  changed
much by it. In contrast, if he had taken trivia questions from a different game
(say  the  board  game  Trivial  Pursuit)  there  might  have  been  differences  in
how  questions  are  typically  asked,  the  topics  they  are  drawn  from,  or  the
difficulty level. Worse, if he had spent all his time reading random Wikipedia
articles to learn trivia, he wouldn’t have been practicing the fundamental skill
of recalling answers based on cryptic 
Jeopardy!
-style clues at all.
In other cases, what you’re trying to achieve may not be a practical skill.
Many  of  the  ultralearners  I  encountered  wanted,  as  their  end  goal,  to
understand  a  subject  particularly  well,  such  as  Vishal  Maini  with  machine
learning and artificial intelligence. Even my own MIT Challenge was based
around  gaining  a  deep  understanding  of  computer  science,  as  opposed  to  a
more practical goal of building an app or video game. Though this may seem
like  a  case  where  directness  no  longer  matters,  that  really  isn’t  true.  It’s
simply  that  the  place  you  want  to  apply  these  ideas  is  less  obvious  and
concrete. In Maini’s case, he wanted to be able to think and talk intelligently
about machine learning, enough to be able to land a nontechnical role in a
company  that  utilized  those  methods.  That  meant  that  being  able  to
communicate  his  ideas  articulately,  understanding  the  concepts  clearly,  and
being  able  to  discuss  them  with  both  knowledgeable  practitioners  and
laypeople  was  important.  That’s  why  his  goal  to  make  a  minicourse
explaining  the  basics  of  machine  learning  fit  so  well.  His  learning  was
directly connected with where he wanted to apply the skill: communicating it
to others.
Although the findings of the research on transfer are fairly bleak, there is a
glimmer of hope, which is that gaining a deeper knowledge of a subject will
make  it  more  flexible  for  future  transfer.  Whereas  the  structures  of  our

---

knowledge start out brittle, welded to the environments and contexts we learn
them  in,  with  more  work  and  time  they  can  become  flexible  and  can  be
applied more broadly. This is the conclusion of Robert Haskell, and although
it does not provide a short-term solution to the problem for new learners, it
does suggest a path out for those who want to continue working on a subject
until  they  master  it.  Many  ultralearners  who  have  specialized  in  a  smaller
subset of fields are masters at transfer; no doubt this is largely due to their
depth of knowledge, which makes transfer easier to accomplish. Dan Everett,
who  was  featured  in  the  opening  of  the  chapter  on  the  first  principle,
metalearning, is a prime example of this. His linguistic depth allows him to
learn new languages relatively easily, compared to someone who has learned
only a second language or has learned only languages academically.