如何用费曼大法来提炼知识砖块？

家有小学生,很难不注意到这样一个现象:

一家人春节大扫除,把多年不用的杂物都扔掉,大人说我们年年得这样断舍离一次,小学生接话说,啥,你要把猞猁给折断了?! 在滴滴上路过民航博物馆,大人说我们下次来这个民航博物馆看看,小学生接话说,啥民航,有名的银行?餐桌上聊天,大人说卢克文的文章如何如何,小学生接话说,读课文?这个人的名字叫读课文?哈哈。

大人也曾经是小学生。80后在小学时,跟小同学故作神秘,说我来给你讲个真事:有个人叫李钢材,我告诉你哦,他死了。所以,你刚才死了!哈哈哈。

这就是小学生的认知发展阶段所体现出来的典型风格。表面现象是喜欢谐音梗,背后是一个基本的认知原理:人的理解,是基于知识的。我们基于已知来理解新知。

谐音梗的优势是对背景知识和理解能力的要求几乎为零,所以可以网罗最大的受众群体。

例如,激起全社会热议的脱口秀艺人杨笠,她的典型笑话就是:男人?还有底线呢?这是一个见仁/贱人见智的问题。前者是激发情绪反应,后者是小学生级别的谐音梗。

幽默感与智力之间是显著正相关的关系。但是,幽默分为好的幽默和差的幽默,前者是真正的幽默,后者是恶俗搞笑,前者散发出人性的光辉,后者体现了人性的偏狭。例如,马克·吐温的幽默感就和杨笠们的笑话完全不同。

好的幽默擅长使用讽刺和嘲讽的手法,通过夸张、对比等方式,揭露社会的矛盾和人性的弱点。例如,马克·吐温的幽默往往带有批判性,能够深刻地反映出当时社会的问题,如种族歧视、贪婪和愚昧等。差的幽默只有批评性,而且是无理无据放大情绪一通乱批。

好的幽默,来自对日常生活细节的观察和描绘,常常能从普通人的生活中提炼出幽默元素,使读者产生共鸣。马克·吐温对人性的深刻洞察,使得他的幽默不仅仅是为了笑点,而是通过幽默展现出对生活的深刻理解。

好的幽默,在语言表达上非常巧妙,通常利用夸张、反讽、双关灯修辞手法,从而让语言生动起来,有趣起来。马克·吐温不用谐音梗。

而且,好的幽默,背后是人道主义关怀。马克·吐温用幽默表达对弱势群体的同情以及对正义的追求,而不是像杨笠们煽动性别对立等人类偏见。

我希望我的孩子长大后是一个有幽默感的人,所以日常生活中我们经常相互搞笑。在天真烂漫的儿童阶段,遵循儿童认知阶段的特点讲一些谐音梗笑话,大人不能违背认知原理小题大作上纲上线。但是,一个正常的成年人应该不会希望自己的孩子像杨笠们这样“幽默”。

怎么做?

让脑子里多储备知识砖块。因为,知识砖块,是理解之母[^知识关联,是理解之父]。无米之炊,巧妇难为。知识砖块,就是人类智能的基础,是做饭的米。

作为一个(自认为)富有阅读经验的贪婪阅读者,曾经有一段时间,我特别爱读黑格尔的《精神现象学》。

《精神现象学》与知识砖块

原因很简单:只要翻开这本书,十分钟内肯定能睡着,屡试不爽!一翻开这本书,每个汉字都认识,但连起来就是不知道什么意思,很快大脑就变得懒洋洋,上下眼皮的距离不断缩小,不知不觉就啥也不记得了。

所以,我的kindle里永远存着一本《精神现象学》。

为什么会这样?为什么黑格尔有治失眠的奇效?

原因有二:一、知识组织和存储的最小单位不是字,而是知识砖块;二、意义/知识关联所依附的对象是知识砖块。

知识砖块

先看第一个原因。《精神现象学》全书48万字,都是常用汉字。常用汉字共有8105个,一级常用字3500个,小学三年级就都学会了这3500字,绝大部分中国人也都认识《精神现象学》里面的文字。

但是,知识组织的最小单位不是汉字,而是心理符号、心理表征,我称之为“[[知识砖块]]”。打个比方,我们脑子里存储的知识,就像一个个五颜六色、形状功能各异的lego砖块,而学习的过程,就像大脑用一个个lego小砖块去设计和构建一个乐高模型。

知识砖块可小可大。根据砖块的大小,知识砖块可以分为[[事实性知识]]、[[概念]]、[[思维模型]]、想法(idea)、理论(theory)、原理(principles)等。这些不同类型的知识砖块共同构建了各个学科的知识树。其中,事实性知识和概念,是最基础、最重要的知识砖块。

作为信息载体,一本书所包含的信息,是作者解码自己的网状思考后,梳理出自己的树状体系,然后才输出为线性的文字表达。优质的书籍,本质上是作者的成体系的知识和思想,而最核心的就是书中的概念以及概念之间的关联。作者写书是输出编码的过程,而你我读书是对信息输入进行编码的过程。

翻开《精神现象学》,虽然认识每一个常用汉字,但是普通人没有系统获取过哲学知识,脑子里是没有哲学领域的知识砖块,大脑的长时记忆中没有储备这些哲学概念,所以理解所需的知识砖块只能靠前额叶现场加工,从书中的文字加工提炼出知识砖块来。

这个加工过程缓慢而费劲,前额叶开足马力,特别耗费能量。即使费力加工了几个砖块,由于是新加工的,我们对其理解不深,概念仍然不够清晰。没有反复练习,来不及加强记忆,所以组块在大脑中还不稳固,非常占用工作记忆的空间。

这样的阅读过程,很快就让我们认知疲劳了,大脑很快死机,眼睛很快闭合。

知识关联

再看第二个原因:理解是以知识砖块为基础的。既然理解是新知和已知之间的关联,那么脑子里有相关领域的知识砖块自然就是理解的前提。否则,意义和理解就像无源之水,就无法依附。

每一个哲学家都有一套由自己的知识砖块所构建的概念体系。普通人读这本书时,不掌握这套概念体系,大脑里没有存储这些哲学知识砖块。因为没有知识砖块,自然就看不到一个个砖块之间的关联,于是,这些字对你就“没意义”,无法建立丰富的有意义的关联,自然就读不懂,自然就没法和黑格尔跨越时空进行思想对话。

此外,《精神现象学》也以其复杂和抽象的语言著称。除了内容深邃,概念丰富,黑格尔的写作风格,对于新接触他的哲学的人来说,也会显得特别晦涩难懂。复杂的概念,隐藏在复杂的语言背后,这就是为什么我这样的人一读黑格尔就要睡着。

先把书读薄,再把书读厚

现代学科都是成体系的知识,都有一套概念体系。所以,在学习闭环的编码环节,人的学习过程就是把书读薄的过程:从庞大的知识体系中提取出自己以前不具备的知识砖块。

举个例子,当你学习 CPA 考试的《财务成本管理》这本教材时,这本书是对整个公司财务管理领域的知识和经验的总结,洋洋洒洒120万字。但是,对于一个真正在这个领域构建出个人知识体系的人来说,你拿出两页A4纸就能全总结下来。对你来说,纸上写的“杜邦财务分析体系”、“ROI”这样的简单概念,你能展开讲一天,能用它来解释各种现象,解决各种问题。一整本书,以及背后的一整个学科知识体系,被你用一个知识树框架,用一系列概念联系起来,这就是一个高度信息压缩,“把书读薄”的过程。而当你把自己的概念和知识体系展开,在现实生活中解释世界解决问题,这就是“把书读厚”的过程。

组块原理(chunking)

知识砖块是我个人化的经验总结,背后的认知原理是认知心理学家发现的“组块原理”(chunking)。

从认知心理学的视角出发,记忆编码是在人脑的工作记忆中进行的,而研究表明,人的工作记忆有两个特点,一个是维持时间短,一个是存储空间有限。工作记忆的维持时间短,通常只有18秒,一次加工处理后产生的记忆痕迹很快会消失;工作记忆的存储空间小,只能同时处理非常有限的信息,通常是7±2个项目。通过组块原理,人们可以将多个信息项目组合成一个有意义的整体(chunk),从而减少需要处理的信息单元数量,提高工作记忆的处理效果。如果不对信息进行压缩,没有精细加工和提炼的过程,就存不下多少信息。

举个例子,记忆这样一串我随手敲的随机数字:937622103284048297。不通过组块来压缩信息,直接记忆未经压缩的原始信息,你只能记住7个数字,一个数字占一个组块,普通人无法记住18个随机组合的数字。所以,网站或 app 的验证码通常都是 4位或 6 位数字,不可能是 7 位以上。即使是 6 位数字,如果验证码发到你手机上,你要在电脑上输入的话,不看手机屏幕,你只能通过嘴巴里重复来维持短时记忆。验证码一旦输入完,一分钟之后再让你回忆,你肯定记不起来这 6 个数字。

但是,如果18位数字是身份证号码,你就可以通过信息的内在含义进行组块压缩。18位数字只占三个组块,一个组块对应一个意义,第一个组块是行政区号代码,第二个组块是个人出生日期,第三个组块是唯一性的个人编码。把18个数字压缩成三个组块,经过几轮的记忆巩固,这 18 个数字你能记住一辈子,因为它经过组块压缩和记忆内化,被牢牢地存入长时记忆可以随时提取,已经成为你大脑网络中稳固的神经元突触联结。

信息编码以知识砖块为最小单位。长期来看,对学习来说,最重要的一点就是积累自己的知识砖块。而且,组块还能提高信息处理的效率,节约认知资源,是知识理解的前提。

最基础的知识砖块就是事实性知识和抽象概念。

事实性知识 factual knowledge

在体系篇我们谈到过事实性知识:这是知识树的树叶,不但基础,而且重要。现在,我们深入分析一下事实性知识的构成。我从两个维度出发,用二分法把事实性知识分出四个象限:

第一个维度是复杂度:分为简单的事实性知识和复杂的事实性知识。“猫有四条腿”是简单的事实性知识,小孩都知道。GPT-4模型的token数量有10万个,这是GPT-4模型的“个人词汇量”,这是相对复杂的事实性知识。

第二个维度是领域:分为领域知识(domain knowledge)和一般知识(general knowledge),后者也称为“世界知识”(world knowledge)。前者是专业,后者是通识。所谓“常识”,就是指一般的成年人关于这个世界应该具备的知识。例如,大脑是人类意识产生的地方,而不是心脏。

存在一种普遍的观念:事实性知识不重要,逻辑和思维才重要。真的吗?如果是这样,为什么小马斯克被称为“事实工厂”,而非“天才儿童”、“超级大脑”?

人的理解是基于已有知识的。即使是GPT时代,如果你的长时记忆里不具备充分的事实性知识储备,尤其是那些更复杂的事实性知识,一个人的思考全部依赖现场加工、搜索或 GPT 提供知识砖块,真的能对事物达成深度理解吗?

这个推理过程在逻辑上如此简单,要论证的话简直就是浪费彼此的脑细胞。

而且,事实性知识不止对儿童和学生重要,对成年人也很重要。如果成年人获取和处理信息的能力超强,可以一定程度上减少对知识积累的依赖。但是,如果成年人没有超强的信息加工、分析和综合能力,或者世界知识缺口太大,就会严重损害判断力。互联网上充斥着成年人缺乏判断力的例子,而原因往往不是逻辑推理,而是在基础的事实层面上就已经被误导,已经掉进了沟里。

抽象概念 concepts

事实性知识是具体和客观的,描述的是世界的实际状态,例如猫有四条腿。而概念是抽象的,是人类对事物、属性或事件的分类和概括,不直接对应可观察的物理实体,而是人类认识加工的产物,例如“猫”这个概念。

前者属于哲学中本体论(ontology)的范畴,而后者属于哲学中认识论(epistemology)的范畴。

概念,是人类理解世界、进行思考和交流的基础工具。可以说,事实性知识更基础,而抽象概念更重要。

概念的特征

概念有两个特征,一个是信息压缩,一个是递归嵌套。

概念的本质是人类把更多的信息压缩进一个语言符号中,这是一种信息加工处理的策略,可以提高信息交流的效率。

更有趣的是概念的嵌套属性:概念是递归的、嵌套的。一个概念套着一个概念,可以层层分解,形成一种树型结构。例如,“猫”这个概念,必然包含“哺乳动物”,“猫科动物”,“腿”等细分概念。

从这个角度出发,抽象概念又可以细分为基本概念和复合概念:后者是前者的组合。在实践中,基本上进入到人类常识领域就无需再拆分了。例如,你在给别人费曼“猫”是什么的时候,绝无必要单独解释“腿”是什么。但是,如果你给别人费曼“GPT”是什么,遇到“token”和“embedding”这样的概念,你就得单独解释。

概念与思维模型的关系

概念的嵌套属性,可以解释清楚概念与思维模型的关系。

如体系篇所述,思维模型是概念的组合,可以视为知识树上的枝杈。经常有学员问我,思维模型属于概念吗?二者什么关系?

我用一张图总结。

思维模型,首先是一个概念,例如,芒格 100 模型中有一个“沉没成本”,这显然是一个概念。

其次,思维模型一定是一个复合概念。对模型的理解,一定以模型所包含的基本概念为前提,例如“沉没成本”中的“成本”概念。

思维模型是一个通过互联网流行起来的概念,与科学模型(models in science)是不同的东西。数学建模、经济学领域的模型、AI 研究中的模型,这些模型属于后者。而思维模型更多可以视作一种打包压缩、强调工具属性的知识砖块。在互联网传播的场景中,思维模型的价值被严重高估且夸大了,望读者知悉。例如,你把芒格的 100 个模型背下来,可能只是多积累了 100 个概念,确实是有用的重要的概念,但是作用是有限的。事实上,我们需要的是有效概念量是成千上万个,而且,得搭建出自己的个人知识体系。

个人概念库:20万个知识砖块

对事实性知识和抽象概念的理解和记忆[^前者更重记忆,后者更重理解],是认知能力的基础。

即使在 GPT 时代,事实性知识的重要性都不可小瞧。如果所有的事实性知识都要外部提供,思考的效果一定很差。想象一下:让你在一个完全陌生的领域(假设写一篇关于恐龙化石的考古论文),连事实性知识都不具备,给你一个 GPT 做助手,你真的能解决这个领域的问题吗?

如果我们想在某个领域里成为高手或专家,到底需要多少知识砖块?

认知科学之父赫伯特·西蒙认为这个数字大约是5到20万个。

学任何一个领域的知识,我们最终都要建立一个自己的个人概念库,这个概念库由一个个知识砖块构成。西蒙认为,任何领域的专家,都需要用10年的时间积累5~20万个知识砖块。

围棋的知识砖块

以围棋为例。围棋规则简单,任何人用几个番茄的有效纯时间都可以学会围棋规则,然后立刻就可以上手玩起来。但是,要在这个领域内精进、不断提高棋艺,达到国际大师水准,你必须提炼并积累5~20万个棋局组块。

简单列举一下。关于围棋知识的组块:提子、打吃、长气、紧气、户口、双方互打、连接、分断、门吃、抱吃、断吃、边线吃子、双打吃、征吃、枷吃、接不归、倒扑、打劫、打二还一、同气对杀、做眼、破眼、双活、打吃逃子、吃子逃子、定式、死活、对杀、收官、手筋......

还有围棋棋形的组块:直二、直三、直四、弯三、曲四、闪电四、丁四、刀把五、梅花五、梅花六、板六......

围棋棋盘大小纵横19格,一共361个落子点,棋局变化一共有10的172次方之多,比宇宙中全部原子的数量(10的80次方)还多。而围棋大师经过10年以上的刻意练习,脑子里存储的棋形组块都达到了西蒙所说的5到20万个。正是因为有如此量级的知识组块积累,在面对一个新棋局时,新手还要调用前额叶努力思考,而围棋大师是不用思考的,大脑神经活动非常低,他只是用后皮质这个大脑知识库中提取出对应的模式,然后顺手就落子了。一个围棋大师可以和多人同时对弈,例如和100个棋手同时下100盘棋,就是这个原因。

英语学习中的知识砖块

再举个语言学习的例子。

我老婆是同声传译,是专业的语言工作者。我们一家人测试词汇量玩,她的词汇量是两万四千。我不是专业的语言工作者,虽然我雅思裸考8分,但词汇量也不过是一万九千。小树还是个宝宝,但从小读英文书看BBC纪录片,5岁半时的测试结果是六千五百。8岁时通过了剑桥五级的FCE考试,这时候测试词汇量大约是一万多一点。

从六千五百到一万九千到两万四千,词汇量的差距也能反映大脑中这门语言的知识组块差距。

英语的知识组块是什么?句素,或者叫固定用法。在语言实践中,你不是以单词为最小单位来使用的英语的,而是以句素为最小单位。一个英语单词,在实践中对应着多种用法。例如,acumen这个单词,business acumen, demonstrate xxx acumen,considerable acumen等不同的用法就是句素。掌握一个单词不是死记硬背这个单词对应的中文含义,而是掌握好几个不同的用法。而掌握英语这门外语,大约需要15000个单词,对应着大约50000个句素,这样才能自由驾驭这门语言。

横向比较下不同人群的词汇量。英语母语国家的初中生的词汇量大概是2万,莎士比亚在作品中使用了3万多词汇。而我们在学习英语时,高考的标准是3500词,大学四级是4000词,六级是6000词。词汇量以及背后的知识组块在数量上的差异,是每个学习者必须重视的,而且这可是非常容易量化的。

除了围棋和英语学习这两个实例,其实任何一个领域的知识学习都是如此。玩乐高的时候,砖块数量的经验值是两万。如果你没有2万个乐高砖块,你会发现,搭建模型的时候处处掣肘,不是缺了这种砖块就是缺了那种砖块。知识砖块和乐高砖块一样,要想在任何一个领域成为高手或专家,你需要积累5到20万个知识砖块。而且,是在理解的基础上,经过有意义编码的方式积累的知识砖块。

GPT-4的词汇量

在概念量方面,GPT模型也可以给人类学习一些启发。

GPT模型的输入输出都是人类语言,一个单词接着一个单词。但是,在模型内部,GPT对人类知识和语言的中间表征是什么?

不是字符(characters),也不是单词(words),而是介于二者中间的 token(词元)。

GPT模型在学习人类知识时,为什么不用字母等字符?因为 unicode编码系统中,字符有 15 万之多,而且这套编码在不断变化,不断迭代升级,而GPT 的词汇库不能随时更新。

为什么不用自然语言中的单词来搭建 GPT的词汇库?单单英语就有 100 多万个单词。如果要支持成百上千种语言,那就是上千万量级的词汇量。和字符一样,人类语言的词汇也是不断更新的,而GPT 的词汇库不能随时更新。

所以,GPT 使用的 token是介于字符和单词之间的人造单位,类似于我在单词四步法中使用的词根词缀。我把词根词缀称为“词素”,构成单词的基本要素。而 token 就是这样的词素。

GPT-2 模型的token 有 5 万种,GPT-4模型的 token 有 10 万种,GPT学习人类知识,生成文本都是以 token 为单位的。你可以把这 10 万 token 视作 GPT 模型的“个人词汇量”。

Token,是 chunk 层面的,不是字符层面的,也不是字词层面的。这是 GPT 模型组织人类知识的、对 GPT 模型来说有意义的最小单位。

token之于GPT,就像概念之于人。 token,是大语言模型中知识表征的基本单位,最小单位,堪称 LLM 世界的原子。而概念等知识砖块,就是人类知识的原子。

在使用 GPT 的时候,我们很难不注意到 GPT是费曼技巧的顶级高手。为什么呢?

在符号 AI 的时代,科学家们设计的 AI 是基于规则的。他们用规则来显式地表征人类知识和逻辑推理,通过成千上万条规则来设计一个智能系统。但是,符号 AI的认知表现,在大语言模型面前简直就是一个弱智。

以 GPT 为首的大语言模型,语言是媒介,知识是本质。大语言模型的智能,基于知识。大语言模型的本质是知识大模型。而这个知识大模型中,用内隐的方式封印了模型对人类知识的表征。这一套系统当中,10 万个 token,就是 GPT 的个人词汇量。

如何积累知识砖块,构建个人概念库?

讨论到这里,问题已经很清楚了:知识砖块如何重要,那么,我们如何积累自己的知识砖块,如何构建自己的个人概念库?

来源只有 3 个

在学习和思考过程中,知识砖块的来源有且只有3个:

外部信息:通过书本、互联网等渠道获取外部信息,用前额叶现场加工处理,提取知识砖块;

内部知识,大脑中的长时记忆:后皮质有粮,前额叶不慌。对于有积累的人,可以从长时记忆中轻松提取知识砖块,降低思考难度,提高思考效率;

外脑,知识管理系统:除了大脑之外,做好个人知识管理也是功在千秋的事情。类比 wikipedia 这样的人类知识管理工程,有了 wikipedia,我们获取某个知识砖块的时候就不需要定位到某一本书籍的某一页的某一句话,可以一步轻松直达;而 logseq 中的个人知识库也是如此,让你轻松直接你之前加工整理过的、结构化的、高质量的个人知识,堪称私人wikipedia。

当然,这三个来源都离不开一件事:笔记。

提炼知识砖块,方法只有一个:费曼大法。

在费曼时,为什么要“用自己的话”?因为这能确保你对概念有自己的理解,真正的理解。只有能自己“生成”的知识,才是真正理解的知识。

在费曼时,为什么要“用简单的话”,“不带行话术语”,“说人话”?因为这能确保概念的颗粒度。大部分情况下,我们会把概念拆解到L3 级费曼的程度:一个有世界知识的成年人应该理解的程度。

关于费曼大法在笔记操作和工具技巧层面的探讨,我们后面有专门的一节。

本书有关于知识,无关于认知

知识才是人类智能的基础。基础不牢,地动山摇。追求逻辑思维,就是指屁吹灯[^一句民间歇后语,下一句是没有希望]。

本书的价值内核是关于知识的,朴实无华到很多人看不上的“知识”:知识从哪来,大脑如何加工知识,知识体系如何建立,知识如何生成输出,从记忆到知识的内化过程。

本书直面市面上对认知的吹捧和对知识的无视,并且不打算打圆场搞调和。知识与认知的关系,在本书中很清晰:高级的思考方式和深层次的认知能力,必须以扎实的知识基础作为支撑。忽视知识学习而只追求抽象的“高级认知”,一定会导致思维的“脱实向虚”。

是的,很多的“认知升级”,本质上往往是思维的脱实向虚。

聪明与记忆力:被颠倒的因果关系

经常遇到这样的观点:某某人”很聪明“,”记忆力强“,”脑子好“,所以,他词汇量很大,知识积累多。

真的是这样吗?到底是”因为记忆力好所以词汇量大“,还是”因为词汇量大所以记忆力好“?关键在于因果,因果才是关键。这简直就是学习版的「鸡生蛋蛋生鸡」问题。哪个是因?哪个是果?

在我看来,结论是清晰的:先有蛋,后有鸡[^从生命演化的角度如此,爬行动物就开始下单,而鸡是鸟纲鸡形目生物,是从恐龙演化而来的]。先有知识砖块,后有强大的记忆力。因为知识砖块多,理解清晰,然后,记忆力才强大。不是因为记忆力好所以词汇量大,而是因为词汇量大,所以记忆力好。

学习改造大脑,每一次提炼知识组块的过程,都是对大脑的一次训练。而每一个知识砖块,都在修剪和重建大脑中的神经元联结。例如,acumen这个单词,深度学习这个概念,你理解和内化每一个知识砖块,都在字面意义上改造了大脑。

所以,聪明,记忆力强,脑子好,这些不是学习好的因,而是学习这个因所结出来的果。

词汇量越大的人,脑子里的知识网络更宽广,知识之网的结点(知识砖块)更多,在大量的清晰且准确的知识砖块之间建立有意义的关联自然也更容易,于是,对信息加工处理的效率和效果就更好,理解更深,新的知识也更容易存储、提取和调用,结果就表现为记忆力强,脑子好使,智商更高。

ChatGPT对人类学习的启发

我们已经生活在AGI时代。AI的发展来自人脑神经机制的启发,而我们的人类学习也能从AI原理中得到有益的启发。

AI为何如此聪明?

一大原因是AI有强大的知识图谱作为自己的知识库。以Google Brain和百度大脑为例,通过加工处理wikipedia等海量优质信息原材料,AI的知识图谱有50亿实体,5500亿事实。所谓实体,就是AI的知识表征,抽象符号,或者说概念。所谓事实,就是概念之间的关联。例如,在AI的大脑中,费曼是一个概念,诺贝尔物理学奖是一个概念,而费曼获得过诺贝尔物理学奖这就是一个事实性知识,是两个概念之间的关联。

正是因为有这样一个庞大的由知识砖块以及其间的关联所组成的AI知识库,有清晰的概念以及概念之间的丰富的关联,所以,AI的认知能力才有基础。

5岁孩子的脑子故事

不论是AI的学习还是人类的学习,不论是成年人的学习还是孩子的学习,不论是学校的学习还是终身学习,遵循的都是同一套认知科学原理。

以孩子的学习为例。小树在5岁就有一个习惯,每天晚上睡前不是爸爸妈妈给她讲一个故事,而是爸爸妈妈得听她讲一个故事,而且是她自己的“脑子故事”(在自己脑子里编的故事)。这个脑子故事,很好的展示了学习在编码环节的认知原理。 这个脑子故事,有6个season,每季有10集,每集大概要讲30到45分钟; 60集,汇聚成一个庞大的故事,有自己的背景,自己的人物,人物的年龄,职业,住的房子,有丰富的细节。 这个脑子故事,不是一夜之间冒出来的,而是她从3岁开始在脑子里编的。之前,脑子故事只是她睡前的自娱自乐,上床睡觉的时候身体躺在床上,但是脑子没法停下来,于是自己给自己讲故事,自己把自己哄睡; 后来,不但是睡前讲,即使是白天,如果有空闲,这个小孩就走来走去,口中念念有词,带着快乐而专注的神情,时不时爆发出哈哈傻笑,因为自己讲的脑子故事的情节太搞笑,把自己逗笑了。我带她在西安城墙上绕城走一圈,结果半路上自己给自己就讲起来了。

而长期的听故事的过程中,我发现,孩子讲的故事,不是无中生有,100%自己原创,而是把自己脑子里积累的知识砖块,在自己的小世界中重新排列组合: 脑子故事里有30个人物,dory、mantis、viper等来自电影,tintin等来自书籍,各种恐龙来自纪录片和读书; 各种故事情节,广泛借鉴了书籍、纪录片、电影、自己生活中发生和观察到的各种情节。例如tintin的历险,穿越到白垩纪恐龙时代;

所以,由此可见,虽然目前在线教育的主打广告都是「2-8岁儿童学什么?学思维,学英语」,而我的观察是,比起思维技巧,实实在在的知识学习对孩子更重要。孩子在读书、视频、生活中的观察,积累了大量的知识组块,而在大量积累的基础上,通过自己构建的过程,在组块之间建立丰富的对她有意义的关联,于是,她的学习就有了扎实的基础。

就像芒格说的一样,每天聪明一丢丢。只要我们每天费曼,坚持费曼,随着知识砖块的积累,一个人的学习和认知能力就会越来越强大,就会变得越来也聪明,记忆力也会越来越强。这才是正确的因果关系。

END -