文/大锤 学习的本质是记忆。 最近两年,中国互联网界是各种新物种层出不穷,什么知识付费、知识发布会、知识狂欢节等等不胜枚举。 可是,很多人一窝蜂地购买知识,但真正到学习的时候却总是无从下手,感觉每一个都有用,又感觉没一个都没多大用。 “买书如山倒,看书如抽丝。” 在互联网环境下,依然是如此。 哪怕就算硬着头皮听完了这些知识,你究竟有没有做到消化、吸收并为己所用呢? 恐怕这里又要打一个大大的问号了。 知识就像大海一样广袤无垠,引得无数有志青年竞折了腰。 人人都想立即去横渡沧海,但往往却忽略了一个颠补不破的真理,砍柴前一定要先磨好刀,杨帆前也一定要造艘好船。 造船指的是,我们在学习知识之前,对什么是真正的学习,以及学习背后隐藏的科学原理的理解。 没有一艘坚固、耐用,可当惊涛骇浪的“学习模型”,你学的越多,反而愈容易沉没在知识的海洋中,而无法自拔。 那么,当我们在说学习的时候,到底指的是什么呢? 我看到网上有很多”知识网红“说,学习就是要多思考,因为人是记不住太多东西的,人脑更擅长的是思考。 请相信我,说这类话的人,要么是读书少,要么是没脑子。 为什么我会这么说呢? 为了搞清楚这个问题,今天,我给大家分享四个关于学习的秘密。 第一个秘密:图式理论 知识的本质是拥有内部结构的信息。 我们身边总有一些人,在遇到从未见过的事物时,也能够比一般人更快更准确的作出判断。 是这些人智商比我们更高吗? 还真不一定。 牛顿智商够高了吧,但是牛顿在炒股的时候也因为南海泡沫事件赔的倾家荡产; 你可能会说那个时代的股市过于粗放,那么我们再看当代的绝顶聪明人——科普作家万维刚。 万维刚的智商在同时代可算是出类拔萃了的吧,但就是他,在炒美股的时候依然是爆仓出局的下场,而美股体系之完善,你总不好让它背锅吧; 你可能会说,万维刚是搞物理的,不是搞经济的,我们再来看看清华著名经济学家宁向东。 宁向东说,最近几年给他教训最大的一件事就是,他在15年股市'千股跌停'的那一天,全仓买进,然后,就没有然后了...... 为什么这些高智商的大佬们也会犯这种低级错误,而不见得智商比他们高的巴菲特、芒格、索罗斯们却能屡屡获胜呢? 原因有很多,但我认为其中最重要的一条就是,牛顿他们这些人的大脑中缺乏能够帮助他们,判断股市方向的图式。 图式这个概念指的是,存在于我们大脑记忆中的”认知结构“。 每个人头脑中都存在大量的对外在事物的结构性认识,这些结构性认识就是我们智慧生命的顶级技能——模糊识别。 而据说人工智能在可预见的未来唯一无法取代的人类技能就是模式识别。 举个例子,我们对猫这种动物的认知,就是一种典型的图式。围绕猫这个中心,我们的记忆中会以网状结构连接着众多与之相关的信息,比如大眼睛、长胡须、四肢爪子、竖耳朵等等无数记忆碎片。 当我们看到一种从未见过的猫,比如苏格兰折耳时,虽然它的耳朵是耷拉着的,跟一般的猫不一样,但是我相信每一个成年人,在不需科学家对猫这个物种准确定义的情况下,也都能一眼认出它是猫,而不是别的什么动物。 所以说,图式是一种词义在我们心理中的表征,它以一种网状结构的形式存在。 一个词的表征存在于网络之中,它就有上级概念和下级概念,比如猫的上一级概念是猫科动物,下一级概念是苏格兰折耳猫等等;所以,猫就是一个综合的图式。 而我们的大脑就是以一个个图式的形式来理解这个复杂的世界的,我们可以把图式比作存储在我们脑海里,最小的知识单元。 换句话说就是,比图式小的信息,就是碎片化信息,大于等于图式的信息,才算得上是真正的知识。 说到这,我们就明白了一个真正的好知识,所应该具备的特点是什么呢。 最低等级的知识,能帮助我们建立一个清晰的图式,也就是对一个概念的网状认知结构; 高一级的知识,能够帮助我们建立一个图式的集合体,也就是网状图式的知识组块; 最高级的知识,帮助我们建立一棵连接知识组块的知识树。 顺着枝干你能很容易找到你所需要的组块,再顺着组块的网状结构,你又能很轻易地找到你想提取的那个图式。 这就像古人所说的:如心使臂、如臂使手、如手使指一样,辗转变化、得心应手,仿佛不费吹灰之力。 一个人脑海里积攒的图式、组块越多,那么他识别和判断这个世界的方法也就越多。 这就是为什么专家可以不假思索地判断一件古董是真是假,而其准确率甚至高过一般的科学实验。 一旦遇到复杂的新情况,这个时候,自己原先积累的知识图式就不够用了,这个时候我们就得开启人类独有的一项天赋技能——思考。 第二个秘密:双过程理论 思考的本质是认知控制。 到底何为思考,请容我慢慢讲来。 前两年有一本很火的书,叫《思考的快与慢》,作者是丹尼尔·卡尼曼,相信大家都不会太陌生。 这本书认为,我们大脑思考方式分为两种,一种是快思考,另一种是慢思考。 但今天我想说的是,这个理论已经在前沿科学领域被证伪了。 斯坦诺维奇与埃文斯发现,大脑根本就不是分成两种系统来思考问题的,而是所有的问题都会先经历进程一,然后其中一部分进程一无法解决的问题才会进入到进程二,这就是“双过程理论”。 进程一类似卡尼曼所说的快系统,它依赖情感、经验和本能迅速作出判断,比如你看到蛇状物时会快速躲避,看到你熟悉的亲朋好友有心事时,会第一时间有一种不好的直觉等等。 进程二类似卡尼曼所说的慢系统,它通过调动注意力来分析和解决问题,并作出决定,它比较慢,不容易出错,但它很懒惰,经常走捷径,直接采纳系统1的直觉型判断结果。 其实进程一和进程二就是我们日常所说的直觉和理性。 如果你总是运用进程一思考和决策,你的大脑确实是轻松了,但你永远无法真正学到更有用的知识了,你的表现可能是敏感、易信,凡是只知道个大概,一旦深究细节,就不知所措了。 进程二虽好,但它不会轻易开启,只有你有意识去控制它的时候,它才能真正开始工作,这个有意识的控制在神经学上就叫“认知控制”。 认知控制会大量消耗意志力资源,消耗能量,如无必要,大脑绝不会开启它。 我们在说学习的时候,实际上指的是,当你打开自己的“认知控制”开关,在进程二的状态阅读、听课以及思考的状态。 怎么判断自己的大脑有没有打开进程二状态呢? 我给大家总结了一个大脑运进程二的标志: 当你每一歩推理都很慢、都很累以及都说的清楚推理的来源时,你就开启了进程二状态。 反之,如果你能很快又很轻松就想出一个问题的答案,并且说不清楚自己是依据什么作出的推理,很显然那你就没有进入到进程二的状态。 当我们在运行进程二的时候,为什么比进程一状态慢那么多呢? 这就要说到,我们今天要讲的第三个秘密。 第三个秘密:四乘五理论 学习的本质是记忆。 进程二比进程一慢的原因就在于,进程一是直接调取长期记忆里的某一个图式或者知识组块去模糊识别与判断问题,没有中间环节耽误时间,所以非常快。 当然缺点也很明显,就是如果你的图式不牢靠,你就会得出一个错得离谱的答案。 但是在开启进程二状态的时候,大脑为了一次调取更多的图式与组块,以便进行更复杂的比对、识别和判断,而新增了一个”内存条“,用来暂时存储这些图式或组块,我们把这根大脑的”内存条“叫做”工作记忆“。 我们的这根”内存条“啊,它容量非常的有限,在斯威勒最早提出这个理论的时候,科学界公认的数字是,工作记忆一次能容纳5-9个图式或组块。 而近年来的研究发现,人脑最舒适的工作状态是,一次最多容纳4个图式或组块。 比如你女朋友让你出门买菜,如果她让你买4种菜,说一遍你就记住了,要是让你买五样东西呢?我劝你还是拿本子记一下,免得回来挨骂。 ”内存条“里装满了4个图式或组块,我们的就开始推理了,而一个普通人最多只能推理4次,也就是搜索的深度最多只有5个层次。 比如,第一层是你知道;第二层是你知道我知道;第三层是你知道我知道你知道;第四层是你知道我知道你知道我知道;第五层是你知道我知道你知道我知道你知道…… 五个层次的逻辑是不是已经到极限了,如果超过五个层次恐怕就只能拿笔记下前面的逻辑关系之后,才能继续后面的推理了。 这就是关于工作记忆的”四乘五理论“。 从上面的理论我们可以看出,其实人与人之间思考能力的差距没有那么大,造成大脑工作能力悬殊的核心关键在于,你提取组块的大小。 你一次提取的是4个图式,而别人提取的是4个组块,每个组块又包含数百个图式;在大脑付出相同工作量的情况下,别人的效率就是你的数百倍。 所以说,学习的本质是记忆,如何让我们的记忆里存储更大规模的组块,才是提高学习效率的关键之所在 我们在学习的时候到底怎么做才能让记忆更牢固呢? 说到这里,我们就不得不提到关于记忆的存储理论了。 第四个秘密:存储距离理论 记忆的本质是“距离”。 为什么互联网上铺天盖地地都是反对碎片化学习的声音? 这里的碎片化学习有两层含义,一是指学习碎片化的知识,二是指碎片化的学习时间。 为了搞清楚这个问题,我们先来看人脑关于记忆的两个特点: 1、人脑天生不擅长深入思考,但是,天生擅长找相似。 在你输入大量信息的时候,即使它不是完整的信息,只要信息之间的距离足够近,人脑就会自动脑补出它们之间的联系。 比如前面我告诉大家,图式是一堆网状结构的信息,那么更高一级的组块呢,你的大脑立刻就会自动脑补一个结论,组块就是一堆网状结构的图式。 2、学习时间相隔越近所学到的知识,越容易被存储到越近的脑区。 这也就意味着,一天内学到的相似知识被存储的距离最近,时间隔的越久,被存储的也就越远。 哪怕是极为相似的知识,因为相隔太久远导致存储的位置太远,你的大脑也很难脑补出它们之间的联系。 这也就是为什么我们上学的时候,是全日制集中式的学习,而且还要经常复习学过的知识,因为只有这样,才能帮助我们拉近大脑中知识与知识之间的距离。 不过,不管存储的位置有多远,一旦你完成了知识与知识之间的脑补,这一大片知识日后就能随时随地地提取出来,帮你解决其他问题。 所以,要判断一堆知识是不是碎片化知识,依据是它们在人脑中存储的位置是不是足够近,近到可以让你产生脑补,以至于击穿知识与知识之间的阻隔,形成体系化的网络路径。 现在,我们再回到开头的问题——当我们在说学习的时候,究竟指的是什么呢? 其实指的就是我们的大脑进入“进程二”的工作模式,消耗大量意志力资源,提取相关记忆组块与当前知识找相似。 而一旦找出其相似性后,将之挂到对应的知识树上,嵌入对应的知识组块内,与它最相似的那些图式形成近距离的关联;并重复以上步骤,使自己的知识树不断生长,直至枝繁叶茂,直至大树参天。 最后,我想对大家说; 让我们一起多花一点时间,造一艘学习的大船,这样待它入海时,才能抵挡惊涛骇浪,才能抵挡飓风狂飙,才能经行万里,直达天涯海角。 |
|