学习如何学习

学习如何学习

在「如何学习」这点上,一直觉得自己做的不够好,曾经想学吉他,坚持了两个礼拜就以「手指太短,不适合」终结了,后来想学数学,却终究连翻开书的勇气都没有,工作一忙更是顾不上这些了。所以在 Youtube 上看到 Barbara Oakley 的 Learning How to Learn 时,才发现自己在学习上的各种问题,收获颇多。如果有兴趣的话,建议直接看视频,讲解地很有条理且生动。

Barbara Oakley 是系统工程学博士,但对于「学习」方面也颇有研究,在 Coursera 上也有相应的课程。还出了几本书,比如 A Mind For Numbers: How to Excel at Math and Science,这里对于她在 Google 的分享做一个简单的翻译和摘要。

摘要

(主持人)我记得查理芒格说过,他认识的人中没有一个不每天阅读的,还把巴菲特形容为一台学习机器。那么如何才能成为一个高效学习者呢?

正文

我小的时候,想要学习其他语言,但大学的助学金不太容易拿到,而我又迫切想要学习一门语言,然后我想到了一个既可以学习语言,又能得到些收入的方法,那就是参军。然后我确实学了一门语言:俄语。虽然俄国的环境不怎么样,但我喜欢冒险和新的视角。我回想在西点的工程师们,他们解决问题的能力非常出众,往往能想到我想不到的。然后我就想,我能不能也达到跟他们一样的程度?有学生提了这么个问题:如何改变你的大脑。然后我就去了解世界顶级的教授他们是如何做到让学生更好地学习工程学、数学、化学的?他们自己又是如何学习的?跟他们接触后发现,他们常用的有隐喻和类比。接下来我想跟大家分享下学习的关键因素。

我们都知道大脑是很复杂的,那么来简化一下,可以想象成大脑以两种不同的模式工作。第一个是「专注」,另一个则是「发散」。我们用一个弹球机来描述这两种状态。

假设大脑里有一个弹球机

底部有一个触发开关,有很多的槽点密集排布。比如,你已经知道了乘法,然后要处理一道乘法运算题。当你处于「专注」模式时,会运用已有的模型,在「乘法」的槽点附近打转,也就是结合以前的学习经验去寻找答案。如果你要解决的问题是基于新的模型,比如你已经知道了乘法运算,但从没有接触过除法运算,如何掌握这个新的模型呢,这时就要用到「发散」了。当处于「发散」状态时,「槽点」之间的距离会变大,你无法通过局限在某一点来解决问题,但至少能找到一种新的思考事物的角度。当你在解决一个非常困难的问题时,不要逼自己长时间处于「专注」状态,这样就会局限在一个狭小的范围。所以需要进入到另一种模式,也就是「发散」模式。简单来说,就是脱离当前的工作环境,出去走走,冲个澡等,总之是让大脑脱离「专注」状态。我们来举一个例子吧。

Salvador Dali 是20世纪著名的超现实主义画家,他最爱干的事情就是,当遇到一个棘手的问题时,会躺在椅子上,放松再放松,同时手里握着一把钥匙。当足够放松到快要睡着时,钥匙就会掉在地上,与地板碰撞的声音会把他叫醒,然后就可以带着从「发散」状态收获的想法继续进入到「专注」模式。

你可能会觉得这个对艺术家有用,那么对工程师是否也同样有效呢?据传,爱迪生也有类似的行为爱好,只不过不是钥匙,而是滚珠轴承。

当你在解决一个问题时,即使已经有成千上万的人已经解决过了,但对你来说确实第一次,你也可以试试类似的方法。

当你处于「专注」状态时,并没有利用到其他更多的关联,这也是为什么在两种状态间切换是如此重要。就像你不能一下吃成大胖子一样,神经系统也是需要一段时间来适应新的学习和思维方式。

你或许会说,我有拖延症,那我们就来说说拖延症。拖延症的成因是当你面对不喜欢做的事情时,大脑的「痛感中心」就会被激活。所以当你看一本不喜欢的书时,会感觉到隐痛,这种痛就像手指被锤子砸了一样,通常会有两种做法:第一种是花大概 20 分钟去搞定它,然后痛感就会慢慢降低进而消失。但如果你像大多数人一样,将注意力集中到其他做起来更舒服的事情上,就会马上就会感到好些了。

从某种程度上来说,拖延症也是会上瘾的,这对你的生活是非常有害的。最有效的方式是使用「番茄工作法」,通常来说设置 25 分钟为一个「番茄时间」,然后关闭其他所有会打扰你的一切。在这 25 分钟内,集中精力进入到「专注」模式。由于你专注于当前的任务,而不是「我必须完成它」的痛苦,做起来就会容易很多。当到时间后,给自己点奖励,出去走走或上上网、聊聊天都行。有一点要注意的是,不要以完成任务为目标,时间到了,就休息。它能帮助你跨过痛苦期,进入 flow 状态。还有就是不要一下子做太多的「番茄」,一步一步来,慢慢适应这套系统。

还有跟学习很相关的一点是睡眠。常常有人说考试前要睡好觉,事实上,睡眠在各种层面上都很重要。当处于非睡眠状态时,代谢物会在细胞间产生,它们就像垃圾一样在那,而且越积越多,这会影响你的判断。这也是为什么当你长时间工作时,逻辑会越来越乱。当你睡觉时,这些细胞会缩小,然后垃圾就被冲走了,就像重新打扫了房间一样。

根据神经学上的发现,将学习分为多个短期学习、睡觉,多个短期学习、睡觉,这样的循环系统,对于构建神经网络非常有帮助,这也是高效学习的秘诀之一。

人每天都会长出新的神经元,有两种方式可以让这些神经元存活并成长。一个就是将自己暴露在新的环境中,这也是为什么旅行会很有帮助,这些新元素能让新出生的神经元活下来。还有一个让新长出来的神经元活下来的方法,很简单,就是锻炼。不需要励志成为奥林匹克运动员或者成为马拉松选手,即使只是简单的散步也是非常有效的。但即使只有几天的锻炼也会带来更大的效果,它会增强新神经元的存活和生长。

接下来聊聊工作记忆(Working Memory),工作记忆就是临时记住一些信息,以前常说有7个槽可以用,这也是为什么你能记住7位数的电话号码,但事实上大概只有4个槽可以用,所以当你用工作记忆来记一些东西时,可以想象有一只章鱼在掌控着这几个槽,并建立连接,这也是为什么不能一次记住太多的想法。当你多任务同时开工时,相当于把章鱼的触角从仅有的几个槽中拿走一个或多个,这会让你变得笨一点。而发散模式则是有更多的连接。

那如何把短期记忆变成长期记忆呢,最好的方法就是练习,练得越多,神经元就会长得越长,扎得越深。

如果你不练习,那么这些「蝙蝠」就会在模式形成长期记忆前把它叼走,这也是为什么有时觉得已经理解了某个概念,然后走开了,过了两天,这些内容都被「蝙蝠」叼走了,然后就记不起什么了。所以最好的方式就是带一定间隙的重复练习(Spaced Repetition),比如周一、周二、周三、周五、周日练习。

再来说说 Chunk。假设你要拼一副图,如果不明白每一块代表的含义,就会有无从下手的感觉,就像中间的那个圆一样,你能看到它,它也是个 Chunk,但却无法与其他的 Chunk 产生联系,这也是为什么死记硬背的效果会很差的原因。

当你在研究某个课题时,你其实在创建一个 Chunk 群,这些 Chunks 会跟其他的 Chunks 生关联,这也是伟大创意的产生之源。这时往往会得到一些支离破碎的 Chunks,如果都学会了,就会形成一副完整的图片,即使少了其中几片。

但如果你不重复练习,并且深刻掌握 Chunks,也能把 Chunks 拼起来,只不过是模糊的,而且很难拼成全图。

不同领域的 Chunks,有可能长得差不多,这样就可以借鉴原有的 Chunk 来学习新的 Chunk。比如你是一个物理学家,再去学经济学会更简单些,因为其中的一些 Chunks 非常相像。

最后给大家一些关于学习的建议:

测试是必要且重要的。Test yourself on everything, all the time。同样的时间用来做测试和学习,前者会让你收获更多。使用卡片(Flashcards),卡片不是专门用来学习语言的,卡片是一个通用的学习手段,诗人们会用它记忆诗句,以此来更强烈地感受诗词带来的震撼。

记得做「家庭作业」,不要只做一次,挑其中的重点多做几次,即使只是在大脑里过一遍,确保自己真的掌握了,这样你就得到了一组 Chunks。

最有效的方法还是「回想」,尤其是当你在解决困难的问题时。当你在阅读文章时,试着离开书本,回想一下能否记起其中的要点,这对于理解内容有很大的帮助,比反复读和思维导图效果都要好。

还有一个简单的技巧是向其他人阐述你所理解的东西,并且假设对方只是一个 10 岁的小孩(费曼学习法)。如果你能找到一个简单清楚的描述,就能更加深入地理解。你甚至可以把自己放到问题发生的场景中。

当你处于专注模式时,会有一种「我已经掌握了」的感觉,这时可以跟其他处于 diffuse 模式的人交流下想法,有时会帮助你纠正错误。

最后,我们都说要追随你的热情,但热情只是让你擅长的东西变得更擅长,而有些东西要花很长的时间才能擅长,所以不仅仅要追随你的热情,还要扩大你的热情,然后生活质量就会有大幅度的提升。

--EOF--

若无特别说明,本站文章均为原创,转载请保留链接,谢谢

时间: 2024-10-06 03:50:03

学习如何学习的相关文章

Deep Learning(深度学习)学习笔记整理系列七

Deep Learning(深度学习)学习笔记整理系列 声明: 1)该Deep Learning的学习系列是整理自网上很大牛和机器学习专家所无私奉献的资料的.具体引用的资料请看参考文献.具体的版本声明也参考原文献. 2)本文仅供学术交流,非商用.所以每一部分具体的参考资料并没有详细对应.如果某部分不小心侵犯了大家的利益,还望海涵,并联系博主删除. 3)本人才疏学浅,整理总结的时候难免出错,还望各位前辈不吝指正,谢谢. 4)阅读本文需要机器学习.计算机视觉.神经网络等等基础(如果没有也没关系了,没

Python.python学习(1).学习规划

Python.python学习.学习规划 欢迎收看! 阅读此文表明你也是要学Python这门神奇的语言了.很好,来对地方了,先容我简单介绍一下这个博客系列. 这个系列的博客将会持续专注于Python这个语言的知识积累和开发经验. 编写这个系列,一方面是为了巩固我自己对Python的理解,另一方面也是希望能够分享我的经验,给初学者提供一定帮助.网上现有的各类教程已经汗牛充栋,在我学习的时候就曾参阅过许多教程与文章,它们讲解问题的思路各不相同,综合的阅读使得我最终能够整理起知识的碎片并正确地理解.所

Deep Learning(深度学习)学习笔记整理系列之(五)

Deep Learning(深度学习)学习笔记整理系列 [email protected] http://blog.csdn.net/zouxy09 作者:Zouxy version 1.0 2013-04-08 声明: 1)该Deep Learning的学习系列是整理自网上很大牛和机器学习专家所无私奉献的资料的.具体引用的资料请看参考文献.具体的版本声明也参考原文献. 2)本文仅供学术交流,非商用.所以每一部分具体的参考资料并没有详细对应.如果某部分不小心侵犯了大家的利益,还望海涵,并联系博主

Deep Learning(深度学习)学习笔记整理系列之(三)

Deep Learning(深度学习)学习笔记整理系列 [email protected] http://blog.csdn.net/zouxy09 作者:Zouxy version 1.0 2013-04-08 声明: 1)该Deep Learning的学习系列是整理自网上很大牛和机器学习专家所无私奉献的资料的.具体引用的资料请看参考文献.具体的版本声明也参考原文献. 2)本文仅供学术交流,非商用.所以每一部分具体的参考资料并没有详细对应.如果某部分不小心侵犯了大家的利益,还望海涵,并联系博主

嵌入式学习_AD学习篇

AD基础使用: 1.建立一个工作区 (.DsnWrk) workspace 2.建立一个PCB工程(.PrjPCB)  project 3.建立一个PCB原理图文件(理论上告诉你两个点连接起来) 建立原理图后需要编译一下,没问题再倒入pcb文件.(.SchDoc)  schemmatic 4.建立一个PCB文件(物理上两个点怎么连)(.PcbDoc) 5.Layout(先布局再布线最后电器规格检查(DRC检查)) 6.生成Gerber文件(G1,G2,GBL,GBO,GBP,GBS,GKO,GP

spring4.0.6最新稳定版新特性学习,简单学习教程(一)

Spring Framework 4.0 学习整理. Spring框架的核心部分就是Ioc容器,而Ioc控制的就是各种Bean,一个Spring项目的水平往往从其XML配置文件内容就能略知一二,很多项目,往往是外包公司的项目,配置文件往往是乱七八糟,抱着能跑就行,不报错就行的态度去写,然后在项目中后期发现各种缺失又去一通乱补,其结果就是,整个文档可读性极差,毫无章法.这也不能怪写这个XML的人,拿着苦逼程序员的工资干着架构师的工作必然是这个结果.为了程序员的幸福,我认为有必要来一套简单快速的官方

使用腾讯云 GPU 学习深度学习系列之二:Tensorflow 简明原理【转】

转自:https://www.qcloud.com/community/article/598765?fromSource=gwzcw.117333.117333.117333 这是<使用腾讯云 GPU 学习深度学习>系列文章的第二篇,主要介绍了 Tensorflow 的原理,以及如何用最简单的Python代码进行功能实现.本系列文章主要介绍如何使用 腾讯云GPU服务器 进行深度学习运算,前面主要介绍原理部分,后期则以实践为主. 往期内容: 使用腾讯云 GPU 学习深度学习系列之一:传统机器学

Deep Learning(深度学习)学习笔记整理系列之(六)

Deep Learning(深度学习)学习笔记整理系列 [email protected] http://blog.csdn.net/zouxy09 作者:Zouxy version 1.0 2013-04-08 声明: 1)该Deep Learning的学习系列是整理自网上很大牛和机器学习专家所无私奉献的资料的.具体引用的资料请看参考文献.具体的版本声明也参考原文献. 2)本文仅供学术交流,非商用.所以每一部分具体的参考资料并没有详细对应.如果某部分不小心侵犯了大家的利益,还望海涵,并联系博主

Deep Learning(深度学习)学习笔记整理系列之(七)

Deep Learning(深度学习)学习笔记整理系列 [email protected] http://blog.csdn.net/zouxy09 作者:Zouxy version 1.0 2013-04-08 声明: 1)该Deep Learning的学习系列是整理自网上很大牛和机器学习专家所无私奉献的资料的.具体引用的资料请看参考文献.具体的版本声明也参考原文献. 2)本文仅供学术交流,非商用.所以每一部分具体的参考资料并没有详细对应.如果某部分不小心侵犯了大家的利益,还望海涵,并联系博主