费曼学习法

【费曼学习法】的四个基本步骤：

确定一个学习的主题【比如学习量子力学的能量的不连续性】。

模拟教学【比如将能量的不连续性的相关知识点，讲解给他人听】。

讲解时，发现卡顿，发现相关知识点掌控不清楚，或者别人没听懂，于是返回查阅相关资料，补全细节。

以一种更简单的方式，类比的方式，通俗易懂的具象方式再次讲解给他人听。

很多朋友初次看到这个学习法，会觉得这也太简单了，不就是重复重复再重复吗，不就是复习吗。

我们来分析下，【费曼学习法】的精髓在哪里，关键点在哪里。

人类的大脑特征

学习基本上就是脑力活动，因此在进一步分析之前，我们必须要大概了解下，我们的大脑，有什么 特征。

我们可以把人类的大脑分成2部分：

动物脑，也就是人类的意识，我们的本能反应部分。

大脑新皮层，也就是大脑前额叶皮层，精密逻辑运算能力，学习主要是应用这一块。

动物脑：本能反应

人类的大脑重量占我们人体重量2%，但人脑在动作时，却要消耗20%左右的能量。要知道我们的大脑是我们在丛林中当猴子的时候进化而来的，那是个资源匮乏时代，因此，大脑的首要机制，就是能不用脑就不用脑，这是大脑的默认机制，叫“思维经济原则”。

因此，在200-300百万年的进化中，大脑将人体日常动作全部压缩成一个个自动化反应的模块，这就是我们的本能反应，本能反应是一种快速的场景化反应。

我们今天有电脑，你让电脑识别一张图是人脸还是动物脸，电脑要经过大量的计算，才能得出结果，而我们让一个儿童就能快速识别，这就是我们本能反应的利害之处，他是经过200-300百万年的基因突变与自然选择的共同作用，才进化出来这种能力的。

这种本能反应具有如下特征：

它经过200-300万年的基因进化，压缩到基因层面的。

它是通过模拟与快速类比以达成判断的。

他被压缩成模块，具象化存储在大脑里面。

调动时省能，快速，基本不用大脑的主动思考过程。

所有动物都具有这类本能反应，灵长目猿类的本能反应最接近人类。

大脑新皮层【前额叶皮层】，精密逻辑运算

人类的大脑新皮层，也就前额叶皮层，是近5000年左右才出现的，它的出现标志着人类文明的开始，人类从此开始有了认识规律的能力，这就是我们的精密逻辑运算能力，我们给它一个名词叫理性。用计算机的话叫算法，用哲学的话叫思想。

人类在逻辑运算时，主要就是运用这一块的能力。

理性算法具有如下特征：

他只有5000年时间，因此缺乏先天的进化，任何一个物种的形成需要上百万年的进化。

因此，理性算法很难调动出来，就算调动出来，也需要后天大量的训练。

这种逻辑运算在调动时，是极其耗能的。

因为大脑的默认机制是“思维经济原则“，因此大脑是拒绝主动运算的，拒绝长时间高负载运算的

学习，运用的就是这一块的能力。

综合上面大脑的这两部分的特征，学习就是运用这两部分的过程，我们后天几十年的训练，有些类似的本能部分的上百万年训练，什么意思?

本能部分的高效，是建立在上百万年的基因进化的基础上的。

学习的过程，就类似这个基因的进化过程，运用理性算法将知识打包压缩成我们本能的过程。

我们可以这样来理解，我们今天的电脑，有内存跟硬盘。

内存就好比大脑前额叶皮层的理性算法，我们这里给他一个名词叫【临时工作站】。

硬盘就好比我们的动物脑部分的本能反应。

他们的作用分别是：

内存是电脑的运算能力及工作能力的一个指标，工作时，所有的应用程序及临时数据，都是在【临时工作站】运转的。

他的工作强度及工作能力，都是有限的。任何程序运行完，数据立即存储到硬盘，退出这个程序时，他立即撤出【临时工作站】，好让其他程序进来工作。

而硬盘，就像我们的本能那部分，他是存储数据的地方，这些数据都是按照一定的原则被有条理的存储着的，比如按照图书馆的那种方式。这样，【临时工作站】随时可以从这里调用数据，由于事先编排好的，所以可以快速的调用。

【临时工作站】的特征

【临时工作站】的核心能力是算法，算法需要精密，一环扣一环，因此他是专一的，单线程的，以确保他的精密度。

【临时工作站】每完成一个运算任务，立即把数据以一种具象的图形方式存储到“硬盘”里面，并且按照某种条理性的规定存储着。然后继续下一个任务。

【临时工作站】在运算时，要消耗大量的资源，因此他一般不主动运算，碰到事情时，它优先从“硬盘”里面调取资料匹配工作，因为这种方式高效省能。

没有经过【临时工作站】编码的信息，不会存储到“硬盘”，因为“硬盘”也是有限的。

好，基础铺垫完毕，我们回到费曼的学习法。

费曼的学习法的核心

费曼的学习法的精髓就是不断地逼自己的大脑启动【临时工作站】模式，也就是我们的理性逻辑运算模式，由于教授给他人，要让他人听懂，就必须变得法讲，特别是他这个法则是要求你讲给一个10岁的孩子听，你因此必须把知识点讲得通俗易懂。

这个不断的查阅资料，变得法讲，简化，类比的过程，本质就是迫着【临时工作站】对一个知识点，从各个角度进行编码，简化，存储的一个过程。

别人听不懂，那么你得换个角度讲，或者重新查阅资料，这是重新编码过程，这跟复习是有本质区别的，复习只是一个从”硬盘“调取资料的过程，【临时工作站】并不主动工作。

被动学习特征：

知识点进入【临时工作站】，由于是被动学习，【临时工作站】只是调取原先”硬盘“的资源进行匹配，因为这样即高效又省能。

因此，被动学习的知识点，没有被【临时工作站】运算及主动编码存储。因此很容易忘记。

教授型学习特征：

由于是准备教授他人，因此，一开始，【临时工作站】就完全运行起来，对该知识点进行识别，编码，然后存在到”硬盘“里。

教授时发现卡顿，回过来重新查阅资料，再次运行【临时工作站】对这个知识点进行另外一个角度的编码与存储，把第一次漏了的细节补上。于是此时存在在”硬盘“里的该知识点，就比第一次清晰很多，明确很多，甚至明确到细节。

为了让对方完全听懂，或者以一种更容易的方式听懂，于是再次运行【临时工作站】对该知识点重新进行编码，这次从另外一个角度来，把前面2次觉得复杂的地方去掉，简化方式，甚至为了让一个10岁的小孩也听懂，必须把这个知识点，编成一个简单得不能再简单的具象故事或例子

就是在这样一个不断启动【临时工作站】变着角度对知识点进行强化的过程，使得这个知识点最终被打包压缩成有效模块，存储在”硬盘“里，后继就可以高速精准调用。

数学家就是这样打造的，在数学家的头脑里，整个世界都是被他有效编码成公式，任何事情，他都能瞬间跟他大脑里面已经清晰编码好的模块对应，形成公式。

心算，还是同时能跟几十个人对弈的盲棋，也都是这个道理。

这个过程的核心，就是要把一个知识点讲清楚，就得不断地迫着我们启动【临时工作站】对知识点，变得角度进化编码和存储。这使得后续再从”硬盘“调用的时候，由于之前编码存储了非常清晰，有细节，有案例，因此可以实现更高效的调动，及更长时间的存储，甚至融会贯通。

而被动学习默认情况下，【临时工作站】都不主动对信息进行编码的，他只是从”硬盘“调动信息进行匹配而已。

费曼本人是物理学家，加州理工学院物理学教授，1965年诺贝尔物理奖得主。

费曼有一种特殊的能力，能用深入浅出的语言表达复杂的原理，能用巧妙的类比呈现深刻的物理思想，他的这些方法及思想，都融汇在他的《费曼物理学讲义》中。