如何以一百倍的速度學習

很多人都覺得我是天才。我做過很多事情，當然大概，大概這些成就在知乎的各位看來是理所應當的………………七天突擊托業拿下900+，跳過N2兩個月直取日語N1（先報名後自學），不複習裸考英語六級，閑來無事練練鋼琴、電子琴、吉他辦幾場演出，玩一玩樂隊，參加魔方大賽，做個魔術舞台指導，興緻起來去參加配音比賽，學學PrAe賣幾個視頻作品，學學JavaAndroid給本田開發個測試軟體，學學心理從本科的機械專業跳到現在帝大IT專業，業餘時間還能搞搞動漫字幕和漫畫漢化，給淘寶商家做做海報，亂七八糟的……感覺這些丟人現眼的「成就」讓這篇文章的可信度大幅降低了，你們就湊合著看吧…………我寫這些……就是讓各位大概認識一下我大概是個什麼檔次的……然後辯證地聽我接下來的胡扯吧。面對和暴露自己的渺小也是一種勇氣。

認識我的人，有的被我的人格折服，有的被我的知識儲備折服，有的被我的才華折服，有的被我的思維邏輯折服。還有被我的謙遜折服的（？）。如果說上面那些玩意令我自己感到羞恥，而這些評價令我受用不起的話，我自認為我還是有一樣有自信拿出來說的東西，那就是滿格的學習力。

關於學習，我本來就有一定的心得；而在進入現在的大學專攻人機交互之後，更是對人類的認知過程本質有了一定的了解。可惜作為一個半專業人士（一個混雜型專業……），並不能像專攻認知相關方向的大V一樣掉書袋堆數據，因此原諒我民科一般的論述過程……

在這裡先貼兩篇我在其它平台發布的自娛自樂式文章，注意內容信息密度極大，非常不親民，大家感受一下好了。之後（明天？）我會嘗試再發一篇正式一點的進一步論述。

第一篇：

論如何一口吃個胖子

這是最近一直在思考的問題，在和朋友做了一些討論外加在自己副專攻專業的相關課程學習了一些周邊知識後，我想我有了一定資本來嘗試回答這個問題。

1，一口吃個胖子的定義

根據前段時間惡補的腦科學知識，我們人有著非常複雜而高效的學習演算法，其基本原理是先掌握一個模型，然後將該模型往各種事情上套，如果可通過擴展解決問題，在反饋中構築擴展，就像Java的extends一樣，同時也可以將多套方法疊加使用，就像Java的implements一樣。當extends和implements都無法解決問題時，我是構築新的模型，但這非常耗費精力。通過反饋修正模型是非常省精力的。另外需要指出的是，這套模型並沒有存儲在我們的主觀意識里而是存儲在大腦的硬碟里等待激活。因此，在這裡提及一個科學已經達成的共識：一個人並不清楚自己掌握了些什麼知識。

第二點，人的記憶強度與學習時的感情強度正相關。不展開。

第三點，個人結論：人使用工具時如果工具的模型和人天生習得的模型一致，人可以不用學習就直接掌握工具用法。乍一聽是廢話，但利用這一點可以做出非常複雜的工具，比如複雜的感情交互界面，比如聲音頻率和感情的互動，比如利用一個點的運動軌跡向用戶傳達複雜的意圖，而它們都不需要學習；而我正在上的課程也發明出了無須學習就可以直接掌握的機械臂。注意這裡說的無須學習，是嚴格意義上的無須學習，完全不需要學習就可以掌握。完全無須學習和只需少量學習之間有一個巨大的鴻溝。我們討論的是完全無須學習的例子。作為對比例子，手機是個需要大量學習的工具，甚至一個普通的鎚子的用法都是需要少量學習的，想把鎚子用熟練甚至需要大量學習。而無須學習的工具就是只要具備了基礎人類智能，嬰兒和猴子也可以立刻掌握這些高端工具的用法。（真的拿猴子做過實驗，猴子由於認知模型和人類有少許不同，通過少量訓練讓猴子具備人類智能後立刻就掌握了用法）

因此在此我提出一口吃個胖子的環境前提：

1，整個社會已經具備了發達的自然交互設計共識（目前已經有日本公司在系統性一口吃胖子方面取得了成功）

2，像電路耗能接近信息交換耗能一樣，知識傳遞成本接近最簡核心邏輯傳遞成本，即極限消滅核心邏輯之外的冗餘信息；

3，整個社會統一模型甚至消滅模型，一切工具直接基於人類自然思維模型

如果達到了以上三點，人類智能高度起碼能達到現在的三倍。我接下來來論述為何是三倍。

因為現在的學習過程，別說消滅冗餘信息了，甚至可以說冗餘信息為主，甚至陷入了在冗餘信息群里找核心邏輯的費時費力的工作；而信息傳承在半山腰和山頂中間的部分又被大公司集體壟斷，而不同領域之間沒有打通邊界，可以說人類的精力99%都浪費在了信息挖掘而不是信息獲取和信息學習上面，而就算解決了，領域之間的信息協作目前可以說是一片空白（本研究室在做一定努力），悲觀估計消滅這兩大障礙人類信息獲取效率和價值可以提升一千倍以上。而除了信息獲取的信息冗餘，獲取到的信息本身有大量冗餘，信息的系統本身又被設計得到處是冗餘（詳見我上一篇語言分析），也就是說目前看起來，通過合理的設計，人類學習速度的提升空間廣闊得無法估計。

回到《人月神話》，恐怕我這篇文章的觀點和人月神話相悖。人月神話的觀點認為，軟體開發已經達到了和核心邏輯作鬥爭的階段，並認為人類無法在這方面取得大的突破。但我認為，「以你們（人類）大多數人的努力程度，根本沒達到拼天賦的地步」可以表達我的心情。人類距離同基本邏輯作鬥爭還早了一百年。而到了那一步，根本犯不著煩惱和基本邏輯作鬥爭，因為那點精力付出就可以忽略不計了。這就像吃飯煩惱張嘴需要做功一樣無用。

那麼，在大的環境剛開始解決這一問題並尚未達成共識的大背景下，個人如何迅速吃胖子？

畢竟日本某公司已經有成功案例擺在那裡，可行性是已經得到保證的。我現在要把它一般化 系統化 泛用化，人為大幅提升人類學習速度。

文章常寫，學習最高效的方式是向別人複述，但我要在此加以反對，因為這個觀點沒考慮以下因素：

1，待學習對象本身蘊含的大量信息冗餘

2，複述是一種極其低效的學習手段

3，複述本身就是製造信息冗餘和信息錯亂的罪魁禍首

複述頂多把學習效果從100提升至150，但我們現在是在嘗試提升十倍百倍千倍，複述完全派不上用場。

回到最開始的話題，我在課程中學到的結論：

1，為了給意識騰出運算空間，人不知道自己有什麼知識因為知識並不存儲在主觀意識里

2，目的同上，人在不直面問題時無法喚起知識（彈鋼琴的人回憶一下彈琴的感受就明白了）

3，目前的知識傳承有巨大的失真且低效至極

4，為了解決1和2，需要付出難以承受的人力成本

5，就算做到了4，知識在固定形式的瞬間開始實效，也就是說從根本上否定了4的價值

也就是說，這條路是條死路，知識傳承面臨軟體危機一樣的局面，是個死局。我們要從根本上消滅問題在萌芽狀態。

讓我們回憶一下，人類的主觀意識是什麼？是高級邏輯判斷機器，是流媒體處理機，只有少量內存沒有大量硬碟。而知識是什麼？是大量待存儲的知識。雖然人類會把主要運算過程放到後台去運行，將結果返回意識前台，但每個人後台進程數和性能由於基因差異有巨大差別，導致後台運算結果極端不可控且不可靠，我們必須捨棄佔用後台運算資源進行數據運算的行為，而且運算的數據還全是些人為的信息冗餘。我們的大腦後台運算資源成天被這些信息冗餘佔據著成為了死循環，以至於很多人就這麼變成了傻子。

來，讓我們從神經科學和人機交互的智慧出發，從新定義「學習」。

我提出的學習四原則：

1，基於自然模型

2，學習基本邏輯

3，意圖上的高度一致

4，消滅（拒絕）冗餘信息

以下舉例論證。

1，在學習編程語言時，使用實體玩具（目的：擴展自然模型），並設計科學合理的獎勵機制（目的：加深感情反饋）。成功案例：遊戲化嘗試，an adventure of Vim

2，拒絕知識經驗，學習核心邏輯。例：想信教學瑜伽，想學瑜伽先學解剖。

3，使用Go和Ruby拒絕Java

4，讀經典原著不讀大V雞湯

注意這均是權宜之計，真正需要全社會共同努力。

第二篇

如何以一百倍的速度學習

用系統做事（複利）：廣義的良性循環

概率論：好運氣是用次數堆上去的，前提是單次收穫概率不那麼低

只做正確的事（黃金圈）：做的每件事情都是當前最需要做並且最正確的

進化論：經歷錯誤密度=經驗豐富度

82定律：20%的努力獲得80%的效果，則40%的努力獲得96%的效果

=========

上面是微信公眾號warfalcon的文章《這些知識可以影響並改變你的人生》+lifehack的《You』ll Never Complain Of Not Having Enough Time If You Can Apply This Rule 》和《If You Want To Learn Everything 100% Faster, Try This Science-Backed Approach 》 的一些靈感。最近在集中精力攻克「迅速學習」這個問題，感覺現在到了收尾的時候，因為我明顯已經超過搜索引擎水平很多了。下面是最新的思考成果的一部分總結。

之前的文章論述過，現在知乎等地流行的「以教為學」和「基礎知識來源，一手信息」等說法雖然在某些角度來講確實正確，但問題在於效率低到無法實用，在全面學習、深度學習、學成專家方面誠然有用，但在超高速學習領域完全派不上用場，效率已經低到無法計算性價比的程度。而我要攻克的問題在於，如何超高速學習。根據28定律，我們學習到20%的牢固程度，就可以解決80%的問題；而學習到40%的牢固程度，可以解決96%的問題。而前面說的以教為學等方法，則是付出了200%的努力，得到99.999%的收穫。從高速學習的角度，非常無法認同。現在出現了很多批判斜杠青年的熱潮，但問題在於，1+1>2。這次我參與的Go項目作為一次跨界聯合研究，起到的作用是醫學部獨自研究多少年也無法想像的成果。

最開頭的那些筆記，我並不完全認同，比如說如果概率論真的有效，那我們為何不回家每天買一萬張彩票？我們之所以不敢堆數量，恰恰是由於我們並不清楚我們的努力是不是一種買彩票的行為，這與其說是努力，不如說是賭博。斜杠青年是必要的。那些專註的，一大批死了，剩下的活著的出來鼓吹專註的必要性。同理，你要是知道自己做的每件事正不正確，那估計離神也不遠了。

82定律其實是一個複雜的表述，精簡來說其實是：你所做的行為中有大量無意義的冗餘，而其中有意義的部分往往只佔比20%。而對於沒有冗餘的項目，這其實是一個人機工程學問題：人的感受是非線性的，實際上是迅速遞減的。這才是82定律的神經學本質。

對於82定律的運用，其實是說拒絕冗餘信息和冗餘行為，所謂閱讀專著的本意也是如此，但現在專著的冗餘信息反而比網文高上許多，這種情況下讀網文反而是更好的選擇。而所謂反覆學習基礎知識然後構建網路則被我認為是錯誤的理論。同理，是300%的努力達成99.999%效果的嘗試。

好，批判了這麼多，我的理論是什麼？

前面已經發了好幾篇文章論述此事，總結一下就是說，使用自然模型的擴展，原因在於從腦科學來講，擴展的構建速度高於重新建立網路數倍。而且整個人體的運行原理就是模型擴展和繼承，而且大腦內有神經遞質在抑制新網路的形成，只有新模型離舊模型太遠時才專為促進新網路抑制舊網路，其設計可見一斑：能擴展和繼承的就擴展和繼承，實在不行用新的覆蓋舊的，不要衝突。但舊網路不會被覆蓋也不會被刪除，但需要一點練習去激活。

根據以上神經科學的研究成果，迅速學習的要點在於，將一切模型化簡總結到各種先天存在的原始模型上面，不能做到的就構建高擴展性共通模型解決問題；在大腦內建立大量模型後隨時可以激活，但定期複習是不必要的因為你激活它用不著也沒用；同時佛教宣傳的自我覺知等嘗試是對這套理論的違背。我提出與其相反的看法：重歸混沌，解放大腦。注意我並不清楚佛教宣揚的到底是什麼，我只是借用一下概念，意思就是說我們不應該嘗試去覺察一些本來不需要覺察的多餘信息，獲取身體root許可權。比起root自己的身體，我們有很多更有價值的事情去做。而且root了自己的身體並沒有什麼好處。比起裸機你應該更想要一台預裝了操作系統的電腦，比起刷機你應該更喜歡打遊戲。

我們人，有硬碟，有內存，有後台進程，而我們的主觀意識，是前台這一部分，而且處在一個許可權極其有限的安全進程裡面。內存的一部分我們有許可權讀寫，但內存易丟失，易衝突，用來存放暫時性數據；而後台的程序拿到前台運行會死機，但無論硬碟還是後台，性能都比前台和內存強，同時邏輯處理能力也主要由後台的線程完成。前台的目的一個是人機交互界面，即作為中間層對接後台和外界環境的中間的複雜對應處理；一個是決策機，信息錄入，流處理機，我們的前台的強大在於界面的強大，中間層的強大，泛用性適配性靈活性，而具體運算，並不在行：要麼交給電腦，要麼交給後台。其中機械性的運算交給電腦，複雜的邏輯推理交給後台。

那麼我可以導出第二個結論：讓大腦功能各司其職，我們的意識負責大量迅速的信息錄入工作，把運算和推理交給後台。最近我經歷了幾次簡單的嘗試，結果證明後台的能力是可以讓我放心的。

問題來了。為什麼我敢把任務交給後台。那是因為，我們身體硬體的升級換代，本質是受遺傳學演算法操控；而大自然提供的自然選擇壓力導致了適當的基因淘汰率，以至於基因可以以合適的速度收束的同時保持了合適的多樣性。而經過幾萬年祖先的流血犧牲所賜，我們從出生起本質上就已經繼承了全人類的智慧。通過基因這個載體。把任務放到前台來做是浪費這份恩賜。換句話說，由於硬體已經經過了足夠的升級換代而軟體時日尚短髮展不足（10倍以上的性能差距），因此在這個時代凡是只要是人，理論上都可以把任務交給後台去做。

這裡有一個問題，在人機交互的研究表明，熬夜會造成一種明升暗降的性能欺騙。在了解了以上理論之後，每天按時睡覺顯得尤為重要。在經歷了數星期的數據觀察之後我確認，早點睡覺會帶來大幅的睡眠質量提升，最好是10點睡覺，而這種行為會帶來6小時的學習間歇，為什麼說6小時，因為研究表明6小時是最高效的間歇時間，但很遺憾我們需要睡8小時所以這個研究成果是沒有用的。

而把上面所有的討論總結一下，結論就是：最高效的學習方法是，用先天具備的模型去擴展（需要內容提供方的共同努力），每天拚命錄入信息，經過8小時時間合適的睡眠之後，次日在前一日的信息基礎上重複和擴展。不進行主動思考，把決策交給感覺。

如何學習技能？

滿足需求，不求甚解，用完就丟，留下模型。

這只是一個初步的思考成果，我接下來會進行實踐嘗試，逐漸修正。

另外提供一個模型的初步思考。知識和身體像一樣，是一個「因果性」模型。有變容、動態、普適的特性。這部分我後面會做一些嘗試後發表論文。我會嘗試建立超低層基於因果的知識模型來驗證我的思想。

續1：知識大爆炸，把你們全都轟成了乾屍 - 知乎專欄

續2：我不學習 - 知乎專欄

續3：但我輔助自己學習 - 知乎專欄

續4：計劃，Todolist，番茄鍾，你還活著？我一個都不用 - 知乎專欄

推薦閱讀：