首先，想要自学就需要知道自己的脑子是怎么工作的。
这时候涉及两个认知理论。
“认知吝啬鬼”&“必要难度理论”。
前者解释的是，人类的大脑是一个非常懒的器官，能不用的时候就不用，用的时候也不想用；就像，我们看到了红色的地毯，大脑真的去用了么？只是简单的从记忆里将这些提取出来，而不是思考。
后者建议的是，当我们进行脑力工作的时候，想要提升，最好面对的是有一定难度的，类似于人类的肌肉，只有适当强度的锻炼，才能激活并提升。
这两个前提和自学需要进行的行为没有什么关系，但是，只有了解自己的大脑，才能合理的根据自己的情况进行自学。
一、搭建框架
当决定学习某领域的时候，先找该领域的书3~5本，大致的通读一遍，并不需要读的多么的仔细。
这一步的目的是思考和回答以下三个问题：
（1）what：这个领域研究的是什么？有哪些主要的流派和分支？有哪些常用的术语？
（2）why：这个领域存在的意义是什么？为了解决什么问题？现在进展到了哪里？
（3）how：这个领域的主要方法是什么？有哪些被广泛承认和应用的基本成功？
这三个问题的回答时为了形成并建立“图式”。
二、完善概念
当搭建完成框架后，要去做的就是把那粗糙的“图式框架”精细化，补充完善。
在搭建框架的时候，会出现很多术语和概念，而自己对这些的理解也大多停留在“似懂非懂”的程度，可能存在偏差，而这一步就是将这些攻克。
在这个阶段要采取的方法就是搜索——不只是课本而是广泛的搜索。
所谓的搜索就是快速定位到存在疑惑概念，用尽可能多的信息去攻克它。
在这个过程中，广泛的搜索难免会遇到新的概念，我们当然要补充完善，但需要有一个边界；这个边界的界定就是：“当自己能够用自己的语言把原本概念解释清楚，不涉及其他定义即可。”
三、网络：入门的开始
这个阶段，就可以正式的去阅读、听课、学习。但此时，要带着一个问题：
“我学到了一个什么知识点？它可以跟别的什么知识点联系？如何构建这种联系？”
这个问题正式学习的核心：知识的本质永远不是信息本身，而是信息之间的联系——系统化。
那么，如何思考“联系”？
将每个知识点看做一个“知识元”，它又三个突触：what、why、how。
what：话题、结构、类别。
why：原理、原因、起源。
how：应用、解释、结果。
循环精进；以此为基础建立起“知识元”之间的联系。
四、主题
我们在前三步建立了庞大的知识网络。
而主题就是聚焦到我们庞大知识网络中的某个细节，拎出一个“局部网络”。
如果说知识网络就像一栋房子，那么「主题」，就是你在这栋房子里面，可以进行的种种活动：聚会，工作，吃饭，看电影，等等。 这些种种主题，就构成了我们对世界的认知。
五、迁移
如果说前四点，都属于「知识的积累」；那么到这里，就正式进入了「知识的应用」。
什么叫迁移？它的意思其实就是：把旧的、已知的规律、模式，迁移到新的问题、情境上面。
这个阶段，最重要的是什么呢？是理解和拆解外部情境的能力。
比如这个问题：博物馆着火了，你应该救一幅名画还是救一只猫？——当你看到这个问题时，就应该透过表象去思考它的实质：
这个问题的实质是什么呢？是一个两难选择。
两难之处在哪里？一端是价值（名画），一端是道德（生命）。
那么，你或许就会发现：它的本质是什么呢？其实就是被说滥的「电车难题」的变体而已。
再进一步，当我们面临道德和价值的两难抉择时，应该如何思考呢？我们不妨求助于伦理学。
伦理学有两个观点，分别是目的论和义务论。前者着眼于事物的「效用」和「价值」，后者着眼于行为的动机和行为本身，只要出发点是善的，行为就是善的。
那么很显然，把伦理学的知识迁移过来，我们就会知道：这类两难问题并不存在答案。但透过这类问题，我们可以做的是，反思自己的立场和观念。
比如，你是一位功利主义者，那么不妨想一想：你真的能接受一条生命在你面前消失吗？你是一位义务论者，那么不妨想一想，你的行为真的是发自内心的吗？是否会受到外界的影响和干预？
当然，如果你用别的知识去迁移，那得出的可能又会是别的结论。
这就是一种迁移。具体来说，就是三步：
（1）在前四步积累知识时，为知识预留出「接口」（参考第四点的 how 突触）
（2）遇到新情境、新问题时，通过对问题进行拆解，找出它背后的核心。
（3）把问题核心跟「接口」做对比，利用已有的知识，去应用到新问题上面。
同样，假如你在学习编程，那么，最重要的一步是什么？就是对你想实现的效果去「拆解」，把它们用计算机能够理解的流程、模式，描述出来，再对应到自己积累的编程知识，去「调用」已有的知识来解决问题。
举个例子。假如我想在一群人里做一个「一对一匹配」的小活动，可以如何来拆解这个问题呢？
不妨思考，它最终的目的是什么？是使到相似的人尽可能地匹配上。那如何让电脑理解「相似」呢？我们知道，计算机是不理解语言的，它只能理解数字。所以，我们只能通过数字，来实现「相似」。
那么，一个简单的思路就是：我们事先定义出若干个分类，再让参与活动的人做一个问卷，依据问卷结果，把他们分配到不同的分类里面（给每个人贴上一个1、2、3……的标签），再在同一个分类里随机选取。
进一步，你会发现，这其实跟推荐系统的算法也是相似的。只不过推荐算法的输入，换成了各种各样的用户行为数据，以及算法复杂了很多。
简而言之，结合这几个例子，我们有哪些进行「迁移」的方法呢？
（1）类比。可以去思考，这个问题跟哪些旧的问题、我们已知的问题相似，可以进行模仿和类推。
（2）黑箱。不妨把这个问题视为一个黑箱，去思考：它的输入是什么，输出是什么。
（3）抽象。不妨去掉具体情境，试着把它泛化、抽象化，提炼出它的结构和骨架，思考，它本质上是一个什么样的问题？
六、模型
当你进入「迁移」的阶段之后，下一步，就是不断去练习。不断去寻找和发现新的情境，练习拆解和迁移。
在这个过程中，你也许会慢慢发现：
许多新问题之间，其实是存在一些共性的。它们虽然不同，但都可以用同一套知识模式去迁移解决。
这时，你就创造出了一个「模型」。
这也是很多人缺乏的能力。他们或许知道怎么迁移，也不缺乏练习量，但缺的是，从解决问题的经验中，进行高层次的总结归纳、抽象出「模型」的能力。
许多我们所说的「专家」和「聪明的人」，其实比我们厉害的，也正是这一点：他们的优势并不在于知识量的储备——那些都是静态的。他们的长处，是拥有大量的「模型」积累。
你会发现，面对一个新问题，他们总是能够很快把它进行拆解，并调用相关的知识来解决——这就是模型起到的作用。
比如，我在第5点举的例子「救画还是救猫」中，用到的措辞是「这类问题」——这其实就是一种「模型」。
但是，通过这个模型，我就可以把许多相关的知识浓缩起来，去处理一系列跟决策、行为、习惯、政策……等等相关的问题，更好地思考它们和解决它们。
要努力去创造自己的方法论。模型就是自己的方法论。你所有的知识，都是这个世界上已有的、已知的，唯有这些通过你的经验和实践，所得来的浓缩的「模型」，才是真正专属于你自己的财富。
你会发现，模型跟主题非常像。它们的区别是什么呢？主题是对内的，是你围绕知识网络中某个节点所展开的一系列「解释」；而模型是对外的，它是将主题迁移到一系列情境上面的结果。
简而言之，模型的本质，就是主题+情境；主题聚焦于「为什么」，而模型聚焦于「怎么做」。
当你能够打通前五层，并且从模型的角度看待新问题、解决新问题的时候，你就已经进入「专业」的领域了。
七、更新
学无止境。一个框架搭建起来，一个知识网络构建起来，它始终是「过去」。但人类的知识是在不断发展的。你必须时刻去更新它，去更新旧的节点，更新节点间的联系，才能让你的知识网络保持生命力。
如何更新呢？这里，就是碎片信息的作用了。我会在生活中，去看各种各样的网站、博客、杂志，看一些不长的、专注于某个点的文章，并用最新的结论和观点，去覆盖和修正我的旧观点。
同样，在生活中，如果我的旧观点受到挑战和质疑，我也会去想办法「寻找共识」，找到自己观点的不足和残缺点（正），把对方的观点整合起来（反），以达到一个更高层次的「合」。
这就是一个不断更新知识库、不断升级大脑操作系统的过程。
但很多人在这一层，也特别容易产生一个问题：封闭心态。
许多人会把不同的观点，当成是对自己的攻击，从而下意识地启动防卫机制，来维护自己的正确、稳定。
网友评论