我对学习的看法

学习本质上是一种乐趣

乐趣的本质

要说乐趣的本质，我认为是对大脑的高效利用，我们根据经验对下一时刻做出预测，快速得到反馈并修正，此时就会感到充实。当大脑未被充分利用，我们就会感到无聊，当我们大脑过载或接受不到有效的反馈，我们就会感受到挫败，当我们找到一个适合我们自己的平衡点时，乐趣就产生了。

学习为什么痛苦

很多人认为学习是一件痛苦的事情，对于这部分的感受，往往来自中学时代的应试教育。回想一下高中时代，学习这个词往往伴随着早出晚归、做不完的五年高考三年模拟、赶不走的困倦、以及排名和分数带来的焦虑。

首先，他制造了极端的无聊。学习本应时主动探索的过程，但在考试和应试规则的压力下，你被剥夺了自由探索的权利。为了得到高分，你需要做的就是把标准的解题思路复刻进大脑，导致你的大脑没有被充分利用，除了无聊，剩下的就只是麻木。

其次，他制造了极端的挫败，为什么游戏好玩？因为游戏的反馈是即时的、安全的。游戏在某个节点失败了，马上重来，对操作和策略进行调整，就能快速的获得新的反馈。但高中的反馈带来的反馈是三个月后期末考试卷上一个刺眼的红叉，和班级排名的下滑（当然也会存在进步带来的乐趣反馈，但是这个过程对大多数人来说很少，并且整个反馈周期也十分漫长）。这种反馈不仅严重滞后，而且极具惩罚性。

于是我们的大脑在高频的挫败和无聊之间切换，只有较少的时间我们的大脑才会处于感受学习的乐趣的状态，在这样的环境下，长此以往，大多数人就会觉得：“学习是痛苦的”。

如何让学习有趣

影响我们感到痛苦或有趣的我认为并不来自学习本身，而是来自学习环境，在一个好的学习环境中，学习就会变得有趣。我认为好的学习环境包含以下几个要点：

• 频繁且快速切换的反馈
• 深度的专注
• 与技能相匹配的挑战
• 明确的目标
• 身体舒适

这些条件的共同目标，都是让预测-执行-反馈-纠错的循环高密度的运转，这也印证了为什么上学或者说学校教育大部分人会感觉到没有趣味（包括我）：反馈既不及时也不频繁、环境嘈杂难以专注、老师很难同时满足所有学生的技能水平，低质量的睡眠导致身体的不适

知识、技能与世界模型

我认为的学习的过程是由知识、技能、世界模型所构成的，世界模型是前两者反复组织之后涌现出来的整合层。

知识

知识主要描述是什么，他是离散的，可以被语言文字表达和记录的。比如在黑暗之魂里，你可以轻松的查找攻略，知道BOSS的弱点是“雷属性”，或者他的某个出招之后，一定是另一个固定的招式。

技能

技能所描述的是怎么做，他是连续的、难以用语言完全描述的运动或思维程序。同样以黑暗之魂举例，你在同一个BOSS面前死了几十上百次了，跑了不知道多少次三百六十五里路，通过无数次的练习，你很熟练的掌握了BOSS抬手到最高点后，下落到某个位置的那一瞬间按下翻滚键的时机感。

世界模型

知识可以在一秒内获得，但需要刻意的复习来对抗遗忘，技能无法瞬间获得，要通过重复的练习来进行固化。而世界模型则是你根据过去的经验（也就是知识和技能的积累）对万事万物进行建模。

在认知科学、心理学以及 AI 领域，世界模型是指大脑在内部建立的一个“关于外部世界运行规律的虚拟模拟器”。

世界模型的重要性在于，它让知识和技能真正“活”起来。没有世界模型，知识只是零散的碎片，技能只是机械的重复。只有当它们被编织进一个动态、可预测、可推理的模型中时，你才能够面对从未见过的具体情况，做出灵活的判断。

还是以游戏为例。在我玩黑暗之魂挑战某个BOSS 时，最初可能只是在死记招式：他抬左手要横扫，抬右手要竖劈，火属性抗性低（知识），你在反复的死亡时，通过肌肉记忆也在练习翻滚和弹反的时机（技能）。但当你真正熟悉这个 BOSS 之后，你脑海里拥有的远不止这些，你会判断我现在贪一刀会不会被他后摇取消后的追击命中，会在他出招前的一瞬间预判这一下能不能滚掉，滚完有没有输出窗口。这些并不是某一条单独的知识，也不是某一个固定动作，而是你在这个 BOSS 的战斗中逐渐建立起来的、关于这个 BOSS 行为规律的整体直觉。这就是世界模型。

再比如学习编程。你记住了 for 循环的语法（知识），也可以反复敲代码直到熟练（技能）。但当你真正理解循环是如何改变程序状态的，变量在每次迭代中如何变化。异常会在哪一步抛出之后，你才开始具备一种内在的模拟能力——你能在脑中模拟运行代码，预测结果。这种能力就是编程中的世界模型。

三者的关系

所以，世界模型是知识不断结构化、技能不断迁移之后自然涌现出来的产物。好的学习，最终目标不是记住更多，也不是练得更熟，世界模型描述的是”如果我做A，世界会变成生命状态，然后才能做B“。知识和技能给世界模型提供原材料，世界模型反过来又能加速知识的吸收和新技能的习得。

事实上，AI的训练和学习也差不多是这样的循环，人类也一样。依赖预测—纠错循环：你根据当前模型对外部世界下一刻的状态做出预测，把预测和真实反馈对比，压缩差异、修正模型。只有经过足够多的预测失败 →调整循环，碎片才会被压成可以稳定运行的模拟器。

我是如何学习的

调研

首先需要了解全局，简单来说就是了解这个主题的全局，你可以花上几个小时时间，浏览一些相关的介绍、文章、视频等，了解你要学习的主题能做什么，大致了解自己所不知道的有多少。在这一步，你只需要粗略的浏览，不需要深入掌握。

接下来，你就需要对你学习的内容进行范围的确定，你不需要了解相关领域的一切知识，掌握C#语言是不实际的，你需要一个清晰且聚焦的范围，例如：掌握如何创建一个简单的控制台程序是一个合适的范围。在这一步，你很可能会受到诱惑（我就经常受到诱惑），简单来说就是在调研的过程中，对当下主题相关联的子问题也感兴趣，从而扩张学习范围，导致范围不够聚焦。这事实上就会影响前文所说的好的学习环境中专注这一因素，所以请尽可能的保持专注，不要在意细枝末节的东西，只关心当前的主干，对于感兴趣的分支，可以做一下简单记录，之后再来探索。

定义目标

前面调研大概能清楚当下主题的学习能做到什么，接下来就是自己定位要做什么，也就是自己定义一个成功的目标。好的成功的标准应该是确定的，具体的，要列出特定的结果，不要对想要完成的任务进行含糊不清的描述。

• 坏的成功标准：学习C#的基础知识，掌握变量、循环、分支
• 好的成功标准：利用C#语言编写出一个简单的控制台图书管理程序

寻找资源

有了目标，就可以开始寻找要学习的原材料了，以下尝尝是我寻找资源的方式：

• 图书
• 博客
• 视频
• 向他人请教
• 源代码
• 示例项目
• 文档
• 与AI对话。当然，在当下的时代，在你有一个好的成功的标准下，与AI对话的学习效率是远高于其他方式的。

开始学习

针对你的目标，对资源进行筛选和学习，当然，筛选和学习这两步绝大部分情况下是同步的。当你开始学习了，那么我建议你对每一步学习的内容都只需要浅尝辄止，学习和准备适当的知识，然后就开始实践吧！这个时候就是在磨练你的技能。

但是要注意，不要准备的过多，导致太晚的行动，这种情况就会导致你的学习仅仅停留在知识层面，而无法磨练技能，甚至更严重的情况是导致最终都没有行动，学了个寂寞。相反的，不要在你准备的过少的情况下就行动，这也会导致你的学习进度难以向前推进。你需要知道取得如何准备和实践之间微妙的平衡，简单来说就是，专注于掌握自己所需的，能够在下一步实践的最小量知识

这里要强调的一个点是，一定要吸收资源的内容一边实践，大多数人会试图通过读书或观看视频来掌握某个主题。他们会提前吸收很多信息，然后再付诸实践。这一方法的问题在于，在他们读书或看视频的时候，他们并不知道哪些内容是重点，不知道哪些内容是真正需要的，这些都只会在真正实践时才会体现出来。

回到小时候，我想，父母在教会你骑自行车时，一定不是让你看遍如何正确骑车的书籍，也不是让你看别人如何骑车的视频，更不会为你讲解正确骑车的机械原理。而且直接坐上自行车，手握把手，脚踩踏板，摇摇晃晃的开始蹬起来，然后摔倒，再爬起来，持续这样的循环，直到你真正的能够让自行车平稳的向前，终于，你学会了骑自行车。很显然，提升学习某种技能最好的方式就是付诸实践

好的学习事实上是一种玩耍的过程，玩耍是有趣的，玩耍就是能够自由进行探索，就是去尝试，去验证自己的想法。一旦学习像玩耍一般，就能勾起人的好奇心和探索欲，让人主动提出更多的问题去尝试解决，通过动手验证去满足自己的好奇心

循环

不断的循环定义目标-寻找资源-开始学习这三个步骤。按照上述的最小化只是的原则动手实践后，大多数情况下你都会遇到新的问题：一些莫名其妙的报错、不理解某个语法为我们这样写、或者你发现你对循环的理解还不够深刻。刚好，这就是新的循环的起点，此时就可以以此为新的目标，开启下一轮的学习循环。在这样多次的循环下，丰富知识，磨炼技能，逐渐构建起自己的世界模型。

这个循环跑的越快，你越容易进入专注的状态，也越容易感到学习的乐趣。

输出和表达

循环解决了这样一个问题：如何持续地推进学习，世界模型在你的不断实践中被一点点构建出来了。但这个情况下我相信很多人跟我一样会出现这样的问题：我明明好像都懂，一旦说出来就逻辑不通，解释不清楚了。这是因为，当你仅仅只是在自己的大脑中想的时候，你的世界模型和可以容忍很多模糊和跳跃，但一旦需要对外输出时，这些模糊的地方就必须让其更加清晰。

一个有效的方式时，对外输出，方式也多种多样

• 将刚刚学会的东西用自己的话进行记录，或者写一篇完整的文章发布出去
• 向朋友讲解和解释，看看他能不能听懂
• 录制讲解的语音和视频，站在观众的时间看看自己的表达，或者直接发出去看看真实的反馈

前两个方式是我最常用的方式，也都是非常有用的方式，在进行输出时，无论是输出的过程，还是根据外界的反馈，我都能跟深入的发现问题，而这往往就能找到下一个循环中更有价值的目标。这整个过程简单来说就是通过外界，对你的世界模型进行纠错和迭代。