人，是如何学习的？

亲爱的读者,在前一篇文章中,你跟我穿越了人类千年历史中的学习观演变。现在,你如何理解“学习”二字?

数千年来,这片学习的海洋上,波浪一波接一波,但对真实世界最有解释力的学习理论大概就是这些。这片学习的海洋,后浪不断把前浪拍在沙滩上,新的理论更接近真相,但是,并不是说之前的理论就完全错误,毫无可取之处。

例如,行为主义虽然有100年历史,但是它从行为层面来解释动物和人类的学习行为,这非常有解释力。即使在今天,仍然在AI领域大放光彩,强化学习算法就是以行为主义为理论基础的。2016年的AlphaGo就是基于强化学习算法的。而ChatGPT的训练过程中,最后一步是RLHF,基于人类反馈的强化学习。甚至,强化学习算法在AGI开发过程中被视为关键,人们对去年末OpenAI 政变的一个猜测就是OpenAI 在强化学习算法上取得了重大突破,从而大大加快了 AGI的发展进程。

所以,不同学习理论更多像是理解学习的不同的角度:不同领域、不同学科的科学家,他们对学习的定义会有自己的理解。

例如,有的科学家关注学习的大脑机制,于是学习就是大脑中的生物化学变化,是由神经递质释放带来的神经元动作电位变化;有的科学家关注环境对学习的影响,于是学习是人类对环境感知的调整;有的科学家关注学习的社会互动过程,于是,学习是一种社会协商;有的科学家关注学习后的输出和目的,于是,学习是问题求解......

不同的人,关注点不同,会有不同的视角。所以,“什么是学习”,这个问题的回答通常是千人千面的。

作为以解决学习问题为目标的人(让所有学习问题,都不再成为问题),我的学习观很简单粗暴:科学学习观。

我基于科学来建构我的个人学习观,因为我不想自己的学习观停留在各人经验、生活智慧的层面。我不想“我不要你觉得我要我觉得”,然后输出一些知识付费级别的所谓“干货”。我自己的学习经历坎坷、曲折且丰富[^ 参见作者介绍], 我在“在行”平台是学习领域排名第一的行家,我的孩子在学习上的表现不断颠覆我过去的认知,但是,我不想发表个人化的、主观的、感受层面的学习观。作为一个终身学习者,并且立志于向终身学习者普及科学学习方法的人,我的学习观,应当是一个科学学习观。

你正在读的这本书,就是我的科学学习观。我对学习的理解、实践、思考、感受,都以“学习的科学”为框架,以“道法术器”为层层推进的逻辑,展现在你的面前。

学习作为一门比较新的科学,它是一名“90后”。它的成长来自人类对自身认知的理解、对大脑的理解的推进,以及人类企图效法上帝、创造智能的科学实践。

在1950年代的 「认知革命」(cognitive revolution) 之前,大脑的学习、记忆等关键认知过程对于整个人类来说还是个“黑箱”:我们不知道人脑认知这个黑箱子里面有什么,认知的结构是什么,过程是什么,每个过程的运作原理是什么。

但是,随着学术界对人脑奥秘的探索进程,大脑的奥秘在一点点地揭开,在探索人类认知的浪潮中,关于认知的一系列学科取得了进步,最终迎来了学习的科学时代。

在1956年,随着认知研究的开始,心理学对人类认知的理解超越了行为主义范式,最终 「认知心理学」(cognitive psychology) 诞生于1967年。认知心理学,研究的是人的认知过程,包括感官、学习、记忆等基本原理。

认知心理学是心理学的重要分支

1970年代末,认知心理学的内容和传统的神经科学研究结合,诞生了 认知神经科学(cognitive neuroscience) ,也被称为“脑科学”。认知神经科学研究的是人类认知过程的生物学基础和神经机制,为学习这个心理过程提供了物质基础层面的原理解释。

在1970年代末,关于认知的研究和计算机、AI领域结合,诞生了 「认知科学」(cognitive science) 。它是脑科学加上计算机科学的研究应用,又被称为心智科学(theory of mind),重点研究学习与发展、知识和语言的加工,研究的是如何在计算机领域实现类似人的认识过程。最近10年,AI技术的飞速发展就来自认知科学和计算机技术的积累。

认知科学的跨学科性质

终于,在1990年代,认知科学和认知神经科学原理在教育和学习场景下的应用研究,催生了 「学习科学」(learning sciences) 。后者主要关注「人是如何学习的」这一焦点问题,目标是直接在教育场景下解决学习问题,提升学习效率和效果。

学习科学,依然是跨学科

为什么学习科学的science后面要加个“s” ?为什么学习科学是复数形式?

因为学习科学不是一门直接发现规律的「原创」学科,而是注重把认知心理学、脑科学、认知科学等几个学科发现的底层原理应用到教育和学习场景的应用型学科,也是一门跨学科的科学。

回答完学习的why和what问题,我们来回答学习的how问题:人,是如何学习的?

既然是我的“科学”学习观,自然不能停留在技巧、经验、工具大杂烩的层面,而是得有一个不但符合学习科学原理、而且对现实世界有解释力,对现实问题有解决力的学习模型,能把“人是如何学习的”这个过程用清晰、具体、简单的方式总结呈现出来。

我从2015年开始用从输入到输出的五步闭环来解释学习过程,经过了这么多年迭代,这个环节的道法术器逐渐完善,环节的顺序也有所调整(体系调整到开头,而记忆内化则变为贯穿始终的“内化” ):

2024版学习闭环

每个环节,都包含从认知过程维度、大脑神经机制维度、以及 AI 对人类学习的启发这三个视角,一个表格可以完整呈现学习闭环的内容整体:

学习闭环的内容

为什么要结合AI的学习来谈人类的学习?

AI 与HI,都是智能体,都会“学习”。AI 来自 HI 的启发,同时可以反哺 HI :通过理解 AI 的学习,人类可以更好地理解自己。

为什么要结合大脑来谈学习?

学习是一个心理过程,但是心理不能脱离身体,精神不能脱离物质。大脑,是学习这种心理过程的物质基础。脱离物质去谈精神,那就犯了唯心主义错误,容易沦为玄学。

下面,我针对学习环节逐个概述:

知识体系

如果航船没有目的地,刮什么风都是逆风。如果旅行者没有目的地,就容易迷失在无数条道路中。学习也是如此,而建立何种个人知识体系,当是你在学习旅程中不得不思考的问题。所以,体系篇是学习闭环的开端,也是本书主体内容的第一篇。

在认知层面,我们会明确知识体系的定义以及价值,让你理解所谓“知识体系”是怎么一回事。我们会讨论人类知识的组织结构(知识是怎么形成体系的),人类知识体系以及个人知识体系的区别,芒格所谓的构建多元跨学科知识体系是怎么回事。

在大脑神经机制层面,我们会讨论学习者的知识体系差别,在大脑层面的物质差异是什么,这种差异是如何形成的。

关于 AI 学习对人类学习的启发,我们会讨论AI是如何存储和组织知识的,AI知识图谱对于人工智能的价值。GPT 等大语言模型学习了人类的全部知识,这对我们的学习有何启发?

在理解原理、弄清楚定义的基础上,我会交付构建个人知识体系的系统方法(从知识框架搭建到知识树的终身迭代),以及高效构架个人知识体系的工具和技巧,并全程贯穿真实具体的案例。

信息输入

一个优秀的作者,首先得是一个贪婪的读者。大脑的高质量输出,一定来自高质量的输入。GIGO,garbage in, garbage out。AI从数据中学习,人类从信息中学习。所以,强大的个人知识体系,一定离不开高质量的信息输入作为原材料。所以,紧接着体系篇的就是输入篇。

在认知层面,学习是大脑对信息的加工处理。那么,如何定义信息质量?如何分辨劣质信息?如何筛选优质信息?如何系统有效地提升我们的个人信息流?

在大脑神经机制层面,为什么我们会被明显的劣质信息吸引,沉迷其中无法自拔?背后的大脑原理是什么?注意力算法是如何利用这些原理来系统性大规模收割人类资源的?以 GPT 为首的 AI,其智能越发强大,而人类却塌陷式沉迷。马斯克警告说,短视频算法会“吃掉”孩子的大脑,抖音脑(tiktok brain)问题已经引起了发达国家和全世界有识之士的强烈关注,我们何时采取行动?

劣质信息成瘾的背后,是多巴胺功能的紊乱。但是,网络上充斥着大V关于多巴胺的离谱谬误。多巴胺到底是怎么回事?如何避免劣质多巴胺成瘾?如何建立优质多巴胺的健康回路?如何避免动物脑被注意力商人劫持?如何管理自己的注意力,培养强大的专注力和自控力,让自己的前额叶功能越来越强大?

在AI层面,大语言模型能给人类的学习输入带来何种启发?为什么说教培是错误的学习路线?为什么孩子需要海量阅读?阅读到底是不是“读闲书”?8岁小孩没上培训班,没学语法,但是却通过阅读自学培养了超过研究生水平的英语能力,背后的科学原理是什么?

照例,在理解原理、弄清楚定义的基础上,我会交付改善信息输入、升级个人信息流的系统方法,以及管理信息洪流的强大工具和有效技巧,并全程贯穿真实具体的案例。

笔记编码

信息篇搞定了信息质量问题,学习的素材问题,而编码篇则要解决信息的加工处理问题。

在认知层面,人脑是如何加工处理信息的?学习过程中的“理解”是怎么回事?为什么读书学习时会出现理解困难?如何才能提升理解能力?

什么是编码?人脑是如何编码信息的。怎样的编码,才是高效的?作者的输出是他的编码,而读者如何解码这些信息,达成有效理解?

在大脑神经机制层面,大脑的什么结构在执行理解功能?工作记忆的原理和过程是什么?

AI是如何编码信息的?AI 的模式识别、体征提取是怎么回事?神经网络如何调整参数,实现对知识的表征?这些对人类学习有何启发?

照例,在理解原理、弄清楚定义的基础上,我会交付提升信息加工处理能力的系统方法,如何记笔记,如何提升理解能力,如何使用强大的笔记和知识管理工具,并全程贯穿真实具体的案例。

费曼输出

学习者不是只吃不拉的貔貅。甚至,大部分人的学习问题,问题都出在没有输出。用输出倒逼输入,整个学习闭环就会在正反馈的驱动下,走出一个良性的、向上的螺旋闭环。于是,我们来到了输出篇。

当然,我说的输出不只是写文章录podcast录知识视频,而是费曼,用自己的话把所学的知识讲出来。而终极的输出,则是行动输出:1是对现实世界的行为输出,在真实的工作和生活中解释世界、解决问题;2是改变自己的行为输出,在认识自己的基础上改变自己,坚持做到,成为一个更好的自己。

在输出篇,我会交付费曼输出的系统方法,并全程贯穿真实具体的案例。

记忆内化

曾经,我把知识内化作为学习闭环的第四步,在费曼输出之前。现在,为什么要把记忆内化调整为贯穿学习闭环的“内环”?这个改变对提升学习效率、正确理解学习过程有何启发?

所谓内化,则是外部的知识变成自己的知识的过程。从输入到输出,每一个环节我们的大脑都在加工处理信息,都有把外部知识内化的效果。而且,如果把内化嵌入学习闭环,很多人觉得我得先记住,记熟了,内化了,然后再输出。结果就是完美主义,输出频率和质量大为降低。所以,内化应该是一个独立的小环,而不是闭环中的一个环节。

在认知层面,人类的记忆包括短时记忆和长时记忆,而短时记忆是如何转化为长时记忆的?记忆是如何巩固的?记忆提取和迁移的原理是什么?有哪些对学习至关重要的记忆效应是学习者必须理解和学会应用的?

在大脑层面,记忆内化的神经机制是什么?对应什么大脑结构?这个过程中大脑发生了什么?强大的记忆力是如何训练出来的?

AI需要记忆吗?AI的知识表征学习,对人类有何启发?

照例,在理解原理、弄清楚定义的基础上,我会交付提升记忆内化能力的系统方法,如何高效记忆,如何使用强大的记忆工具,并全程贯穿真实具体的案例。