《深度学习的技术》:「速读术学习」可能是浪费时间?


发布于: 2020-06-10

作者:ROXAS 杨大辉

要获得解决问题的能力,你首先得理解问题;要获得运用知识的能力,你首先得理解知识;有了深度的理解,才能找到问题的本质;有了深层的理解,才能对问题提出深刻的答案。

理解力是和办事能力直接挂钩的,能够很好地理解问题,并且运用知识解决问题,几乎是每个职业的起码条件。

但每个人的理解力是不对等的,有些人能轻易地对知识达到深层的理解,而有些人无论重複多少次一样的知识,依然只能做到浅显的理解。而正是理解知识的程度不同,直接造成了人与人在能力上的差异。

但是,怎样才能提升自己的理解力呢?怎样才能理解力最大化呢?

这一问题并没有简单的答案,具体来说,这一问题的答案至少有五个:

理解力最大化的条件有五个。

条件一:理解的相邻可能

认知心理学家基思.斯坦诺维奇(Keith Stanovich)的研究表明,人类的阅读能力也普遍存在马太效应(Matthew effect)。马太效应原指的是「贫者愈贫,富者愈富」的现象,人类的阅读能力也是如此——少阅读的人阅读能力低,但阅读量越大的人,阅读的速度就越快,理解内容的能力也同样会更好更快。

斯坦诺维奇解释道,这现象背后的原因,是因为大量阅读的个体会有更大的词彙量、更熟悉各个词彙的区别与含义。这能够降低个体在阅读时的认知负担,当个体能轻易提取词彙的意思时,就会有更多冗余的工作记忆(working memory)容量来加工文字背后的抽象概念,进而促进了理解力(我们在后面还会提到工作记忆和理解力的关係)。而且认知负担的降低也意味着阅读会变得更有趣,而不是更累,个体也就更可能读更多的书。

我认为,阅读的马太效应还有第二个原因,那就是相邻可能(adjacent possible)。

相邻可能由生物学家斯图亚特.考夫曼(Stuart Kauffman)提出,简略来说,相邻可能的含义有二。

其一,生物的演化必然是发生在相邻可能範围之内。例如,原始细胞可能会演化成高等一些的细胞,但不会在一夜之间演化出人类。

其二,生物每一次演变都会打开新的相邻可能。例如,原始细胞演化成高等一些的细胞后,又能再演化出更高等更多功能的细胞,慢慢的只要给予足够长的时间,比如说几十亿年,就可能会演化成各种动物,包括人类。

着名作家史蒂芬.强森(Steven Johnson)在《伟大创意的诞生》里形象地比喻了相邻可能,他形容:

相邻可能有一种奇异的美,因为一旦对它的边界进行新的探索,之前的边界就会重新扩展。新的组合变化为另一些变化,提供了进入可能空间的钥匙。就好像是一座施了魔法的房子,你每打开一扇门,都会发现一些新的、别有洞天式的美景。

最初,你来到一个有四扇门的房间,每一扇门都通往一个新的房间,每个房间都是你之前没有踏足过的。这最近的四个房间可以比作「相邻可能」。然后,当你打开了其中任何一扇门,你便来到了另一个新的房间。这个房间的另三扇门又通往了三个不同的新房间,并且这三个新房间在你推开最初的一扇门之前,即你站在起点时是完全不可能靠近的。

如果你不停地推开眼前的新门,最终你就可以走遍一座宫殿。

相邻可能这一概念也可以用来比喻人的理解力,我们理解事物的过程并不是一蹴而成的。

显而易见的,你可以轻易理解「我喜欢猫咪」这一句子,但如果这一句子是用你不懂的语言来表达(例如,泰米尔语的「我喜欢猫咪」写作நான் பூனைகள் போல),你就不可能立刻理解它的意思。你清楚的知道,你理解「我喜欢猫咪」这一句子是建立在你懂得中文的前提之上的。

同理,一个知识点能否被你所理解,除了语言的因素之外,最重要的因素就是你是否具备了「前提知识」。举个例子,假设你从未学过任何医学术语,也不了解医学的基本知识,这时让你尝试阅读医学论文的话会发生什幺事呢?

你会发现你无法理解论文在写什幺,你不知道里面提到的「高锰酸钾液坐浴」到底是什幺,哪怕这里面写的都是中文字。

这例子很好地带出了两点。首先,要达到一个领域、学科的深处的知识,你必须递进的理解。要理解第三层知识,你必须先理解第二层知识;要理解第二层知识,你必须了解第一层知识。这是理解一个知识的硬性条件。

另外,这也暗示着,理解力的强大是透过累积更多的词彙、知识、概念和规律发展出来的。你的词彙量、知识量越大,懂得的概念越多,你能够轻鬆理解的知识就越多,因为你可以理解的相邻可能得到扩展了。

从这个角度来看,使用速读术学习无疑是浪费时间和精力的,因为加快、加深理解知识的基本条件,是获得更多的知识。增进阅读速度的基本条件,是你对该领域到底有多熟悉,理解有多深刻。

想像一个有速读经验的学习者,他虽然擅于速读,但他从未接触过医学领域的知识。这时,若你让他看一篇医学论文,他可能很快就可以看完,他甚至还可以记住一两段文字。但无论他花费多大的力气,他都不可能会明白这一篇论文,因为里面的医学术语指的是什幺,说的是什幺,他一窍不通。

如果他不具备前提知识,如果他本来就没仔细读过关于医学的书籍,那幺那些一目十行的表面功夫是无法为他带来什幺好处的。

但如果换作是一个医生来阅读这篇论文,哪怕这位医生不曾学习过任何速读法,他也能流畅阅读整篇论文,理解里面的知识点。他读的速度可能不快,但每一句话他都读得明白,他只要读一遍就能比前面那位理解得好,更快。

速读这东西,只要你是在自身已经熟悉的领域,它就会自然地发生。

那幺,如果这位医生也讲求速度,强行把自己的阅读速度加快的话呢?

那幺他也有可能会犯下理解错误,因为速读法就是用準确率换取速度的阅读方式。你越是强迫自己加速,理解出错的可能性越高。这是一个很公平的买卖。

话说回来,相邻可能告诉我们,要打开知识深处的第十扇门之前,我们得先通过前面的九扇门,相邻可能描述的是一种限制,而这产生了两个问题:

第一个问题是:相邻可能是不是告诉我们什幺都必须从低学起呢?

这问题的对错各一半。对的地方就在于,我们的确需要一些基本知识,才可以理解更深的知识;错的地方在于,我们其实只需要一定的基本知识,而不是全部基本知识。

正如你不用把英文字典看到滚瓜烂熟才可以用英文交谈一样。你只需要达到一定程度,学会了一些英文单词(而不是全部基本),你就可以开始强迫自己进阶,挑战以英文会话了。

又以学习画画为例,你未必需要理解所有的色彩知识才能画得出一幅好画。你只需要稍微懂得怎样用色,再加上适当的磨练,就足以画出一幅不错的画了。

儘管理解所有的色彩知识无疑能对你的作品会有帮助,但你不用死板地「按部就班」,强迫自己先学会所有的基本功,然后才进阶。

换言之,你只需要打开相连的门就可以到达深处,而无需打开所有第一层的门才前往第二层。

要知道,现实生活中的学习,往往是在你学习进阶知识的过程中,才得以磨练好基本功,才能对基本功产生更好的理解,而不是反过来。

相邻可能带来的第二个问题是:是不是只要一个人来到第十扇门面前,他就一定可以打开第十扇门呢?

换个说法,是不是只要某人具备了充分的前提知识,就一定能完全理解任何相邻可能之内的知识呢?

非也。

相关书摘 ►《深度学习的技术》:从「专注模式」切换到「发散模式」

书籍介绍

《深度学习的技术》,4THINK出版

目前只有电子书,本电子书提供 EPUB、MOBI、PDF 三种格式

作者:ROXAS 杨大辉

如果让我从自身的学习经验中,归纳出最重要的两个心得的话,那会是以下:

    学习如果不够深,那就不会产生特别有价值的知识与想法。学习方式不对,那是浪费金钱与时间,或浪费许多金钱与时间。

这两个结论看起来不过是常识,对吗?但这结论背后其实隐藏着以下逻辑:

    学习不够深,是平庸之人始终平庸的原因。学习足够深,是高手能产生大量有价值的知识与想法的原因。学习方式不对,是那些勤奋学习的人,却成长得慢于他人的原因。学习方式用对,是那些比较懒的人,能成长得快于勤奋、 努力的人的原因。

我想,多数人都能认同「付出多少,获得多少」,这当然没有错 ,不过现实比这单一逻辑複杂一些:

除盲目努力之外,主动调整学习的深浅和方式才能把收穫放到最大,甚至可以做到数倍的增量。而如果将这种倍增的收穫放到一个人的一生或事业来说,那是会产生明显实际的改变地。

毕竟, 学习的收穫多少,决定着成长的速度多少。

其实,有许多人已经意识到这一点,但是具体到要如何去执行, 则还是一门鲜少人知的技术活:

如何主动的开拓自己的知识、技能深度?什幺学习方式能让自己 最快速的掌握一门学问?如何才能用最少的付出,换取最大的个人成长?从菜鸟到成为大师高手需要什幺?

《深度学习的技术》:「速读术学习」可能是浪费时间?



上一篇: 下一篇:

图文资讯

Adobe 发表两款Photoshop CS3 上市计划

Adobe 发表两款Photoshop CS3 上市计划

Adobe发表两款Photoshop CS3最新版产品上市计划Adobe Photoshop CS3 Extended崭新登场 奥多比开创数位影像新极限【20

Adobe 发表多重萤幕电视平台方案 Primetime 和数据管理平台Audience Manager

Adobe 发表多重萤幕电视平台方案 Primetime 和数据管理平台Audience Manager

Adobe 在美国召开2015年度数位行销高峰会,展出Adobe Marketing Cloud的多项创新成果。座无虚席的高峰会上,发布重点包括介绍行动行销与a

Adobe 宣布与上奇科技在香港、澳门及台湾建立全新伙伴关係

Adobe 宣布与上奇科技在香港、澳门及台湾建立全新伙伴关係

Adobe宣布与上奇科技合作,做为香港、澳门、台湾等地单一代理商(Non-Exclusive Single Distributor),以帮助推动Adobe适用于

随机推荐