1.6 长青知识树 3 步法 - 中

构建个人知识树只需 3 步。第一步的本质是用 20 小时快速学习,快速搭建bok 框架。如果每天投入3 小时纯时间,大概 1 周就可以搞定。阅读 1~3 本入门书籍,阅读相关百科,你会得到logseq 知识库中的一个 bok框架。

以我的“深度学习 bok”为例,阅读谢诺夫斯基的《深度学习》[^ https://book.douban.com/subject/30425822/]以及科技记者写的入门书《深度学习革命:从历史到未来》[^ 凯德·梅茨,https://book.douban.com/subject/36171345/],对深度学习的历史、发展、来龙去脉、整体情况有了大致了解。

wiki 词条中的 bok 框架

然后,直接借鉴Wikipedia “深度学习”词条中的 bok 模块,在 logseq 中用一条 bok 笔记快速搭出一个框架,包含概论、概念、应用、硬件、软件、技术实现、人物、组织、技术架构等多个维度,每个维度包含一系列基础概念。

logseq 中的深度学习 bok 笔记

bok 笔记中的每一个概念,在 logseq 中都对应一条知识砖块笔记。bok 笔记和一系列砖块笔记,构成了初步的 bok 框架。

初步的 bok 框架

如何让你的知识树快速茁壮成长?

第二步的本质是充分拆解,提炼并积累知识砖块,积累树叶,调整枝杈,加粗树干,让你的知识树枝繁叶茂,持续生长。这一阶段是实打实的时间投入,至少是数百小时的时间投入。这一步的内容包括:

Bok1阶段的学习资源主要是小册子、科普书和百科等。但到了笔记阶段,你会接触到更多的学习资源,包括导论类教科书、课程、论文、网站、博客、github项目、知识视频等。你需要针对这个主题去收集这些高质量的、成体系的学习资源。

不需要对资源数量设上限,收集即可。但是,如何不沦为资源收集癖患者,成为只囤积不学习的信息小松鼠?你需要一个清单或表格,用结构化方法来记录和维护你的学习资源。我的操作方法很简单,全部放在bok 笔记的 reference 模块下,用“资源笔记”来统一记录。

reference 模块下的资源笔记

图书

例如,我有一个深度学习的主题书单,AI、深度学习与人类学习【主题研究书单】,这个书单里收集了一系列我要阅读的书籍。有的读完了,有的在读,有的还没读。利用业余时间,一个人是可以做到一年阅读几十本书的。有了这种主题书单,一年针对几个主题持续阅读,你会获得快速的成长。

论文

针对pdf 论文,我单独维护了一个笔记,根据几大主题进行大致分类:

论文资源

知识视频

针对网上的讲座、知识视频,我也单独维护了一个资源笔记。

讲座,知识视频

文章

此外,我还会阅读不少该主题的文章。使用 Readwise reader 阅读器软件,输入关键词,可以搜索到你阅读库中的全部该主题文章,还可以保存为一个单独的视图。这样,你可以打造出自己的同主题文章阅读。

而且,在RR 这样的阅读器中,你还可以践行深度阅读,边读边费曼的理念。化碎片阅读为整体知识体系构建的一部分,化浅层阅读为深度阅读。这部分道法术器的细节,我会在“信息输入”环节详细分享。

注意点

一方面,我们要收集资源,大量收集资源,只要质量好,数量不设上限。另一方面,我们要避免沦为囤积资源的小松鼠,只收集不学习。解决这个问题的关键,就在于有系统方法来推进你对这些资源的学习。

学习这些优质资源的过程,就是把信息转化成知识的过程。

我们需要把外部的信息转化为内部的知识,把别人的知识转化成你的知识。也就是说,我们需要拆解任务,用费曼技巧来持续学习这些高质量资源,需要“提炼知识砖块”,把“资源笔记”转换为你自己的“知识砖块笔记”。

读 1 本书,你可能提炼出100 个知识砖块;读 1 篇论文,你可能提炼出 20 个知识砖块;看 1 个知识视频,你可能提炼出 10 个知识砖块;读 1 篇文章,你可能提炼出 5 个知识砖块。在阅读和学习的过程中,持续记笔记,用自己的话把你的所学所思所得记录下来,然后,不断建立和迭代自己的知识砖块笔记。

例如,我的学习资源中有一个知识视频,叫“state of GPT”。这是 2023 年 5 月OpenAI 联合创始人 Andrej Karpathy 在微软开发者大会上做的演讲,他用 40分钟的时间把 GPT 模型的训练全过程做了整体而深入的介绍,属于非常高质量的学习内容。

它属于我收集的一个学习资源,但是,如果我只看一遍视频就算的话,这是远远不够的。我针对这个资源用一条笔记来记录。还是按照2w2h 模型的结构来整理学习笔记。

state of GPT,学习笔记

你看到了,这条笔记里很多内容都是笔记链接,点击后会跳转到一条新的知识砖块笔记。针对一条学习资源的学习笔记,就转化成了数十个知识砖块笔记。

因为Logseq 本身支持wikilink[^用”[[]]”包裹的文字,自动就变成一个新的笔记页面],可以通过双向链接的方式联结到 logseq 系统内存储的任何一条笔记。每一条笔记,在我看来,都是一个知识砖块,是我知识树上的一个树叶。

这些砖块这么来的呢?我回顾学习笔记时,发现一部分内容可以单独成立一个砖块的话,我会把这部分内容直接“转化”为一个新的笔记。这样,一个全新的知识砖块笔记就诞生了。

除了在学习 bok 资源时可以得到越来越多的砖块笔记,你也可以对着你的 bok 框架去完善bok 框架上的笔记文件。例如,针对 bok 框架上的基础概念部分,你可以每天搞清楚几个基础概念。

如果你还不能费曼“损失函数”这个概念,那么,你就应该整理你的这个知识砖块了。继续使用 2W2H 模型,在学习这个概念时,使用的相关网页、百科词条、知识视频等资料继续整理归集到reference 模块,便于回顾和以后继续学习。

所以,这个环节,本质就是“化整为零、逐个击破”,对画知识树这个大目标进行有效且充分的拆解,转换为可执行的最小行动:学习一个资源,费曼一个概念,整理和迭代一个知识砖块笔记。

在这个过程中,我们会积累越来越多的树叶(获得事实性知识、概念),调整知识树的枝杈(优化思维模型),并且让知识树的树干越来越粗壮(加深原理理解)。

画知识树的时候,如何记笔记?有什么注意点?有什么指导原则?

费曼笔记

你的知识树是由一条条笔记构成的。每一条笔记,都应当是费曼技巧的践行落地。在学习过程中,你必须把你在学习时的发现和理解,有条理地记录下来。笔记不只是笔记而已,笔记的过程就是你思考的过程,笔记就是学习本身,而且是最有效的学习。笔记的结果,让你的思考可以被回顾,重读,编辑,迭代,改进,完善,补充。可以说,构建个人知识树的过程,无时无刻,每个环节都在与笔记打交道。

推荐使用“费曼学习OS”模板中的“2W2H笔记模板”来维护你的知识砖块类笔记。除了元数据里面标明了这是一个知识砖块,这个模板的内容、结构与 bok 模板几乎没有区别。就好像人脑由千亿神经元组成,这些神经元在结构上非常简洁,而且高度一致,但是,人脑智能的关键在于这些神经元之间建立的突触联结。你的知识库在原理上也与此类似。

2w2h费曼笔记模板

不要担心使用笔记模板会扼杀你的创造力。相反,使用笔记模板,可以大幅降低人脑的认知资源浪费,不在无意义的环节内耗,所有注意力资源都投入到学习本身。你的创造力,可以留在更重要的地方。

长青笔记

每一条笔记,都是一个长青笔记。我这一套主要是借鉴植物的生长阶段,设计了一套极简的标签体系来记录和维护笔记内容的成熟度。

网络上很多人也设计了类似的长青笔记分类,但一般是 “种子-生长-长青”这 3 阶段。根据经验,我认为5 分制更好。在研究了植物生长阶段之后,我提炼出了“种子-萌芽-抽条-开花-长青”这 5 个阶段,对每个阶段进行了初步的定义和说明,换算成理解程度的话,基本等于“20-40-60-80-100”这 5 个阶段。

笔记的成熟度标签

给Logseq 笔记打标签极其容易,输入#进入打标签状态,然后你输入p1~p5来选择对应的阶段(phase,简化为p1~p5)。对于bok笔记、资源笔记、知识砖块笔记,你都可以使用这一套标签。

卡片笔记

每一条笔记,还是一条卡片笔记。你可以把你的一个 bok视作一个卡片盒,每一条知识砖块笔记就是一张卡片。

每一个知识砖块笔记,是 Logseq 里的一个 md 文件。你可以把这个 bok 的全部笔记放在logseq 的一个文件夹当中。用卡片来记笔记有上百年历史,是人类整理和分类知识的经典操作。例如,webster 词典的编辑,就利用了数百万张索引卡片(index card),每个单词都有一张专门的卡片,单张卡片也持续优化迭代。

所以,虽然logseq 笔记软件没有宣传自己是“卡片笔记盒”,我们的知识管理 OS 也没有更名为卡片笔记盒,但是,你可以在内心里把你的bok视作卡片盒,把笔记视作卡片。

关于笔记环节的具体操作、方法、技巧、原理,我会在学习闭环的“笔记编码”阶段更深入、透彻、成体系地讲解。

Bok框架很好搭,看两本入门小册子而已,谁都能做到。但是,真正建立个人知识树,却是极少有人能做到的事情。为什么?

关键问题就是大家缺乏一个机制,极简但系统的机制,来持续跟踪记录自己对每一个知识砖块的理解程度。

吴恩达在cousera上的《深度学习》课程中给大家分享过“如何读论文”的技巧,其中一条经验就是:要理解一篇论文的内容,你至少需要阅读 3 遍。

我也有类似的一个经验:如果一篇文章值得读,就值得你读好几遍;如果一篇文章不值得读,那你就一遍也别读。不只是文章,网上的视频、讲座、课程和书籍,都是如此。例如,andrej karpathy 关于 GPT 原理的演讲视频,我就看过不止3遍。每一遍重看,都会加深你的理解,都会发现之前没注意到的地方,都会整合你最近在其他书籍里学到的新知,迭代你的思维模型,让你的知识树获取新的生长和发展。

除了要明白“需要多次学习”这个简单的道理,吴恩达认为,关键是要找到一种方法来跟踪记录对每一项学习资源的理解程度。他推荐的方法是使用 excel 表格来记录。类似下图的效果:

多年的观察与经验告诉我,如果一个方法或工具在难度上有所增加,真正能在行动上做到的人群会指数式降低。使用思维导图或excel 表格,确实可以达到“记录理解程度”的目的,甚至在理论上用纸笔也可以做。但是,这种方法只适合少部分人:极度专注,内心平静,极少外部干扰,学习能力强大的人。

这个机制得极简,简单到普通人可以执行;这个机制还得系统,有体系,避免随着时间,熵增到系统崩溃。

我推荐的机制,就是上文介绍的‘长青笔记’标签。这套长青笔记标签,用在资源笔记上可以记录我们对这个资源的学习进度,用在知识砖块笔记上可以记录我们对概念和主题的理解程度,用在知识树笔记上可以记录知识树的完善程度,提供关于整体进度的反馈。

》统一命名为“生长标签”(growth tags),分为 p1~p5(phase)。另外,重要性维度的标签,统一命名为“关键度标签”(priority tags),分为 s1~s5(star)。

砖块笔记的生长状态标签

因为logseq本身有极其强大的查询功能(query),能通过tag 等元数据从数万个笔记中筛选透视出一个全新的视图,以表格形式展示在你的面前。所以,哪怕你的知识树上有上百条笔记,你每天都可以清楚看到哪些笔记需要完善,便于你每天采取切实行动,每天记录几张笔记。

query功能

例如,我的“深度学习 bok”这个知识树笔记,在“todo”模块里就有一条名为进度管理/深度学习 bok 的笔记,根据所属知识树以及长青笔记标签这两条元数据,就可以用表格形式清楚看到知识砖块笔记的成熟度。

p1 阶段的笔记各个阶段的笔记,在 1 个页面呈现

剩下的就很简单:每天写几条笔记,你的知识树就会快速、茁壮地成长起来。熊友们总结了一个“推土机大法”,我觉得很有用:不要情绪内耗,你就是一台没有感情的推土机。每天往前推,推到排山倒海。

总结一下这一步的指导原则:

化整为零、逐个击破:用费曼技巧来学习事实性知识、概念、模型、原理,积累知识砖块;
持续做到,每日费曼,形成笔记 routine: 每天拿出固定的时间,至少复习+迭代 5 张卡片笔记;
长青笔记:每一个笔记,都是长青笔记;
卡片笔记:每一个笔记,都是一个卡片笔记;

这是不骗人版本的复利效应。网络上大部分对复利的宣传都属于骗局,因为他们听说过“复利”这个概念,但是缺乏成体系的深入的理解。复利的前提是有系统,让努力可积累,积累可迭代。在科学学习、知识管理系统基础上,你构建个人知识树的努力,会让你最终体会到真正的不骗人的学习复利。