@jexchan: AI 时代,学习的能力比任何时候都更重要!通过一篇文章,把如何学习这件事和你聊清楚!
摘要
一篇关于在 AI 时代如何学会学习的长文,从认知科学出发讲解工作记忆、遗忘曲线与认知负荷,并介绍检索练习、间隔重复、交错学习等经过实证验证的学习策略及实践方法。
查看缓存全文
缓存时间: 2026/11/16 10:23
AI 时代,学习的能力比任何时候都更重要!通过一篇文章,把如何学习这件事和你聊清楚! https://t.co/4DClmTVlgk
学会如何学习
The key to surviving in an ever more rapidly changing and complex world is learning how to learn.
在瞬息万变和复杂的世界中生存的关键是学会如何学习 — KORNELL AND BJORK, 2007
前言
当知识更新得越来越快,曾经有效的经验也需要重新检验;给自己的方法留出调整的余地,愿意在新问题面前重建理解,才有可能把学习变成一种持续适应的能力。
当知识更新得越来越快,曾经有效的经验也需要重新检验;给自己的方法留出调整的余地,愿意在新问题面前重建理解,才有可能把学习变成一种持续适应的能力。
自 2022 年 11 月 ChatGPT 问世以来,人工智能领域的变化之快,前所未见,每天都有大量的新公司、新产品,甚至新的研究论文出现,毫不夸张的说,AI 领域在几个月带来的信息量,远远超过过去几年甚至十年的信息量。
在这个变化如此之快的时代,无论是对于孩子,还是成人来说,学习的能力都变得越来越重要!学会学习,是我们对抗未来不确定性的关键所在,每个人都应该成为一名终生学习者!
我之前写过一篇文章 AI时代,重新思考我们的学习和教育 ,介绍了一下自己在教育与学习方面的初步思考,并总结了一个 AI 时代的学习能力模型。
从新的学习能力模型三个层次去思考,学会如何学习,从房屋到帐篷,构建一套高适应、高敏捷度的思考与学习框架!
从新的学习能力模型三个层次去思考,学会如何学习,从房屋到帐篷,构建一套高适应、高敏捷度的思考与学习框架!
本篇文章就希望结合自己的学习和实践,把如何学习这件事说清楚(很难,先让自己更清楚)!
文章比较长,建议收藏后慢慢阅读 ~
01
不称职的学习者
花了多少时间、读过多少材料,都不能单独证明自己学会了什么;愿意把熟悉的学习习惯放到结果面前检验,承认方法可能需要改变,是对学习投入的一份负责。
花了多少时间、读过多少材料,都不能单独证明自己学会了什么;愿意把熟悉的学习习惯放到结果面前检验,承认方法可能需要改变,是对学习投入的一份负责。
回想一下,从小到大,只要读过大学的人应该都有至少超过 15 年的学校专业学习的经历吧,这个时间长度,哪怕对于人的一生来说,都不短了。
难以理解的是,在这个超长的学习阶段,我们的传统教育中却从来没有一门教授你如何学习的课程。
学习这件事太普通了,普通到大家都觉得学习是件自然而然的事,不愿意花时间去深究背后的机制。
从这一点来说,我们都不是一个尽职的学习者。
大多数人学习的方式,都是基于经验和直觉,甚至依赖于未科学验证的各种学习技巧,这些无科学依据的盲信,往往是低效甚至错误的。
本文将尝试从科学的角度,来探讨学习的本质,并介绍一些经过实证研究的学习策略,并结合自己的实践,来谈谈如何应用这些学习策略。
我会从科学的学习理论以及实践方法两个方面,为你揭开如何学习的秘密,最后附上一些常见的学习迷思(Myth),帮助大家避开学习上的一些坑。
02
学习科学基础
能顺着材料理解,不等于日后还能独立提取;给有限的注意力安排合适的任务,把新知识组织起来,并在需要时尝试调用,学习才逐渐具备离开材料后仍能使用的可能。
能顺着材料理解,不等于日后还能独立提取;给有限的注意力安排合适的任务,把新知识组织起来,并在需要时尝试调用,学习才逐渐具备离开材料后仍能使用的可能。
在开始介绍具体的学习策略之前,我们需要先理解一些关于学习的基本事实。这些发现来自多学科的研究(包括脑科学、认知科学、认知心理学等)。
1. 大脑如何学习
人类的学习可以理解为一个信息处理的过程:
信息输入 → 编码 → 存储 → 提取 → 应用
这个过程涉及两个关键的记忆系统:
工作记忆长期记忆容量有限(约4-7个单位)容量几乎无限保持时间短(秒到分钟)可以长期保持处理当前信息存储知识和技能类似电脑的内存类似硬盘
有效学习的核心目标,就是把信息从工作记忆成功转移到长期记忆中,并在需要时能够有效提取。
2. 学习的敌人:遗忘
提到学习,就不能不提遗忘。
德国心理学家赫尔曼·艾宾浩斯在19世纪发现了遗忘曲线:学遗忘是先快后慢的,在学习后最初的 24 小时,你会忘掉绝大部分学到的内容,但一天之后遗忘速率就变得平缓了。
但这并不意味着我们无法对抗遗忘。恰恰相反,理解遗忘的规律,是设计有效学习策略的基础。
3. 认知负荷:为什么同时学太多东西会崩溃
工作记忆的容量是有限的。当一次处理太多新信息时,就会出现认知过载,学习效果急剧下降。
这就是为什么:
-
一次听3小时网课不如分3次听1小时
-
一章书分多次读比一次读完效果更好
-
新手编程时,同时学多个概念容易混淆
理解认知负荷,有助于我们合理规划学习节奏和内容安排。
03
核心学习策略
练习时的顺畅感,未必能预测日后的掌握;主动提取、分散复习、辨别题型、针对弱点修正,再加入能够承受的挑战,才能让每次练习有机会改变下一次独立完成任务的能力。
练习时的顺畅感,未必能预测日后的掌握;主动提取、分散复习、辨别题型、针对弱点修正,再加入能够承受的挑战,才能让每次练习有机会改变下一次独立完成任务的能力。
现在进入正题。基于学习科学研究,我整理出了一套经过验证的核心学习策略。这些策略可能与你直觉中的好方法不同,但它们确实有效。
策略1:检索练习
检索练习(Retrieval Practice)是指不直接看材料,而是主动从记忆中提取信息的学习方法。
它可以表现为自测、回忆、默写、解释、做题、画图、问答、闪卡练习等形式。
为什么检索练习有效?
大多数人复习时喜欢反复阅读材料,看笔记、看课本、看视频。这样做会让人感觉我都懂了,因为材料就在眼前,跟着看下去很顺畅。
但问题在于:这种懂了的顺畅只是一种错觉。
当你反复阅读时,你熟悉的是材料本身,而不是知识。一旦拿走材料,你可能什么都说不上来。
检索练习则相反:
被动复习检索练习看起来很顺感觉更费力容易产生熟悉感暴露真实漏洞短期舒服长期记忆更牢输入为主输出为主
检索练习的核心机制是测试效应:测试不只是评估工具,本身也是一种学习活动。即使没有反馈,单纯从记忆中提取信息的过程,也能增强长期保持。
这里想说明一点,在自己带孩子时,我也经常给他们说,学校的考试,你把它当作是检验你对最近学习内容掌握得怎么样的一种方式就行了,目的是帮助你去改进。
如何实践检索练习
检索练习有很多种方式,下面只是其中一小部分,你可以根据自己的情况来设计,也可以利用 AI 来辅助。
-
先回忆,再查看:读完一节后,合上书,写出 3 - 5 个要点,然后再对照材料
-
用测试代替重读:把“复习笔记“改成“回答问题、做题、自测“
-
给别人讲解:尝试用自己的话把概念讲清楚
-
画知识图:不看材料,画出知识结构图
-
预测答案:做题前先预测答案,再对照验证
读书或文章,我自己有一个简单的实践方法:读完后,问自己三个问题:
-
这篇文章/章节的核心观点是什么?
-
我能用自己的话复述出来吗?
-
我能举出一个相关的例子吗?
策略2:间隔重复
间隔重复(Spaced Repetition)是指将学习分散到一段时间内,通过渐进间隔安排复习, 对抗遗忘曲线,帮助知识进入长期记忆。
为什么要间隔?
一次性学完就扔一边,很快就会遗忘。但如果在快要遗忘的时候再次学习,记忆会得到强化,下次遗忘的速度就会变慢。
这就是间隔重复的核心原理:在遗忘前后多次主动提取。
如何确定隔多久复习? 刚开始,可以采用一些非常简单的算法和实践方式。
比如,我之前在文章 如何记住任何东西?基于间隔重复的学习实践 中写到的如何利用莱特纳盒子和纸质间隔重复算法表来实现。
如何实践间隔重复
-
使用闪卡工具:Anki、Quizlet等工具可以自动管理复习间隔
-
利用碎片时间:等车、排队时都可以用来做快速复习
-
利用 AI:帮助安排复习内容和时间间隔
策略3:交错学习
交错学习(Interleaving)是把不同类型的内容、题型或技能混合安排在一起练习,而不是长时间只练同一种内容。 你也可以理解为内容上的间隔。
为什么交错学习有效
假设你要学习三种题型:A、B、C。
集中练习的方式是:AAA BBB CCC,先做一堆A题,再做一堆B题,最后做一堆C题。
交错学习的方式是:ABC BCA CAB ABC,把三种题型混合练习。
集中练习时,你已经知道这批题都是A类型,所以不需要思考该用什么方法,直接套公式就行。但交错练习时,每道题都需要你先判断:“这道题属于哪一类?应该用什么方法?”
集中练习交错学习一次只练一种题混合多种题型短期表现提升快练习时更容易出错容易依赖题型提示需要主动判断策略迁移能力较弱迁移能力更强
交错学习训练的是识别何时使用什么方法,而不只是重复执行某个方法。
如何实践交错学习
-
混合题型:做数学题时,把不同章节的题目混在一起
-
混合技能:学编程时,把不同算法的题目混合练习
-
混合概念:复习时,不要一次只看一个主题,而是多个主题交叉
-
先判断再求解:每道题先问自己:这是什么类型的题?应该用什么方法?
策略4:刻意练习
刻意练习(Deliberate Practice)是指有目标、有反馈、有针对性地改进弱点的练习方法。
它的核心理念来自心理学家安德斯·艾利克森对专家表现的研究。
刻意练习的要素
刻意练习不同于简单的重复练习,它包含以下要素:
-
明确的目标:知道自己要提升什么具体能力
-
即时反馈:知道自己哪里做错了,哪里需要改进
-
走出舒适区:练习的内容有一定挑战性,不能太简单
-
高度专注:练习时需要集中注意力
-
重复改进:针对弱点反复练习直到掌握
普通练习 vs 刻意练习
普通练习刻意练习重复已掌握的内容专注于未掌握的部分没有明确目标有具体改进目标缺乏有效反馈有及时准确的反馈待在舒适区不断挑战舒适区边缘机械重复每次都有意识改进
如何实践刻意练习
-
分解技能:把要学习的内容分解成小的、可操作的技能点
-
找到弱点:通过测试和反馈找到自己的薄弱环节
-
针对性训练:针对弱点进行集中训练
-
获得反馈:找老师、同学或使用工具来获得反馈
-
持续改进:根据反馈不断调整练习方法
关于可以练习,推荐理论提出者艾利克森的一本书《刻意练习》。
策略5:必要难度
必要难度(Desirable Difficulty)是指学习中适度的困难能增强保持与迁移。
这个概念来自认知科学家 Robert Bjork 的研究。
为什么困难是好事
直觉上,我们希望学习越顺越好。但研究发现,太顺畅的学习往往效果不好。
比如:
-
反复阅读很顺,但记住的不多
-
集中练习很顺,但迁移能力差
-
被动听讲很顺,但不会应用
相反,一些让人感觉困难的学习方式反而更有效:
-
主动回忆时想不起来(但能暴露漏洞)
-
交错练习时总做错(但能训练判断力)
-
延迟反馈时不能立即知道答案(但能促进思考)
这种困难之所以必要,是因为它们迫使大脑进行深度加工,而不是停留在表面的熟悉感。
如何利用必要难度
-
接受学习中的不适感:困难不等于无效,有时困难说明学习正在发生
-
不要追求即时顺畅:太顺畅的学习可能只是在制造熟悉感
-
主动增加难度:在掌握基础后,尝试更难的练习
-
容忍暂时的倒退:新方法一开始可能不如旧方法顺手,但长期效果更好
如何判断难度适合,一个简单的方法是:要学的东西,你努力跳一跳,够得着。如果站着就够得着,太简单了,学不到新东西;努力跳也够不着,太难了,容易受打击放弃。
04
AI 时代的学习实践
得到答案的速度越来越快,理解仍需要自己参与;让 AI 提问、举例和指出漏洞,把复述、判断与应用留在自己的练习中,工具给出的帮助才有机会转化为离开工具后仍能使用的能力。
得到答案的速度越来越快,理解仍需要自己参与;让 AI 提问、举例和指出漏洞,把复述、判断与应用留在自己的练习中,工具给出的帮助才有机会转化为离开工具后仍能使用的能力。
理解了核心学习策略后,我们来看看如何在 AI 时代应用这些策略。AI 不是要替代我们的学习,而是可以成为强大的学习助手,出现在学习过程的多个环节。
下面按阶段梳理了一下我自己的一些实践方式, 每一块都可以借助 AI,你可以使用提示词,也可以沉淀成技能 ,为了节省篇幅,我就没有举具体的使用 AI 的例子了
1. 输入阶段:快速建立理解
-
用 AI 解释难点:遇到难以理解的概念,可以让 AI 用不同的方式解释
-
生成类比和例子:让 AI 举出更多例子,帮助建立直觉
-
建立知识框架:让 AI 帮助梳理知识结构和关系
2. 编码阶段:深化理解
-
用自己的话复述:把理解的内容讲给 AI 听,让它指出问题
-
生成思维导图:让 AI 帮助生成知识图谱,可视化理解
-
多角度理解:让 AI 从不同角度解释同一概念
3. 提取阶段:检验掌握
-
出题测试:让 AI 根据学习内容出题,检验理解程度
-
苏格拉底式对话:让 AI 通过提问引导思考
-
解释练习:尝试教会 AI 一个概念,这本身就是最好的提取练习
4. 应用阶段:迁移与实践
-
生成练习题:让 AI 生成不同难度和类型的练习题
-
模拟场景:让 AI 模拟真实应用场景
-
代码审查:对于编程学习,让 AI 审查代码并给出改进建议
AI 时代的学习新范式
AI 时代的学习,可以从以下几个方向思考:
1. 从记忆知识到调用知识
在 AI 时代,单纯记忆事实性知识的价值降低了。更重要的是:
-
知道去哪里找知识
-
理解知识之间的关系
-
知道如何应用知识解决问题
2. 从标准化学习到个性化学习
AI 可以根据每个学习者的具体情况:
-
生成适合当前水平的内容
-
针对性推荐练习
-
提供即时反馈
-
调整学习节奏
3. 从被动接收到主动建构
AI 不再只是知识的传递者,而是可以成为:
-
思考的伙伴
-
反馈的提供者
-
练习的设计者
-
创造的辅助者
05
常见的学习误区
偏好、时长和熟悉感,都只是学习过程中的线索;一种方法是否适合,还要看经过一段时间后,能否独立回忆、分辨问题并实际使用,愿意检验这些结果,才能逐步修正对学习的误判。
偏好、时长和熟悉感,都只是学习过程中的线索;一种方法是否适合,还要看经过一段时间后,能否独立回忆、分辨问题并实际使用,愿意检验这些结果,才能逐步修正对学习的误判。
最后,让我们来破除一些关于学习的常见误区。这些迷思(Myths)广泛传播,但科学证据表明它们是错误的。
误区1:学习风格
迷思:每个人都有自己的学习风格,有的人是视觉型,有的是听觉型,有的是动觉型,应该按照自己的风格来学习。
事实:大量的研究发现,所谓的学习风格理论没有科学依据。虽然每个人有偏好,但按照偏好学习并不会带来更好的效果。
更好的做法是:根据学习内容选择最合适的方法。
-
学几何?多看图画图
-
学语言?多听多说
-
学技能?多动手实践
误区2:多任务学习
迷思:可以同时做多件事,提高学习效率。
事实:多任务实际上是快速切换,每次切换都有认知成本。研究表明,多任务学习会降低学习效果和记忆质量。
更好的做法是:一次专注一件事,深度学习后再切换。
误区3:反复阅读
迷思:反复阅读材料是学习的好方法。
事实:反复阅读会产生我都懂了的错觉,但实际掌握程度很低。
更好的做法是:用主动回忆替代反复阅读,先尝试回忆,再查看材料。
误区4:集中练习(临时抱佛脚)
迷思:考试前集中突击是有效的学习方式。
事实:集中练习确实能带来短期提升,但遗忘很快,而且不利于长期保持和迁移。
更好的做法是:分散学习时间,间隔重复。
误区5:天赋决定论
迷思:学习好坏主要由天赋决定。
事实:虽然天赋存在,但科学研究表明,正确的方法比天赋更重要。刻意练习研究显示,通过正确的方法,大多数人都能达到很高的水平。
更好的做法是:关注学习方法而不是抱怨天赋,用科学的方法持续改进。
误区6:1万小时定律
迷思:任何技能练习1万小时就能成为专家。
事实:这是对艾利克森研究的误读。单纯的重复积累不够,练习的质量更重要。错误的练习方式,10万小时也不会成为专家。
更好的做法是:关注练习质量而不是单纯的时间积累,用刻意练习的方式改进。
06
构建你的学习系统
把目标、复习、应用和反馈安排进日常,学习就有了可以反复执行的过程;每次卡住都能找到下一步,每次结果都能改进下一轮,长期积累便多了一份可依靠的具体安排。
把目标、复习、应用和反馈安排进日常,学习就有了可以反复执行的过程;每次卡住都能找到下一步,每次结果都能改进下一轮,长期积累便多了一份可依靠的具体安排。
理解了学习科学的核心策略,知道如何利用 AI,也避开了常见误区,现在可以开始构建自己的学习系统了。
一个有效的学习系统应该包含以下环节:
-
目标设定:明确要学什么,为什么学
-
输入与理解:建立初始理解
-
主动编码:用自己的话重新组织
-
提取练习:通过回忆和测试检验掌握
-
间隔巩固:安排复习,对抗遗忘
-
应用迁移:在实际场景中使用
-
反馈改进:根据结果调整学习方法
学习系统的核心原则
我在设计自己的学习系统时,顺便梳理出了一些指导性的原则。
原则1:输出是学习的一部分
不要把输出看作学习之后的附属品。输出本身就是学习:
-
写作是思考
-
讲解是理解
-
教是最好的学
原则2:困难是好事
不要简单追求学习过程的顺畅感。适度的困难才说明学习在发生:
-
主动回忆时的卡顿
-
交错练习时的混淆
-
解决问题时的思考
原则3:反馈至关重要
没有反馈的练习是在重复错误。确保学习过程中有有效的反馈机制:
-
即时反馈(AI、工具)
-
延迟反馈(作业、考试)
-
自我反馈(对照标准检查)
原则4:系统优于意志力
不要依赖坚持和自律。设计好的系统,让好学习自然发生:
-
固定学习时间和地点
-
使用工具自动提醒复习
-
把学习变成习惯而非任务
07
结语
学会学习,始于一次具体的尝试:合上材料,讲清一个概念,完成一道新题,再根据结果调整方法;不用等所有准备都齐全,让今天的一次练习,为下一次学习留下可以沿用的经验。
学会学习,始于一次具体的尝试:合上材料,讲清一个概念,完成一道新题,再根据结果调整方法;不用等所有准备都齐全,让今天的一次练习,为下一次学习留下可以沿用的经验。
AI 时代,学习的能力比任何时候都更重要。
好消息是,学习本身是可以学习的。通过理解学习科学的研究成果,应用经过验证的学习策略,利用 AI 工具作为辅助,我们每个人都可以成为更有效的学习者。
希望这篇文章能够帮助你:
-
理解学习的科学原理
-
掌握核心学习策略
-
避开常见学习误区
-
开始构建自己的学习系统
[全文完]
相似文章
@jinchenma_ai: 我觉得,当下学习 AI,一个非常重要的思路是:一定要利用 AI 给自己做一个贴身教练。 现在很多人都会尝试用 AI 帮自己完成工作,或者解答一些问题。但更进一步,我们还可以利用 AI 反过来观察自己,挖掘更多关于自身成长的价值。 我们长期…
作者提出利用 AI 作为贴身教练,通过定期复盘与 AI 的交互来发现自身认知盲点和优势,实现持续成长。
@10xmylife: 今天学习到一个概念,“认知投降” 指的是一遇到问题就放弃思考,转而询问 AI 过去学习过程中,我们经常会遇到问题,此时需要结合手上的工具和知识,想办法去解决,最后获得经验 这在成长过程中是不可或缺的 但是 AI 的出现改变了这一切,我们跳…
这篇文章讨论了'认知投降'的概念,指人们在遇到问题时放弃思考而依赖AI,这可能让他们错过积累经验的机会。
@Fenng: AI 小王子们又震惊了…… 这问题一直都存在,直接用「作业帮」等题库搜题(这类工具已经过渡为 AI ),把思考让渡给工具,自身能力下降是必然结果,有什么值得奇怪的。
这篇推文讨论了一项关于学生使用AI辅助作业的研究,指出虽然短期成绩提升,但长期考试成绩下降,引发对AI在教育中角色的思考。
@Aoyi21: https://x.com/Aoyi21/status/2064975015200829457
本文提出学习AI最高性价比的方式是拆解别人的Skill,通过分析其任务定义、触发条件、操作步骤、禁止项和验收标准,从而学习高手如何思考和训练AI,而不只是简单使用工具。
@Moting284: https://x.com/Moting284/status/2067477785782972901
这篇文章详细介绍了如何用 AI 工具 Codex 按章节阅读难书,通过读前问题、复述补漏、应用问题和章节卡片四个步骤,提升理解和记忆效果,并提供了完整提示词模板。