期末考複習來不及了？教你個辦法，說不定還能挽救一下

司馬懿，《穿越歷史聊經濟》作者

我還真有一點投機取巧的考試心得，不過直到最近，我才想到一個合適的名詞總結出來——人肉機器學習法。

很多時候，學生會面臨一個這樣的場景，離考試還有 24/48 小時，課本從來沒看過，上課從來沒聽過，怎麼辦？這個時候很多人會去熬夜看書，試圖在有限的時間內去理解正常來說一個學期學習的內容——雖然，臨陣磨槍，不快也光，但是人的努力總是有物理極限的，尤其是很難的課，比如『量子力學』和『熱力學和統計物理』這種課，如果對基本概念一無所知，要短時間內去理解課本上描述的嚴謹而宏大的體系，是不現實的。

這個時候怎麼辦呢？我們要首先理解考試本身。考試是通過讓你在有限的時間內去解決有限的問題，並以此來判斷你對某個領域的理解熟練程度的一種方法。這中間就有一個可以投機取巧的地方，考試試圖考察的是我們的理解能力，假定了我們對課程本身的理論知識具有一定程度的理解，然後我們運用這些知識來解決考試中的題目。但是：

我們為什麼非要先理解了理論知識，才能去解題呢？

機器學習和計量經濟學的一個很大的區別就在於，計量經濟學側重解釋，而機器學習更側重預測，典型的例子比如神經網路，我們很難根據神經網路來斷定參數之間相互作用的機理，但是它就是能夠預測，有的時候往往還不錯。所以我們應付考試的方法，就要像神經網路學習，在不求甚解的基礎上，把考題做出來。

具體的步驟如下：

第一步，放空自己。你可能不小心聽了幾節課，了解了一些背景知識，盡量的忘掉它們。因為要補齊背景知識正正規規的學可能有點來不及了。

第二步，搜集所有和該考試相關的題目以及答案。因為一般來說老師出題不會是憑空出的，總有原型，或者至少有一些靈感來自於你所掌握的資料。比如說有的會和歷年的試卷有些相似，有的會和課後習題有關。

第三步，開始對自己進行訓練。訓練的方法就是對著題目開始試圖做。你可能覺得自己什麼都不懂，怎麼做呢？沒關係，不會做就看答案抄一遍，但是抄的過程要仔細總結規律，規律越簡單越好，一定不要試圖複雜化。比如題目中給的某個參數，出現在公式的什麼地方之類，是不是要除以一個

等等。訓練的題目不要太少，因為太少了你總結不出來什麼規律；也不要太多，因為訓練是要反覆的進行的，太多了我們時間不夠。

比如一個章節，10-15 道題，周而復始的訓練自己，直到自己腦海中的『模型』——也就是總結的規律集——收斂為止。什麼時候算是收斂了呢？就是你看到這些題目，自然而然的就可以根據自己腦海中模型一步步的寫下去，直到得出正確答案為止。你可能不知道為什麼某個參數非要除以一個 2，為什麼某個參數又要取 log，但是你就是知道題目中出現了某個關鍵字，該關鍵字處在哪個位置，你就是要如此處理才能得到正確答案。

第四步，如果碰上實在繞不過去的坎，某個地方的規律總結不出來，可以適當的看一下書作為參考，但是一定不要多看，多看了就會被繞進書本的邏輯裡面，當你一旦大量的採用書本邏輯來思考這個問題，機器學習法就失效了。也就是說，具體的某個知識點，如果書本邏輯好理解，那就採用書本邏輯，但是宏觀上一定要以我們自己機器學習的規律為主。

第五步，一章一章的過，不同章節之間可能還有互通之處，可以幫助你完善自己的模型。

最後，當我們訓練完畢的時候，就可以信心滿滿的上考場了。我們就通過自己建立的這套簡單而粗糙的『機器學習』的模型，就取代了教科書上真正的科學的模型，在其他人看來，你和真正用功、踏踏實實學了一個學期的學霸解很多題目的準確率和速度都差不多了，有的時候甚至還能比真學霸考的好——雖然你可能完全不理解你寫的是什麼，但是你就是能寫出來答案。

但是這個方法有三個局限：

1. 最後總結出的模型其實只是真實規律的一個子集的粗略的模仿，嚴重的依賴於歷史數據——也就是訓練集。如果考試有巨大的外生變動，比如換老師了，比如老師心血來潮，風格大變，這個方法的考試效果會受到顯著影響，但是真學霸應對這些外生的變動比較穩健；
2. 如果這門課很基礎，其他課需要建立在這門課的基礎上，這套方法或許能幫你度過當下，但是當面臨新課的時候，你之前訓練的成果可能是統統作廢的，還需要從頭訓練起，而如果你真的理解了之前的課，是可以直接延續到新的課程上的。
3. 一般來說，對基礎課的效果不如專業課，因為專業課方向窄，老師相對比較固定，能夠出題的角度也相對固定，而高等數學 / 數學分析這種課程，用上述的人肉機器學習法相當比較困難。尤其需要注意的是，對於 CS 等需要做項目而非考試的課程，本方法也不太適用。

最後，學習 / 複習是不會有適用於所有人的方法的，尤其是這種取巧式的方法，就算是適用也盡量不要濫用，用來救急即可。還是要記住魯迅的話：搗鬼有術，也有效，然而有限，所以以此成大事者，古來無有。

推薦閱讀：