我在 Kalid Azad 的网站 「Better Explained」 捕获了他在学习新概念时所提倡的 ADEPT 方法。

  • Analogy(类比):请告诉我,它像什么
  • Diagram(图解):尝试做可视化的解释
  • Example(举例):它的存在有何意义
  • Plain Words(朴素解释):用日常用语进行说明
  • Technical Definition(术语定义):用正式的语言下定义

我十分认同这一流程,而 ADEPT 本身作为一个 “新概念”,也是值得学习的。从古至今,你可以找到很多很多学习的方法论,ADEPT 是 Kalid Azad 根据自身经验给出的一种定义。很可能大家都在探索学习的本质,只是观察角度不同,于是定义不同。

作为经验丰富的学习者,可能会潜意识觉得:“喔,这不是很自然的吗?” 🙄

可等到要开始写文章的时候,就开始战战兢兢如履薄冰了。😵😵😵

因为知识一旦形成,很难去从初学者的角度进行回顾,可能更适合用定义唤醒记忆。

很多新的概念在刚接触时总让人畏惧。比如 “饕餮” 这个词,第一次看到的人总摸不着头脑,如果做一个简单的类比:“就是一种妖怪。” 我们大脑中就会基于对 “妖怪” 的固有认知从而对 “饕餮” 这个词有了个第一印象。它未必要是准确的,类比的目的更多在于降低人们对新概念的畏惧:“原来知识沟壑没有这么夸张呀!”

问题在于,万一学习新概念的人对于 “妖怪” 这个概念都不清楚,讲述人又需要如何去进行类比呢?可以找更加原始的概念——比如 “动物”。由于我们的认知边界是随着学习经验的丰富而不断扩张的,而不同的人学习速度和进度都不一样,这就导致了,被我们认为是 “常识” 的某些知识,可能在一些人眼中非常陌生。假设你和人说:“这个类比学习其实和机器学习的流程类似,首先获取训练样本,然后用来训练模型,测试样本其实就是和训练样本…” 我想如果一个人没有机器学习背景,这样的解释会更加让人犯迷糊。

所以如何找到合适的类比物,其实很考验对学习者先验知识的了解程度。很多时候聊天交流也一样,只要两人背景不一样,就要去找双方达成共识的部分,基于此再进行话题的延伸。

人脑分左脑和右脑,左脑负责偏学术和抽象的部分,而右脑负责偏艺术和创造的部分。学习新概念时,如果只是单纯地讲抽象描述,而不提供形象的可视化理解,等于只用上了一半的脑子在学习。

还是用上面的例子,如果我们继续解释:“饕餮是古代中国神话传说中的一种怪物,古书《山海经·北次二经》介绍其特点是:其形状如羊身人面,眼在腋下,虎齿人手。” 右脑发达的人,可能可以直接想象出画面。在文章中如果能把对应的概念做一个可视化,在降低认知难度的同时,也等于为读者提供了新的观察的角度。

问题在于,很多人写文章时并不清楚要用什么样的配图,可能只是单纯地觉得这儿需要有一张图,然后随手从网络上拷贝了一张。抛开版权问题不谈,如果配图内容不准确,很有可能对读者造成误导,达到适得其反的效果。所以我们看学术论文里面,适当地提供解释性的图表是很关键的,盗用图片成果也是不被容许的。

*题外话:我觉得会画图是一项很重要的技能,PPT 画图也是画,工具不关键…

对于一些抽象的事物,如果不进行一些举例说明,很难让人明白定义出一个这样的东西有什么用。举例子可以让解释和理解的过程变得更加生动,刚开始只是在解释概念本身,接着需要让学习者明白它能带来什么样的影响或者说发挥什么样的作用,而不仅仅局限在一个点。在编程领域有一个概念,叫做测试驱动开发(Test Driven Development),基本思想是:在开发功能代码之前,先编写测试代码。也即是具体的实现代码还没有写出来呢,就需要先搞清楚它能做什么样的事情,把各种接口定义清楚,仿佛是只能看见输入输出的黑箱。

使用日常用语进行说明,在我看来更多地只是通向术语定义的一种铺垫,毕竟在具备先验知识的情况下使用后者来进行交流会更加高效(用一个词可以代替掉背后的一堆相关概念)。在不加先验知识的情况下,没人能够直接看懂欧拉公式:

$$
e^{i x}=\cos (x)+i \sin (x)
$$

除非你已经从别人那里听说,或者这样和自己解释过:“它将指数函数的定义域扩大到了复数域,建立和三角函数和指数函数的关系。” 所以当和其他人再谈论起 “欧拉公式” 时,这些简明的解释会快速地在你脑海中一闪而过。这是一种类比反推的技巧,用来检验你是否掌握到一定程度。

If you can’t explain it simply, you don’t understand it well enough.

Albert Einstein

现在还有一个问题,面对复杂系统,如何拆解里面的知识点?

这张图其实不是为了解释 JPEG 压缩 🙂
  • 自底向上:拆分成多个单元从细节实现开始学习,最终获得全貌。
  • 自顶向下:从一个粗劣的类比开始,不断深入,直到了解全部的技术细节。

实际上,学习的 95% 内容都会在不久后被忘记。我们容易记住的反而是类比的方法,理解的过程,以及一些可视化的图表。要知道我们的大脑不是用来存储数据的,所以建立新旧知识之间的理解,更新旧的过时的知识,才是高效的学习途径。