我们是如何学习的？关于学习的 N 个「关键词」
Matrix 首页推荐
Matrix 是少数派的写作社区，我们主张分享真实的产品体验，有实用价值的经验与思考。我们会不定期挑选 Matrix 最优质的文章，展示来自用户的最真实的体验和观点。
文章代表作者个人观点，少数派仅对标题和排版略作修改。
学而不思则罔，思而不学则殆。
对于「学习」这件事的思考，从古至今，从未中断。如果说《关于学习一些流传甚广的误读和迷思》主要在破除错误认知，那么这篇文章，我们就从最基础的问题，来聊聊「学习」到底是怎么一回事，以及和学习有关的一些关键词。
前两部分，关于学习的「哲学视角」和「微观机制」保留了一些学术概念和抽象术语，便于讲清楚学习为什么发生。如果对「如何学习」这个实践话题更感兴趣，可以跳过前两部分，从第三部分的应用板块直接看起。
哲学视角：我们的知识来自先天，还是后天？
在脑科学蓬勃发展之前，人们对心智、理解、知识就有不少思考。尤其是文艺复兴之后，欧洲进入启蒙时代，理性主义大行其道。这个时代的哲学主流思潮是「认识论」，核心主题就是去探索人类如何认识世界、如何学习和获取知识。其中有三个里程碑式的观点，构成了我们理解「人如何学习」的三种底层假设1，对后来的脑科学也影响重大。
第一种假设：大脑是一张白纸/白板，全靠后天经验。这个观点最有名的倡导者是英国经验主义哲学家洛克。他认为，人刚出生时，大脑就像一块空空的白板。我们拥有的知识，全都是后天通过感官体验，一笔一划写上去的。这个观点非常符合直觉，也是近代教育理论的主流——因为它暗示了每个人都是平等的，只要教育得当，任何人都能成才。
第二种假设：大脑有「天赋观念」，学习是对内在真理的挖掘。这个观点来自法国哲学家、数学家笛卡尔，还有那句著名的「我思故我在」。笛卡尔认为，感官经验是不可靠的（比如幻觉、错觉），上帝在造人时，已经把最完美的知识印在了我们的灵魂里，比如几何公理、因果律等，这些都是「天赋观念」。我们要做的，就是排除外界干扰，通过纯粹的理性思考（我思），去重新发现这些真理。不愧是数学家的世界观。
第三种假设：大脑预设了先天形式，内容依赖后天经验。德国哲学家康德在《纯粹理性批判》中做了一个精妙的综合。他认为，知识的内容来自后天的经验，但知识的形式来自先天的理性。换言之，大脑自带一套整理归纳的逻辑形式，就像一台电脑预装了操作系统。这其中包括时间和空间，这是我们感知的框架；还包括因果律等先验逻辑，这是我们思考的逻辑。只有依赖这些认知框架，我们才有可能从后天经验中积累具体知识。
以这三类观点为代表，后世对人如何认识世界的问题争论了数百年。
直到 20 世纪下半叶，随着脑成像技术和计算机科学的发展，终于迎来了科学的论断：洛克的「白板说」观点是错误的。相对而言，康德和笛卡尔的看法更接近真相。人类的大脑不仅有出厂设置，而且这套设置非常复杂。
现代神经科学证明，刚出生的婴儿就表现出惊人的能力——他们天生就有数感、懂得概率、甚至理解基本的物理定律，比如知道物体不会凭空消失。因此，学习并不是在一片空白上随意堆砌经验，而是基于我们的先天预装系统，通过与环境的互动，不断修正预测、调整参数的过程。
从这个角度来看，人脑可以说是一个「先天结构」与「后天可塑性」完美融合的精妙设计。如果没有先天的预装系统，全靠后天从零开始学习探索，人类很难在短短几年发展出语言、数学这类高级的智能。反之，先天的出厂设置把一切都规定得死死的，大脑就失去了更多的可能性，难以产生卓越的创造力。正是现有的大脑结构，才让我们既学得快，又能灵活适应各种复杂的环境。
微观层面：「学习」到底是如何发生的？
高中生物告诉我们：大脑中的基本细胞结构是神经元，而神经元之间的信息传输，是通过突触完成的。这里面有两个关键信息。
神经元
神经元是我们大脑的出厂配置。人脑大约有 860 亿个神经元，这个数量在出生时差不多就定型了。尽管成年后部分脑区仍有生成新的神经元的能力，但它对总体数量来说影响不大。
突触
神经元不是独立存在的，它们通过身上数量众多2的突触彼此联结，形成神经通路。有个很经典的比喻：每个神经元就像一个八爪鱼，有很多的触手。当两只八爪鱼的触角握在一起时（实际上不会完全接触，中间有小的间隙），这个连接部位就是「突触」。
突触的连接是高度动态，且后天可塑的。你可以把它理解为大脑的参数。每当我们学习时，突触及周围的结构就会进行相应的变化和调整。所以人的一生中，我们的突触一直在不断改变，而这些改变对应的现象，就是我们所说的「学习」。
这里有一个常见的误解：既然突触和学习有关，是不是随着大脑发育，突触数量也会随之增多呢？并非如此。大脑中的突触数量，不是随年龄越来越多，而是呈倒 U 型曲线。在 1~2 岁（婴儿时期）达到巅峰，这时的突触数量大约是成人的 1.5~2 倍左右。从 1~2 岁以后，一直到青春期，突触会遵循「用进废退」的法则：只有被频繁激活的突触才能存活下来，而那些没有用到的连接会被无情地修剪掉。尤其是青春期，大脑会以每秒钟 5000 个的惊人速度消除掉多余的突触。这个过程叫做「突触修剪」(Huttenlocher, 1979)。到成年早期，也就是 20~30 岁，突触数量基本定型，并保持一个相对稳定的数量，直到进入老年，突触才会有明显的下降趋势。
突触修剪看似反直觉，但自有其目的，那就是将有限的能量集中在最关键的神经回路上，提升和生存有关的信息处理的精准度和速度。简言之，大脑会根据环境，进行后天的「定制化」，优先保障最有可能会用到的知识。
最典型的例子是语言学习。刚出生的婴儿，清一色是语言天才，他们都有分辨世界上所有语音的能力。但成长过程中，如果母语环境没有某种发音，那么负责辨别这些语音的突触就会因为长期闲置而被修剪掉，从而换取母语处理的深度和速度。比如，说中文的人很难发好英语中清辅音 θ 和浊辅音 ð，说英语的人很难发法语中的元音 u、eu和汉语中带韵母 ü 、üe 的音，日语母语者则无法分辨 r 和 l 的区别，这个最经典的梗就是日本人分不清 election 和 erection，在克林顿丑闻上闹了笑话。
而且，这个进程比我们想象得要早很多：对元音来说是 6 个月，对辅音来说是12个月，也就是说，一岁大的婴儿就会受到母语影响，主动保留与自己生活环境中的语言相关的音素。这解释了为什么成年人学外语时，无论怎么努力，有些音就是听不准、发不好。因为大脑早早就删除了识别这些声音的神经连接，想要重建，可以说难上加难（但不是完全没有可能）。
还有一个很重要的概念叫「关键期」，家长和做儿童教育的朋友应该不陌生。关键期本质上就是突触连接的固化窗口期。过了关键期，相应功能未被激活突触就被修剪掉了，孩子有可能损失掉一部分的潜能。这和上面讲到的语言学习是一样的道理。不过，科学研究表明，关键期并不是绝对的，所以现在倾向于把它称为「敏感期」。家长们也不必太过焦虑。
既然神经元数量基本恒定、突触数量又在不断减少，「学习」是如何发生的呢？
长时程增强（LTP）
首先是突触连接的强化。 神经科学中有个著名的「赫布定律」(Hebb, 1949)：一同被激活的神经元，会连在一起（Fire together, wire together）。 它的意思是说，当我们不断重复学习某项技能、某个知识时，相关的神经元会被频繁地同时激活。这种高频的刺激，会让它们之间的突触连接变得更粗壮、更高效，信号传输的阻力越来越小。神经科学上把这叫做「长时程增强」（LTP）(Bliss & Lømo, 1973)。这是记忆形成的关键，也是学习最核心的环节之一。
髓鞘化
除了突触的连接变强，大脑还有一种让学习更高效的方式，那就是「髓鞘化」。
如果说突触起到连接两个神经元的作用，那么髓鞘就是包裹在轴突外面的绝缘层。就像电线包了胶皮能防止漏电，髓鞘的形成能让信号的传输速度提升几十倍甚至上百倍。 当我们反复练习某个技能，比如弹钢琴或说外语时，大脑不仅会加固突触，还会给轴突这条神经通路裹上更厚的髓鞘。
所以，从微观层面，「学习」主要是基于大脑物理结构的两个进程：一方面是做减法——大脑会做「突触修剪」，保留环境中反复出现、对个体至关重要的神经连接，起到精简、降噪的作用； 一方面是做加法——通过「长时程增强」加固常用的连接，并通过「髓鞘化」把核心的通路包裹起来，起到提速、强化的作用。
这个过程就像在原始山林中开荒和修路。你既要挥起镰刀，砍掉那些用不着还挡路的杂草和枯树；又要夯实土地，把狭窄的土路铺成平整宽阔的高速公路。只有完成这两个步骤，并在后期不断维护，才能保证道路的畅通无阻，这就是我们所谓的「学会了」。
如何学习：影响学习的四大支柱
讲到这里，深奥的学习问题就变成了一个实际的操作问题：我们如何怎么做，才能最好地激活与要学的知识相对应的神经元，告诉它们——哪些东西应该被强化，哪些东西应该被修剪掉呢？3
这个部分我不打算重复造轮子，会直接引用权威认知科学家斯坦尼斯拉斯·迪昂在《精准学习》中总结的「学习的四大支柱」，来讲和学习有关的几个核心概念。当然，我会脱离书本，补充一些生活中的例子，还会补充一些关键词，帮助大家后续拓展阅读。
注意
我们都有这种体验：网课开着，但你正开着小窗，和朋友聊得火热。虽然声音进入了你的耳朵，但其实什么都没听见。事实上，这种无效的学习状态在日常学习中占比很高，当你很困、很累、情绪很激动、边听讲边玩手机、听英语听力听到走神的时候，大脑并没有对这些信息进行加工（或加工效率极低），学习压根就没有发生。
几乎可以这样断言：没有注意，就没有学习。注意力是生物进化中一项古老且重要的信息筛选系统，它能帮助我们从嘈杂的环境中，迅速判断出大脑应该处理哪些信息。所以，不仅学习这种大脑高等功能需要它，发现危险、及时逃命这些生命本能也需要它。由于大脑的带宽有限，学习的过程，就可以看作理智大脑和原始大脑在抢夺控制权，夺取注意的过程。
「注意」绝对是一个值得专题来讲的话题，尤其是在短视频、手游当道的如今，我们每个人都在经历着不同程度的注意力问题，这对学习无疑是极度不利的。这里先解释几组基础概念：
主动注意 vs 被动注意（有意注意 vs 无意注意）
很多人会混淆这两对概念。觉得我看视频、玩游戏的时候很专注啊，为什么一看书、一写东西，马上就走神了呢？其实，前者叫做被动注意，它不太消耗意志力，也不怎么费劲，因为我们天生都有被鲜艳的画面和巨大的声响吸引住的本能。而学习的时候需要的是主动注意，要有意识地控制自己的注意力，定向到学习这件事情上。这需要花费精力，通过努力才能达成，是相当脆弱和宝贵的。
还有一种注意叫「有意后注意」，是一种有特定的目的，但不太需要太多意志努力的注意。是经过学习、训练或培养兴趣后达到的高阶状态，后面会在「自动化」的地方提到。
专注时长/注意稳定性
既然主动注意需要消耗精力，自然没法长时间高强度运转。根据心理学研究，不同年龄人的注意时长遵循一个大略规律：3~5 岁大约5~10 分钟；6~8 岁（小学低年级）大约15~20 分钟；9~15 岁（小学高年级到初中）大约 25~30 分钟；成年人的注意时长和青春期孩子大体类似，至多也就 40~90 分钟 。
这就是为什么学校的一节课通常设置在 40 或 45 分钟，中间必须要有课间休息。而幼儿和小学低年级阶段，老师在课堂上纯讲课的时间更短，还要花大量时间和孩子互动、做游戏。此外，我们常用的番茄钟（25 分钟专注 + 5 分钟休息一个循环），也跟这个规律有关。
不过，注意时长存在明显的个体差异，尤其是 ADHD 患者，维持主动注意的生理机制存在一定障碍，建议适当降低专注时长，以免增加不必要的压力。
注意力机制
迪昂的书里引用美国心理学家波斯纳的理论（Posner, 1990），把人脑的注意机制分为三个方面：
- 警觉，决定了什么时候需要集中注意，通过调试警觉水平，维持大脑的觉醒状态；
- 定向，决定了应该注意什么东西，放大哪些信息，负责寻找目标；
- 执行控制：如何处理关注到的信息，并对此加以执行，负责冲突解决、抑制干扰。4
这三件事听起来复杂，举一个例子就明白了：当我们说一个人注意力不好时，可能是他警觉度不够——太困了、太累了，没法保持清醒的状态，也可能是他定向能力弱——容易被干扰带跑、没法从一堆东西中找出目标，也可能是执行控制力差——管不住自己，不知道该先做什么，后做什么，难以把视线从手机移回书本。分清这三点，才能对症下药。
所以，大家在学习的时候，首先要保证良好的身体状态，维持相对平稳的情绪状态，生病、困乏、吃饱、情绪激动的时候都不适于学习；其次不要在学习的物理空间摆放杂物、搞花里胡哨的文具，同时还要做好隔音；最后，学习时一定不要把手机、pad 等电子设备放在身边，这些都是影响专注的典型原因。
专注模式vs 发散模式
知名 Coursera 课程 Learning How to Learn（《学会如何学习》）5里介绍了两种大脑处理信息的模式。
一种是专注模式，也就是我们要聚精会神的状态。它适合解决熟悉的、按部就班的问题，比如解一道练习题、背诵一个单词。另一种是发散模式，是指我们在发呆、放松、散步或洗澡时，那种思绪游走的状态。
反直觉的是，发散模式也是学习的关键一环。当我们在专注模式遇到瓶颈——怎么想都想不出来时，停下来，把问题交给后台运行，大脑反而能激活更广阔的区域。往往在不经意间，就会闪现灵感。所以，发呆和休息不是学习的对立面，而是深度学习必不可少的一部分。
关于注意的相关知识，以及如何保持注意，我手头有很多存货，后续有机会再讲。少数派之前有不少相关的好文章，如注意力使用不完全报告，欢迎自行阅览。
下面提供一些和「注意」有关的关键词，感兴趣的朋友可以更好地建立知识图谱：
- 专注：日常语境下，常常被视为「注意」的同义词，英语通常译为 Attention。
- 分心/走神：专注/注意的反面。造成分心的原因有很多，如大脑发育、疾病、健康状况、情绪状态、环境干扰、任务难度、任务类型等。切勿只归结为意志力问题。
- 心流：极致的专注状态。让人忘记时间，完全沉浸在当下，是一种全情投入的体验。
- 拖延：往往表现为无法专注。不仅包括注意力的缺失，还包括情绪调节的失败。
- 多任务处理：专注的另一种反面。在迪昂看来，大脑无法真正同时处理两个需要「主动注意」的任务，实际上做的是自己意识不到的「快速任务切换」，是一种比较低效的状态。
- 《Attention is All You Need》：AI 界大神论文，大语言模型的奠基之作。和本文关联不明，有可能相关的地方：不论是碳基人脑，还是硅基 AI，只要学会了精准地分配「注意」，就能成功学习。
主动参与
前一篇文章在讲「学习金字塔」时，提到了季清华的 ICAP 理论 (Chi, 2014)，以及主动学习的重要性。
「主动参与」这一点很好理解。只有当大脑处于活跃、生成、预测的状态时，才更有助于神经元建立新的连接。与之相反，像是听讲、阅读等被动的学习过程，大脑参与度有限，往往自我感觉良好，但实际效果不佳。
主动学习之所以有效，是因为它和几个重要的学习机制相关：
深度加工
我们都知道，如果机械地背诵一个没有理解的定义，很快就忘了。如果在学一个新知识时，能补充几个生动的例子，和之前学过的概念进行辨析，再编个朗朗上口的顺口溜，理解清楚了就能记很长时间。
后一种情况叫作「深度加工」，原理是：当你学习新知识时，本质上是在激活一组新的神经元。如果只是死记硬背，这组神经元是孤立的、连接很弱的。但如果进行了深度加工，就等于让这组新的神经元和大脑里已有的神经网络建立起关联，促使它们之间生长出新的突触连接，建立丰富的神经通路。这就好比在大脑里留下了更多的钩子，回忆时更容易把这个知识给调出来。
像联想、对比、举例、画面想象、多感官参与、整理大纲/思维导图、以教促学（也就是常说的费曼法）这些主动参与的方法，本质上都是对知识的深度加工，心理学上也有一个类似的概念，叫「生成效应」，就是说自己生成的信息比单纯外界获得的信息记忆更牢固。
主动提取/回想
如果说「深度加工」在学习新知识时非常高效，那么在复习阶段，最好的方法就是主动提取。它的核心方法是：不要直接看答案。要先让自己主动提取大脑中的记忆，再检验它是否准确。
主动提取听起来很深奥，其实我们学习的时候天天都在用它，比如：解题、造句、默写、闪卡背单词、概括段落大意，它们和被动的复习笔记、反复朗读、重复刷一道题形成鲜明对比。
同样是主动提取，水平却千差万别。做选择题往往只需要再认，看到答案觉得眼熟，就能选出来；做填空题就要花点功夫去回想，很容易写不出来。所以，虽然做起来更困难，但尽可能选择提取难度高的方法，这样做学习效果更好。
写作
还有一个方法。这几年很多人在提，就是写作/输出。不少人把写作看做是最高级的主动学习，这样说有一定的道理。面对一张白纸写作属于「自由回忆」，无论是主题、框架，还是行文内容，全部要从头开始。这个过程中，大脑必须高度依靠内部的神经通路，去检索并重构已有的知识，这会让神经元重新激发一次完整的回路，极大地强化记忆。同时它还会督促你查资料、查缺补漏、重新学习。所以，越是自己花多功夫、反反复复推倒重来写的文章，里面的观点、内容、结构记得尤其牢固。更关键的是，这个过程中，很多原本想得很浅、模糊不清的问题会终于弄清楚，无异于一次高强度的深度加工。
不过我有一个反面的感受：自己写出来的文章，很容易变成一种僵化的框架，后面再想同一个问题，会反复死守着这个思考框架，很难再做进一步突破和提升。想一想那些站在讲台上，翻来覆去讲同一套理论的专家教授就可以。这个现象有一个对应的术语叫「思维定式」(Luchins, 1942)。其实不光写作，任何学习都有可能导致这种情况。
想要突破已有的思维框架，就要不断补充吸收新的材料，同时引入下一个机制：错误反馈。
关于主动学习的关键词，除了正文中加粗的具体方法之外，还有以下一些关联概念：
- 学习迁移（举一反三）：主动学习的一种。括号中是老师喜欢说的词。
- 反思（复盘）：主动学习的一种。括号中是职场人士喜欢说的词。
- 写作查资料（输出倒闭输入）：主动学习的一种。括号中是装逼人士喜欢说的词。
- 以教促学（费曼学习法）：近年来特别流行的学习方法，是后人对物理学家费曼工作、学习方式的总结和再提炼。核心方法是让学习者用自己的语言，向一个无背景知识的对象讲授新学到的知识，从而查缺补漏、强化理解。虽然经常被滥用，但对普通学习者来说不失为一种有效的主动学习手段。
- 思维导图：一种通过整合知识、建立局部逻辑关联的主动学习（建构型学习）方法。
- 康奈尔笔记：一种通过特定的分区，在记录后进行提炼与反思的主动学习方法。
错误反馈
关于错误反馈这一点，我觉得特别重要，也是现在教育不太重视的一点。从小我们就被教育少犯错、最好不要犯错，但在脑科学看来，没有错误，就没有真正的学习。
大脑的学习机制，本质上和 AI 训练很像。都是基于一个粗糙的模型，不断地提出预测，然后再通过外部反馈来调节参数（对应的物理结构就是突触），从而不断优化。迪昂用「贝叶斯模型」来类比人脑，这一点我觉得还是挺深刻的。
我们生活中都有这样的感受：如果一件事和你预想的一样，那么它只是稍稍强化了一下已有的观念，你从中很难学到太多东西。但如果一件事情，不断地给你错误反馈，每次都会推翻你预想的结果，那么，你就会从这个事情中学到有价值的经验教训。换言之，通过这件事，你会不断地调整、优化你的心理模型，和现实更好地做匹配。
考试/测验
学习中，讲到错误反馈，就不得不提到很多人讨厌的考试/测验。
很多讲学习的书都给「考试」这件事正过名。考试/测验有两个明显的好处。一个是上面讲到的主动提取。每一次考试，其实都是在通过主动提取，对神经回路的一次重塑和加固，提取时感到越费力，比如考试题很难，花了很多时间冥思苦想，神经元受到的刺激就越强，记忆留存的效果就越好。二是错误反馈。如果考试只是为了得到一个分数，那么它的作用就大打折扣，它更重要的作用是帮你找出错误，提供一个明确的反馈，打破「我都学明白了」的错觉。以前每次考完试，老师会上一节课专门讲评卷子，还有现在提倡学生做错题整理，都是有科学依据的。所以，大家不妨更平和地看待分数，把它当成是自己学习的一个实时反馈，无疑更有助于提升学习效果。
之前少数派有个高赞的文章：工作最忙的 78 天，我用 ChatGPT 考了 CFA，用到的就是这个方法，利用AI把「自我测验」作为一种学习工具，尤其对付短期突击、目标是合格的考试，效果无疑远超听课、看书等常规方法。不过学生党要注意，如果是要扎实掌握的基础知识，还要通过上面讲过的方法来辅助理解，做好深度加工。
游戏
错误反馈也可以解释一个现象，为什么我们都对好的游戏那么上瘾。
大多数游戏都是及时反馈，你遇见一个怪物，一刀砍下去，怪没死，反而把你秒了。界面上立刻出现一个巨大的「Game Over」，再点击屏幕，就可以无痛回到打怪之前的初始状态。然后，你的大脑就会迅速修正策略：这次不能直接硬刚，可以试试远程攻击……这种「预测-尝试-错误-即时反馈」的循环，是学习效率最高的模式。
在孩子玩游戏的问题上，我感觉多数家长还是持消极态度的。担心游戏成瘾、伤眼睛是一方面，另一方面在于，大多数游戏确实没有什么营养，除了氪金花时间，学不到什么真东西。但理想状态下，如果学习可以借鉴游戏的机制，能够利用游戏化的方式把学习错误反馈变得更及时、更有趣，那无疑是天下学子的福音。b 站上有个物理老师用《塞尔达传说》教孩子力学原理，算是一个相当不错的案例。而很多人推崇的多邻国在我心中不算优秀，因为这个软件只有游戏的机制，实际要学的干货知识太少，不适用于动真格的语言学习。如果大家有什么这方面好的案例，也可以和我分享。
关于「错误反馈」，再补充如下一些关键词：
- 必要难度：获得有效反馈的前提。只有在一定难度的挑战中，大脑才会暴露出错误，从而获得反馈。太轻松的学习是不会产生有效反馈的。（Bjork, 1994）
- 学习区：类似「必要难度」，区别于舒适区、恐慌区，只有合适的难度才能有更好的学习效果。(Tichy, 2002)
- 成长型思维：对应「固定型思维」，认为能力是可塑的。把错误看作是成长必经阶段。(Dweck, 2006)
- 刻意练习：针对不会、做错、不熟练的地方进行高强度的训练，建立心理表征。能有效修正错误的连接、构建缺失的连接，是一种高效的学习方法。(Ericsson, 1993)
- 错题整理：一种有效的学习习惯。建议在错题本上只保留正确的答案和解题过程，以免错题再次曝光，强化错误印象。
巩固
巩固也是学习中的必要一环，这一点非常直观，无需过多解释。
一提到巩固，首先就会想到记忆。没有后面的巩固，印象再深的知识也容易遗忘，这是每个学习者的常识。从神经科学角度解释，记忆是一个动态的生物化学过程。刚接收到的信息只是临时的电信号，非常脆弱。要把这些信号转变为长期的物理连接，神经元需要时间来加固突触。
关于这个机制，有一个经典比喻：学习好比盖房子，既要往上垒砖瓦，又要在砖瓦缝糊上水泥加固。要想把房子盖得牢，拼命地往上面垒砖头是不行的。盖一阵子歇一阵子，然后等水泥凝固了，再往上盖，这样才能最稳固。对应在学习中，无论新知识的学习，还是复习巩固已有知识，相比集中强化学习，「分散学习」的长期记忆效果往往更好。
间歇学习/复习/训练
关于「分散学习」，最经典的应用就是间歇学习或复习，此外还有学习和测试相互交织的间隔训练等。
想必大家都听过，这个方法源自德国心理学家艾宾浩斯 19 世纪末绘制的「遗忘曲线」（Ebbinghaus, 1885），它告诉我们：新学的知识，最初的 20 分钟后就会遗忘 42%，一天后会遗忘 66%。如果不加干预，剩下的记忆都会随着时间迅速衰减，一个月后只记得 21%。但需要留意的是，艾宾浩斯做实验用的是无意义的字母组合，如 DAX, BOK, QUH, RUF，这和我们在课堂上学到的可理解、深加工的知识还是不太一样的。
实际学习中，如何设计间隔重复，并不一定要严苛地执行统一标准。一般来说，把同一节课重复学两次，只有当间隔时长达到 24 小时（一整天）后，才会观察到学习效果明显改善。如果是 GRE 单词级别、需要死记硬背的知识点，可以适当缩短一些复习时间，按个人习惯做适当调整。
如果追求高效率的记忆间隔，一个经验法则是，按照你期望的记忆留存时间（比如五个月后考试），取 20% 作为间隔长度来进行复习，也就是每月复习一次；如果想再科学一些，可以前期适当安排得紧密一些，从隔天复习，到三天后，再到一周后、两周后，后面每月再复习一次。这种策略能保持一个不错的记忆存储效果。细想想，我们上学时的课程设置：学习当晚做习题巩固、第二天老师上课抽查复习、周末做单元习题、每月小考、每学期期中、期末两次大考，其实还是挺科学的。
睡眠
还有一个被吹爆的学习神器，就是睡眠——没错，高质量的睡眠，能够让学习者「躺赢」，这点绝非夸大其词。
关于睡眠影响学习效果的研究有很多。有研究发现，睡眠能增强记忆。当人睡着之后，前一天学到的知识会在大脑中继续巩固，第二天一早遗忘的程度很少，所以不少学习书会把「睡前学习」或睡前主动回想一天学的知识看做是一个黄金法则。还有一些研究发现，大脑在睡眠时，会清理白天积聚的有毒物质，修剪无关的突触，有助于发现一些醒着时难以注意的规律。很多时候，白天百思不得其解的难题，睡一觉起来突然有了灵感。最有名的就是苯环结构的发现。现在很多人都知道，考前与其通宵突击一晚，不如少学一点，早睡一点，效果有可能更好。
有关睡眠的研究很多，大家可以自行探索。其实记住一个原则就好：尊重作息规律，保护好睡眠，无论对身体健康，还是对学习，都有益无害。尤其是儿童和青少年，早点睡比多做几道题重要多了，家长一定要学会取舍。
自动化
迪昂的书里，提到另一种形式的巩固——那就是通过反复练习、不断强化，把需要大脑皮层来完成的功能，逐渐「自动化」，变成大脑下意识就能运转的技能。像是骑自行车、开车、母语阅读、九九乘法表……类似的基础知识都要经历这样一个过程，通常需要数月，甚至数年才能完成。
这样做的好处是，技能或知识一旦熟练以后，会转到后台处理，大脑的带宽和主动注意就能得到解放，可以更高效地同时处理其他信息。最直观的例子，莫过于我们在使用母语和外语时的巨大反差。阅读中文时，我们可以一目十行，而在阅读外语时，哪怕每个词都认识，大脑也需要额外的时间处理。这种微小的卡顿累积起来，就是巨大的认知负担。这就是为什么很多留学生会有「降智」的体验：明明逻辑清晰、学识渊博，但因为语言水平的限制，所有的注意力都花在了语言本身，显得反应迟钝、谈吐拙劣。要解决这个问题，没有任何捷径，唯有花大量的时间做好语言积累。
关于「自动化」的话题，看过畅销书《思考，快与慢》的朋友不会陌生。这本书里用「系统 1」和「系统 2」指代上面这两类思考，和以上的内容异曲同工。这本书的作者是丹尼尔·卡尼曼，是历史上第一位获得诺贝尔经济学奖的心理学家，书写得也很通俗，感兴趣的朋友可以拓展阅读。
其他相关词汇：
- 工作记忆/短期记忆：大脑对当前接受的信息进行暂存和加工的短时期记忆。容量有限（通常只能容纳 4-7 个单位），且容易丢失。如果不做深度加工，一般 15-30 秒后就会丢失不见。
- 长期记忆：和「工作记忆」相对。容量几乎无限，且保存时间长。学习的一个核心目的，就是要通过各种手段，把工作记忆中脆弱的、临时的信息，转化后存储到长期记忆中。
- 组块：把知识打包、整合成更大、更复杂的结构。组块越大，大脑处理信息的效率就越高。
- 认知负荷：「自动化」的对应概念。指大脑在处理任务时所承受的压力，类似电脑的 CPU 占用率。所谓自动化，就是通过反复练习，把基础技能的认知负荷降到接近于零的过程。
写在后面
《关于「学习」一些流传甚广的误读和迷思》一文得到如此多的认可，谢谢大家的鼓励。
坦率讲，要把「学习」这么一件复杂的事情讲清楚并非易事。写作过程中，我深感自己能力的局限，为此查阅了大量资料，输出倒逼输入：）除了迪昂的《精准学习》，还有前后两篇文章提及的书目以外，微观机制的部分还参考了电子工业出版社引进的《神经科学——探索脑（第4版）》这本大部头教材。如有错漏，还请大家多多批评和指正。
下一节，我想先讲一讲学习中特别重要的一环「记忆」。如果有对其他话题的朋友，也请留言推荐。
