모든 시도가 남는다

"첫 시도는 서툴러. 그래도 남겨 — 다른 방법으론 못 보는 곡선의 첫 점이야."

시도는 성역이야

채점받을 그림을 업로드하면, 엔진은 그걸 append-only 로 저장해 — 어떤 정답지가 닿기 전에 네가 그린 그대로 보존. 이건 저장 디테일이 아냐; 점수가 뭔가를 의미하게 하는 거야. 넌 답을 보고 다듬은 버전이 아니라 실제로 건 작도로 채점받아. 시도를 사후에 편집할 수 있는 순간, 점수는 네 봄이 아니라 네 편집을 재. 시도는 정직하게 유지될 수 있게 딱 얼려져.

네 그림을 fit 하기

네 작도를 레퍼런스에 대고 채점하려면, 엔진은 먼저 네 그림 속 작도를 찾아야 해 — 레퍼런스와 같은 fitting 문제를, 네 마크에 겨눠서. 할 수 있는 데선 auto-detect 하고, 못 하는 데선 레퍼런스 fit 에서 seed 해서 다른 데서 쓸 같은 drag handle 로 교정하게 해. 네 그림이 사진과 정확히 같은 대접을 받아: fit 을 제안하고, 인간이 교정하게 하고, 전부 복구 가능하게 유지. 레퍼런스와 네 시도가 fit 되는 방식 사이의 대칭이 결국의 비교를 공정하게 해.

시도를 절대 덮어쓰지 마

두 번째 시도는 첫 것의 변형이 아니라 새 기록 이야. 네 시도 목록이 연습 아카이브로 쌓이고 — 가족의 가장 오랜 규칙을 따라 — 넌 아카이브하지, 절대 pruning 안 해. 첫 시도의 흔들림은 지울 창피가 아냐; 쉰째 시도를 읽히게 하는 baseline 이야. 네 초기 서투름을 창피가 아니라 데이터로 다루는 게 엔진이 가르치는 것의 조용하지만 진짜 일부야. 성장을 볼 수 있게 기록이 유지돼.

왜 이게 학습에 중요해

의도적 연습은 반복에 걸쳐 널 개선하지만, 트렌드를 볼 수 있어야만 조종할 수 있고, 반복이 보존돼야만 트렌드를 볼 수 있어. 각 시도가 이전 걸 덮어쓰면, 데이터 포인트가 정확히 하나 — 오늘 — 뿐이고 곡선이 없어. Append-only 저장이 바로 진행 바야: 개별 그림 더미를 보이는 궤적으로 바꿔. 절대 안 덮어쓰는 겸손한 결정이 연습을 '오늘 기분이 나았나' 에서 '쉰 번의 시도에 걸친 내 각도 정확도가 여기 있어' 로 승격시켜.

Code

시도가 쌓이고; 아무것도 안 덮어써·python

# An attempt is append-only: preserved exactly, never overwritten.
attempt = Attempt(
    drawing = uploaded_image,        # your construction, exactly as drawn
    ts      = created_at,
)
session.attempts.append(attempt)     # a NEW record; attempts[-2] is untouched

# To grade, the engine fits YOUR drawing too -- auto-detect, else seed + correct:
fit = detect_construction(attempt.drawing) \
      or seed_from(reference_fit).then_correct(drag_handles)

# The whole list of attempts is the practice archive: archive, never prune.
# Attempt 1 and attempt 50 both live forever -- that is how you see the curve.

Exercise

지금 시도 기록을 안 남기는 스킬을 하나 골라 — 그냥 연습하고 넘어가는. 최고만이 아니라 모든 시도를, 날짜 붙여, 남긴다고 상상해봐. 지금은 안 보이는 네 진행에 대해 갑자기 뭘 볼 수 있을까? 창피해서 지우고 싶을 게 뭐고, 왜 지우는 게 틀린 수야?

Hint

기록 없이는 네 궤적을 기억으로 추측하는데, 그건 최근 반복에 아첨하고 초기 걸 잊어. 전부 — 특히 서툰 초기 시도 — 를 남기는 게 '느는 것 같아' 를 측정 가능한 곡선으로 바꿔. 나쁜 걸 지우고 싶은 충동이 딱 네 baseline 을 지우는 충동이야.