【原】《程序员的思维训练》3|专家的练习

新用户36625prl 2021-11-23

展开全文

如何通过主动学习，积累经验和控制注意力实现进阶？

1 主动学习

1.1 什么是主动学习？

正如现在流行的“终身学习”一样，持续学习是从新手成为专家的必经之路。作者特别强调学习的主动性，为了加深理解什么是主动学习，我们看看一个典型的被动学习，作者将其成为“羊浸”式学习，所谓“羊浸”，就是为了除掉羊身上的寄生虫，会把羊赶到一个有消毒液的水池中，对它们进行突发而快速的清洗，当然，过两天之后发现药效消失，再来一次。这个就像参加培训，如果你是被要求参加，而你自己也只是应付性地走个过场，短期来看，好像学到了东西，但随着时间的推移，它的效果会消失殆尽。

所以，为了能够达到持久而有效的学习效果，我们需要主动性学习。所谓主动性，首先是意识上转变，从"要我学"，变成"我要学"；其次，要主动利用学到的知识；最后，学习一定要系统性，且建立清晰的反馈，我们重点分享一下第三点。

1.2 学习是一种投资

作者建议我们把学习当做投资，这里不是强调学习的重要性，而是我们要像做投资一样学习，也就是要投入的产出比，要资源的配置。所以，我们要带着目的去学习，我们希望解决什么问题，为了达到目的，我们需要留出相应的资源（主要是时间和精力），而不能把它看成我们“闲下来”才能做的事情，因为你会发现，你的空闲时间很少。

1.3 只有大纲不够用

有了资源投入，我们就需要考虑学习的系统性，首先跳入我脑海就是提纲，比如某本书的目录。我自己是大纲的重度爱好者，读书期间，我就喜欢通过列大纲的方式，加深对知识点的理解和记忆，这种方式让我对所学的知识有比较清晰的脉络，也让自己在沟通中表现地比较有条理。

但是，书中提到一个观点，让我深有感触，作者提到知识的提纲的确有用，但对于我们解决具体的日常工作问题，贡献有限。就像你看到一本书，如果你只是比较清楚它的目录，但是对于里面提到的具体的理论，工具和应用方法理解不透彻，或者说没有应用过，那么你顶多只能算条理比较清楚，但是碰到具体的问题的时候，常常捉襟见肘。怎么解决这个问题呢？

作者建议，我们要结合具体的场景，针对具体的问题，基于相关知识，利用大脑构建模型，用模型去解决问题，在这个过程中，获取反馈，修正模型，内化经验。

1.4 反馈很重要

在上面的过程中，一个关键的部分就是要能够获得反馈，不断调整和调试我们自己这个系统。如何获得反馈？书中提到两个重要的建议:设定目标和测试驱动。

为了获取反馈，前提是我们要有一个参考，而目标是其中一个重要的参考，关于目标设定，一个重要的原则就是SMART，这个原则有很多的介绍，这里不详细阐述，作者建议利用这个原则制订我们的学习目标和计划。

这里重点强调一下测试驱动。什么是测试驱动？读书期间，我们要参加大大小小各种考试，虽然是为了应试，但是这对我们学习知识本身是很有效的，因为通过测试，能给你提供及时的反馈，会就是会，不会就是不会。进入社会后，针对学习，没人给我们这种显性化的测试，这个时候，我们更要主动的去创造测试的场景，不一定是考试，比如利用知识去解决具体的问题，如果能够很好的解决问题，而且能够讲清前因后果，说明你很好掌握了；或者通过你的知识去构建一个东西，看是不是实现了你想要的功能或性能，也是一种测试，最典型的就是通过仿真或编程来检验自己的掌握程度。

1.5 阅读的SQ3R法

作者强调，我们人类其实最擅长的学习方式是观察和模仿。所以，如果你周围有一个人是你想学习或模仿对象，那么观察和模仿他，是比读书更直接，更高效的方式。但是，我们不一定总能找到这样的人，所以通过文本（比如书籍）阅读依然重要，那么如何提高这种方式的学习效率呢？作者推荐了阅读的SQ3R法，它们分别指的是：

Survey：概览，了解一个文本的主题和结构，比如书的目录和章节，建立整体的认知；

Question：了解作者想要回答的问题，列出你自己非常关心的问题；

Read：阅读相关的内容；

Recite：用自己的话把它讲一遍，就像我现在写这篇文章一样；

Review：经常的回顾和提取，特别当你在另一个地方遇到类似的主题时，重新回顾，建立它们之间的连接。

2 积累经验

前面重点介绍的是如何通过积极学习掌握知识，这个部分重点分享如何通过和情景的互动，应用知识，积累经验。

2.1 应用知识

如何应用知识？两种方法：分解法和举一反三法。

分解法就是把大问题拆解为小问题，通过解决小问题，合成形成大问题的解决方案，典型的方式如我们在金字塔原理：结构思考，清晰表达分享到的。

举一反三法，就是面对新的问题，想想有没有解决过类似的问题，或者类似领域的问题是不是可以借鉴过来。我们将理论和现象（对应前面的问题）和原理作为一个2×2的矩阵，就容易理解，从原理到原理叫做理论推导，从原理到现象叫做技术应用，而从现象到原理属于科学研究，从现象到现象叫以形补形，或则类比。

这个图给我们启发就是，我们至少可以有如下的几个举一反三的角度：

这个现象或问题的原理是什么？

这个原理还可以用在哪些相似的地方？

和A问题类似的B问题是什么？解决B问题的机理和方法是什么？这方法可以用来解决A问题吗？

从A原理出发，可以得到的推论是什么？（有点像数学中的公里和推论）

通过这种方式，能够拓展我们解决问题的思路。

2.2 利用失败

我喜欢作者在书中用到的一个词“调试”，比如我们给机器输入棋谱，训练出能够打败人类顶尖冠军的阿尔法狗。如果将生命比作一个系统，要让系统更好运作，也是需要不断调试的，既然是调试，就意味着在这个过程，我们会遇到错误，而犯错和纠正是调试系统的正常过程。所以，我们不需要害怕在实践过程中犯下错误。但凡你所做的事情有一定的挑战性和难度，在做的过程中就会犯错，如果你没犯错，说明你没在做事儿，而是在做梦。

犯错有代价，重要的是我们要知道到底发生了什么，哪地方做错了，可以怎么样去纠正这个错误，优化我们的系统，而不是掩盖错误。在这个过程中，有一个允许犯错的学习环境非常重要，在这个环境，至少要鼓励三个事情：探索，创造和应用。

为了营造这个环境（自己可以创造），有三点提醒：

①自由。这里不是说做什么就做什么，而是由探索的空间进行尝试，有点像产品开发中的概念设计，通过模型去测试方案。这让我想起了我很喜欢的一部美剧——《西部世界》，在第2季当中，女主"多美丽"进入了园区的虚拟空间，后台系统为她展示了复制人类的过程，他们会建立大量的模型，测试不同算法和参数影响，从而判断哪一个版本能更好的去应对现实世界。

②版本。他特别强调要保留每个阶段的版本，有一个形象的比喻，就像在登山的时候，一定要在岩壁上留下固定桩，能够保证我们从某一个点尝试错误之后，不至于一次跌入谷底。这非常像我们在《精益工作法》:去掉不创造价值环节中分享的“PDCA+标准化”，标准化就是讲当前最佳实践规范化，从而保证即使一步失败了，还能回到最近最好的状态。

③进展。每次尝试，要能清晰判断尝试的结果，是前进了，还是后退了了，这就需要量化我们的结果，有时甚至要提高量化的颗粒度和分辨率。

2.3 内在诀窍

这个部分对我启发很大，它回答的是我们如何从自身的实践当中学习，核心观点：我们要通过有意识的感知，而不是详细的指导手册去学习。

作者举了一个例子，一个叫葛维教练要在20分钟内教会一个50多岁的女士打网球，如果用传统的方法，就是从最基础的分解动作训练，肯定是达不到目的。所以，这个教练只告诉这个女士，“弹起，击球”，模仿动作，告诉她听球拍和球撞击的时候发出声音，如果声音比较悦耳清晰，就说明她的击球是正确的。

我自己打羽毛球也有类似的体验，当快速击球争取的时候，能够听到很清脆的“嘭”的一声，如果声音比较闷，且脱离带水，通常击球就不好。

所以作者总结下来，我们要通过自己的有意识的模仿，感知和调整，而不只是通过很详细的指令来做事，毕竟我们不是机器人。

当然这里面有一个非常重要的前提，就是我们从情境当中获得的反馈要有两个特征：简单直接和非常紧凑。简单直接，就是我们能够很直接判断结果，非常紧凑就是反馈要即时。这样的话你才能够快速调整。

3 控制注意力

3.1 管理知识

现在我们会接收大量信息，你也会保存很多认为有价值的知识，我们要主动去收集，整理和组织。这里面很重要一点，就是要主动用一个外在的工具和系统去收集各种信息，有意识的去加工和提炼，转化成为更具体的方法。作者推荐个人wiki工具，这种工具可以方便建立不同信息之间的超链接，我自己一直在用印象笔记，它不仅支持内容之间的相互链接，同时还有很强大的标签和检索功能。所以，对于我长期关注的某一个话题内容，我总能第一时间找出相关的很多资料。