渐进式总结 V：忘的越快，学的越快

在第五部分，我将向你展示 “渐进式总结 “如何直接促进我们在信息消费中寻求的最终结果：学习。

完美记忆的重担 （THE BURDEN OF PERFECT MEMORY ）

在传统的学校教育中，能从记忆中回想出某件事情，就被当作一个人学过某件事情的最明确证据。这就是学习的反刍模式 —— 在不加入任何自己的解释和创意的情况下，你能够越准确地再现它，你的分数就越高。

忘记的重要性（THE IMPORTANCE OF FORGETTING）

随着世界的变化越来越快，越来越不可预测，对过去的观念和模式的依恋越来越成为一种负担。
与大多数关于 “加速学习 “的书籍和课程相比，它们往往提供两种方法。

#1 增加进入大脑的信息流（INCREASE THE FLOW OF INFORMATION ENTERING THE BRAIN）

这就导致了用2倍速听有声读物、速读、专注于已经高度浓缩的资源、阻断杂念、深层专注和双耳节拍等技巧。

#2 加强对这一信息的记忆和回忆。（IMPROVE MEMORY AND RECALL OF THIS INFORMATION）

这就产生间隔重复、记忆宫殿、记忆法、音乐和韵律、缩写和思维导图等技术。
看起来有效，但是却丧失了重点。 :::info 准确记住文字的问题在哪里？ ::: 头脑不是一个空的容器，你把信息像灌水一样浇进去就好了。
不是你塞进去多少信息，就能取出来多少。

大脑和文件柜最大的差别是，大脑不仅仅存储，还能采取行动。而行动，才是学习「真正发生的的地方」
问题是：越沉迷于优化存储，留给行动的时间越少。

更多的信息消耗，编排精心的目录，精确地记录，都在挤压执行的时间。
但重要的是行动：应用、实施、实验、对话、沉浸、体验、协作、犯错。

学习不是一种活动，过程或结果，可以让你优化至完美。
它是一种现象，就像意识、注意力或者爱。
你如何强行优化「爱」的能力呢？

其实我们不需要加速或者改善 —— 学习本身就是进化的目的。
无论你工作还是休息，专注还是分心，说话还是倾听
你的大脑都在不断的绘制关系，建立联系，你甚至无法终止这个过程
知道我们的大脑在不断地收集信息，我们的目标就会从尽可能地记忆，切换到尽可能的遗忘

信息瓶颈 THE INFORMATION BOTTLENECK

在人工智能领域有一个新概念「信息瓶颈（THE INFORMATION BOTTLENECK）」
研究人员试图回答的基本问题是
你如何决定哪些是给定信息的最相关特征？

当你听到别人讲一句话时，你怎么能在忽略他们的口音、呼吸声、背景噪音，甚至是你没听清的单词的情况下，还能接收到信息的要点？
这是人工智能研究的一个基本问题，因为计算机会倾向于对所有这些输入给予同等的权重，从而最终彻底混乱。

:::info 选择性的听。你要建立你自己的选择的标准。 :::

事实证明，在人类接收带宽极窄的情况下，我们依旧能从中找到重要的线索
其核心在于我们的大脑会尽可能的丢掉嘈杂的数据，减少需要跟踪和处理的数据量
简而言之，大脑比计算机「能更快的忘记」尽可能多的信息，这样才能让我们专注于核心

如果让一个算法识别哪些图片有狗狗，会有两个阶段
初期处于「拟合」阶段，尽可能多的记住各种类型的狗狗（确保数据纯净）
然后进入「压缩」阶段，从中找到狗狗最关键的特征，这样的算法才能足够通用

记住的细节越多，越会造成部署时候的困扰，我们日常在信息流中学习也是如此

除了严格限制信息源，还应该在大量消费信息后，尽快忘记无关细节。
别担心，我们会失去细节，但这也不是大脑擅长的
大脑最擅长的是创造，在混沌中寻找秩序，在噪声中看到信号。
忘记多少合适呢？这里有篇论文
结论是，大概随机忘记 90% 为宜
所以忘记一些东西，反而能增加剩下信息的价值

所以渐进式总结，不是让你记得更多，而是让你尽可能忘记的更多
让你的思维释放出来更多空间给创造力和想象力，但又提供了一种安全网
这样你在概念之间游走的时候，如果迷失了方向，有一个可以回溯的兜底策略

最大限度地降低认知负荷（MINIMIZING COGNITIVE LOAD）

认知负荷理论（Cognitive load theory，CLT）
由约翰-斯韦勒（John Sweller）在20世纪80年代末研究儿童问题解决和学习时提出
任务越复杂、越困难，对学习者的 “认知负荷 “就越高，完成任务所需的认知心理努力也越大。

他认为教材的设计可以大大减轻学习者的认知负荷，促进了教学设计的巨大进步。
CLT提出在学习方面有三种认知负荷

• Inherent 固有负荷：比如 2+2 或者解微积分方程
• Extraneous 外在负荷：教学材料的设计和呈现方式（教具教材）
• Germane 内在负荷：为建立永久的知识储备(如笔记、大纲、图表、类别或列表)所投入的努力

受CLT的启发，教学设计侧重于两个目标。

• 通过将信息分解成可以单独学习的小部分，然后再重新组合成更大的整体，从而减少固有负荷。
• 将外在负荷转为内在负荷，即把学习者的注意力集中在构建永久的知识储备上。

这样减少了在阅读主题时候的内在难度，避免了完全理解的必要性，把每个段落当做小的，自成一体的单元
唯一的目标就是把每一块的关键节点找到，然后串联成为一个整体，还可以将无关的负荷转化为相关的负荷
通过和现有知识的连接（不是在软件里，而是在大脑里），这些新知识将会保留下来，以供日后复习
减少认知负荷不仅是让学习变得「简单」，而是让学习变得更容易时，学习本身会变得「更快、更好、更深、更强」

用召回来抑制记忆 RECALL AS INHIBITION

为什么最大限度地减少认知负荷对让学习更深入、更牢固如此重要？ :::info 为什么建议先看大佬的小册子，建立提纲挈领的体系 ::: 因为当你试图记住太多东西时，新的输入会受到影响，记忆使用的带宽越多，用于分析、理解、质疑、思考的带宽就越少
像 64G 内存的电脑拖了一块机械硬盘一样，即使存储的再多，取不出来也是白搭

这里有篇博文解释了什么是「主动抑制记忆形成」，将我们的思维卸载到外部工具，可以有效的降低大脑遇到新信息时候的负荷
当你刚开始这么做时，卸载思维会让你记住尽可能少的东西，比如划根线或者高亮一下
你暂时不会记忆那么多，因为这些都交给了工具
你可以空出来脑子继续看下面的段落，而不用担心回溯的时候找不到

你越是想记住书里面的所有内容，你剩下的带宽越少，越无法看到他们之间的联系
而我们的大脑，存储的都是关系

如果你执着于在笔记软件上记录下所有内容，那你很可能会错过更重要的东西
看看孩子们，他们才是最好的学习者，将自己沉浸在想要发掘的世界中，而不是试图记下每一件事 :::info stay hungry, stay foolish :::

训练你的直觉（TRAINING YOUR INTUITION）

技术让我们拥有了「记忆一切」的能力，但这种祝福已经在今天成为了诅咒
我们必须从知识的囤积者，变成知识的使用者。
我们必须学会将阅读、回顾的重点，放在我们关注的事务上，这样我们才能看得更清楚，而不是被信息淹没

学习不是为了积累数据，而是「训练我们的算法」
什么对我们是重要的，什么是相关的，什么是有趣的，即使我们从没见到过，甚至我们都无法解释

当然如前文所说的算法的训练，初始阶段我们需要多样、丰富、实践的经验，然后将其中 90% 丢弃
剩下的那些东西，那些一小块一小块的，就是我们所谓的洞察力
而这些洞察力可以适用于更多情况，甚至可以创造出流传几个世纪的艺术品。

渐进式总结是将你所消耗的信息转化为训练你直觉的数据
你可以消费更多信息，因为你能不断地卸载更多无用信息，
即使你最终丧失了这些数据，你也由于这个训练的过程，让自己的经验变得更加多样和深入，更加的敏锐。

要在一个不断变化的世界中有所作为，你必须能解决更多你没处理过的情况，
在脑海中建立起更多学科的基础和他们之间的关系，然后用来寻找问题背后的联系和答案

很多人凭直觉感受到了这一点，但他们是试图把背后的所有细节都记录下来，这是徒劳的，只能把自己绕进去
其实这需要勇气，一种放弃对任何事情都了如指掌的安全感
这也需要一种脆弱感，因为你需要依赖其他人获得进步和成功
这还需要好奇心，让你愿意问一些没有答案的问题，或者找寻从未有人走过的小径，就是现在