10 個底層思維模型，幫設計師高效學習！

編者按：對于我們中的絕大多數人而言，學習新知識是一件通常比較痛苦、有一定概率能收獲快樂的事情。但是更多的情況是，我們一直在學習，少有時間停下來思考「如何學習」。這篇不是太舊的文章在 Medium 上收獲了 1.5萬贊（在那邊算是很高的點贊量了），Scott H. Young 總結梳理了關于「學習」本身的 10 個底層的思維模型/框架，有些認知和我們通常習慣的認知有一定的差異，也許對你會有不少啟發。

其實我們通常所說的心理模型是一種通用概念，可用于解釋許多不同的現象。經濟學中的供求關系、生物學中的自然選擇、計算機科學中的遞歸或數學中的歸納證明——只要你知道去尋找，這些模型無處不在。

正如了解供給和需求有助于你推理經濟問題一樣，了解學習的心理模型將使思考學習問題變得更容易。

不幸的是，學習很少單獨作為一門課程來教授——這意味著大多數這些思維模型只有專家才知道。在這篇文章中，我想分享對我影響最大的十個模型，以及一些參考資料，以便如果你想了解更多。

1. 解決問題的方法就是搜索

赫伯特·西蒙和艾倫·紐厄爾以他們的里程碑式著作《人類問題解決》開創了問題解決這個主題的研究。在書中，他們認為人們通過搜索和構建問題空間來解決問題。

問題空間就像迷宮：你知道你現在在哪里，你知道你是否已經到達出口，但你不知道如何到達那里。一路上，你的行動受到迷宮墻壁的限制。

問題空間也可以是抽象的。例如，解開魔方，這意味著要穿越一個由大量有待還原的小方塊組成的問題空間 — — 被打亂得亂七八糟的魔方是迷宮起點，每種顏色小方塊被逐一分配到不同的面則是是出口，而魔方的結構限制則定義了問題空間的「墻壁」。

現實生活中的問題通常比迷宮或魔方更復雜——起始狀態、結束狀態和確切的移動通常并不明確。但在可能性空間中探索，仍然很好地描述了人們在解決不熟悉的問題時所做的事情——這意味著，當他們還沒有一種方法或經驗可以直接引導他們找到答案時，可以選擇這種方式。

這個模型的含義是，如果沒有先驗知識，大多數問題都很難直接解決。魔方有超過 43 千萬億種組合——如果你不夠聰明的話，你在這個龐大的可能性空間中尋求答案會很累。學習是獲取事物運作模式和解決方法，以減少強力搜索的有效過程。

2.記憶通過檢索得到加強

檢索知識比再次看到某樣東西更能增強記憶力。事實上，測試是研究人員發現的最好的學習技巧之一。

為什么測試和檢索如此有用？一種理解方式是，大腦通過只記住那些可能有用的東西來節省精力。如果你總是手邊就有答案，就沒有必要把它刻錄到記憶中。相反，測試和檢索時感到困難，是一個強烈的信號，表明你需要記住它。

只有當有東西可以被檢索時，測試才會起作用。這就是為什么我們需要書籍、老師和課程，因為當記憶失效時，我們會竭盡全力在大腦中去搜索答案，但是由于問題空間有大小差異，面對復雜問題的時候，這種方法可能完全無法給我們提供正確的答案。然而，一旦我們看到過答案，通過再次通過記憶檢索它，我們學到的知識就會比反復瀏覽查看它來的更加穩固。

3.知識會呈指數級增長

你能學到多少取決于你已經知道了什么。研究發現，通過閱讀文本你能夠汲取的知識量，取決于對該主題下的你所積累的先驗知識。在某些情況下，先驗知識的影響甚至可能超過一般智力的范疇。

當你學習新知識時，你會將它們融入你已經知道的知識中。這種整合為你以后回憶這些信息提供了更多的線索。然而，當你對某個主題知之甚少時，新信息可供結合的線索就很少了。這會使信息更容易被遺忘。就像從種子和結晶體一樣，一旦打下了基礎就有了成長的底子，未來的學習就會容易得多。

當然，這個過程是有限制的，否則知識的增長速度會無限加快。不過，最好還是記住這一點，因為學習的早期階段往往是最困難的，而且可能會讓人誤以為某個領域截下來推進的難度很大。

4.創造力大多來源于模仿

很少有東西像創造力一樣被深刻誤解。我們傾向于賦予有創造力的人一種近乎神奇的特質，但創造力在實踐中卻顯得要平凡得多。

在一篇令人印象深刻的文章中，馬特·里德利 (Matt Ridley) 認為，創新源自不斷演進的過程。新發明并非一蹴而就，而是舊理念的隨機變異之后的結果。當這些理念被證明有用時，它們就會擴展，并且填補新的空白。

這種觀點的證據來自近乎同時發生的創新現象。歷史上曾多次出現多個互不相干的人開發出同一項創新，這表明這些發明在被發現之前，在某種程度上，這些發明/發現本來就存在于可能性空間中的「臨近的地方」。

即使在美術領域，復制的重要性也被忽視了。是的，許多藝術革命都是對過去趨勢的明確拒絕。但革命者本身幾乎無一例外地，沉浸在他們所反抗的傳統之中。反抗任何傳統都需要意識到這種傳統本身的存在。

5.技能是非常具體的

通常「遷移」是指一項能力通過后，另一項能力也得??到相應提高。在遷移研究中，出現了一種典型的模式：

• 對一項任務進行練習可以讓你做得更好。
• 一項任務的練習有助于完成類似的任務（通常是程序性或知識重疊的任務）。
• 專注于一項任務的練習，對于不相關的任務幫助不大，即使它們似乎需要同樣廣泛的能力，如「記憶力」、「批判性思維」和「智力」。

我們很難對「遷移」做出準確的預測，因為它們取決于對人類思維的確切運作方式，和所有知識結構的了解。然而，在更垂直的領域，約翰·安德森發現，知識內部的因果邏輯，與在智力技能中所涉及到的「遷移量」是比較吻合的。

雖然技能可能很具體，但廣度決定了泛用性。例如，學習外語中的單詞只有在使用或聽到該單詞時才有用。但如果你知道很多單詞，你就可以表達很多不同的東西。

同樣，了解一個概念可能無關緊要，但掌握多個概念可以帶來巨大的力量。每多接受一年教育，智商就會提高1-5 分，部分原因是學校教授的知識廣度與現實生活（和智力測試）所需的知識廣度重疊。

如果你想變得更聰明，沒有捷徑可走——你必須學習很多東西，反之亦然。學習很多東西會讓你比你想象的更聰明。

6. 思維帶寬極其有限

我們一次只能記住幾件事。喬治·米勒最初將這個數字定為 7±2 。但最近的研究表明，這個數字更接近 4 。

這個極其狹窄的空間，是所有學習、每個想法、記憶和經驗必須面對的「瓶頸」，如果要讓它們成為我們長期經驗的一部分的話，如何有效利用我們的思維帶寬，就非常重要了。如果你不能精準靈活地控制自己的注意力，你就學不到東西。

提高學習效率的主要方法是確保流經「瓶頸」的東西是有用的。將帶寬用于不相關的元素可能會減慢我們學習吸收的速度。

自 1980 年代以來，「認知負荷」理論就已被用來解釋，心理帶寬是是如何影響和限制我們學習的。這項研究發現：

• 解決問題對初學者來說可能適得其反。如果向初學者展示可行的示例（解決方案），他們可能會做得更好。
• 給初學者的內容，在設計上應避免需要翻閱頁面、或者查閱圖表來輔助理解。
• 冗余的信息會阻礙學習。
• 如果先分部分呈現復雜的想法，則可以更容易地學習。

7.成功是最好的老師

我們從成功中學到的東西比失敗多。原因是問題空間通常很大，而且大多數解決方案都是錯誤的。知道什么有效可以大大收束可能性，而經歷失敗只會告訴你一種特定的策略是行不通的。

根據研究，一個好的規則，是學習時將成功率定為大約85% 。你可以通過調整練習的難度（開卷或閉卷、有無導師、簡單或復雜問題），或在低于此門檻時，提供額外的培訓和幫助，來實現這一成功率。如果您的成功率超過了這個門檻，那么你可能沒有找到足夠難的問題，或者說你是在進行常規練習而不是學習新技能。

8.我們通過案例進行推理

人們如何進行邏輯思考是一個古老的謎題。自康德以來，我們就知道邏輯不能從經驗中獲得。無論如何，我們要么是已經知道邏輯規則，要么不合邏輯的頭腦就不可能發明邏輯。但是，為什么我們知道了邏輯，又仍然會在邏輯問題上犯錯呢？

1983 年，菲利普·約翰遜-萊爾德 (Philip Johnson-Laird)提出了一個答案：我們通過構建情境心智模型進行來進行推理。

為了檢驗「所有人都會死。蘇格拉底是人。因此，蘇格拉底會死」這樣的三段論，我們想象一群人，他們都是會死的，并想象蘇格拉底是其中之一。通過這種檢驗，我們推斷出三段論是正確的。

約翰遜-萊爾德認為，這種基于心智模型的推理，也解釋了我們的身為人的邏輯缺陷。理解復雜的邏輯陳述，需要我們同時調用多個心智模型，需要構建和調用的模型越多，我們犯錯的可能性就越大。

丹尼爾·卡尼曼和阿莫斯·特沃斯基的相關研究表明，這種基于情境案例的推理，會導致我們將更容易被回憶起的案例，誤認為是實際發生概率更高的案例。例如，我們可能會認為K開頭的單詞（K _ _ _） 的單詞，比中間有K的單詞（ _ _ K _ ) 更多，因為第一類的例子（例如 KITE、KALE、KILL）比第二類的例子（例如 TAKE、BIKE、NUKE）更容易想到。然而實際的情況并非如此。

通過案例進行推理有幾個含義：

• 通過案例而不是抽象描述來學習通常更快。
• 為了學會并理解常規的模式，我們需要很多例子。
• 我們必須小心謹慎，不要僅根據幾個例子就做出廣泛的推斷。（你確定你已經考慮了所有可能的情況嗎？）

9. 知識隨著經驗的積累而變得無形

技能通過練習變得越來越自動化。這降低了我們對技能的感知，使得它不需要我們寶貴的工作記憶容量來執行。想想開車：一開始，學習使用轉向燈和剎車是痛苦的刻意訓練，而經過多年的駕駛，你幾乎不會動腦子去想這兩個操作，它們被內化為下意識的行為。

然而，技能自動化程度的提高也有缺點。其中之一就是，向別人傳授技能變得更加困難。當知識成為隱性知識時，就更難明確說明你如何做出決定。專家們經常低估「基本」技能的重要性，因為這些技能早已自動化，似乎不會對他們的日常決策產生太大影響。

另一個缺點是自動化技能不太容易受到有意識的控制。如果你繼續按照自己一貫的方式做某事，即使這種方式不再合適，這可能會導致停滯不前，難以進步。尋求更困難的挑戰變得至關重要，因為這些挑戰會讓你脫離自動化，迫使你嘗試更好的解決方案。

10.重新學習相對較快

在學校里度過了多年時光后，我們中有多少人還能通過畢業所需的期末考試？面對課堂上的題目，許多成年人羞怯地承認他們記不住什么。

遺忘是任何不經常使用的技能的最終歸宿。赫爾曼·艾賓浩斯發現，知識以指數級的速度逐漸減少——一開始最快，隨著時間的推移逐漸變慢。

但也有好的一面。重新學習通常比最初的學習要快得多。這可以理解為閾值問題。想象一下，記憶強度介于 0 到 100 之間。在某個閾值以下，比如 35，記憶是無法訪問的。因此，如果記憶強度從 36 降到 34，你就會忘記你所知道的內容。但即使重新學習只是一點點提升，也能修復記憶，足以回憶起它。相比之下，新的記憶（從零開始）則需要更多的前期積累。

聯結主義模型受到人類神經網絡的啟發，為再學習的高效提供了另一個論據。在這些模型中，計算神經網絡可能需要數百次迭代才能達到最佳點。如果你「搖動」這個網絡中的連接，它會忘記正確的答案，并且反應不會比偶然的更好。然而，與上面的閾值解釋一樣，神經網絡在第二次重新學習之后，重新習得的速度要快得多。

重新學習是一件麻煩事，尤其是因為以前很容易搞定的問題現在不會，這個事實會讓人沮喪。然而，這并不是不深入和廣泛學習的理由——即使是忘記的知識，也比從頭開始學習可以更快地恢復。

你面臨的學習挑戰是什么？你能應用這些思維模型之一來從新的角度看待它嗎？那些讓你感覺很難學習的東西，你是否能想到更好的學習技巧？