有读者问良叔，成人如何学习？

又是一个太大的问题，但是今天想通过“深度学习”和“浅度学习”的角度谈谈。

什么叫“浅度学习”？

这是我发明的词，是相对于“深度学习而言”的，简单讲，就是对一个概念的了解、消化和解释。

“了解”就是“输入信息”，“消化”就是“处理信息”，“解释”就是“输出信息”，你看这和电脑操作几乎是一样的。

这在三步形容了一个循环，这才算掌握一个概念的本质，而非表象。

这个说法不是我的原创，而我的偶像费曼提出的。

先说说费曼先生是何人吧，他是被人称为继爱因斯坦之后最伟大的物理学家，曾拿过诺奖。

一生建树奇多，不仅仅在物理领域，还包括画画、桑巴鼓等等。据说他还是个撩妹高手，当看到他夫妻的合影时，我竟然无法质疑......

良叔对费曼最崇拜的就是他对“学习能力”的理解。

他曾发表过一个演说：

有一个深爱希腊文的希腊学者，跑到别的国家发现那里的人都在研究希腊文，甚至小学生也在读。

他非常开心，因为他们国家的小孩都不大爱念希腊文。

在一个主修希腊文的考试上，这位学者问学生:

“苏格拉底谈到真理和美之间的关系时，提出过什么主张？”

学生们答不出来。

然后学者又问:“苏格拉底在第三次对话录中和柏拉图说过什么？”

学生们立刻眉飞色舞，以极其优美的希腊文，一字不落地把苏格拉底的原话背了出来。

可是，苏格拉底在第三次对话录里所说的，正是真理和美的关系呀！

原来，这个国家的学生学习希腊文的方式，是首先学会字母的发音，然后是字的读法，再后来是一句一句地学。

费曼想借这个故事来说明，这种方法根本不叫学习，只是简单的信息输入，在这些学生根本不能处理这些信息，因此他们的背诵，也就不能算做输出，只是简单的重复。

他们所学的内容毫无用处。

那么怎样的学习，才算是有效的学习呢？

费曼还是的总结出一个有用的套路（如下图），一共分为四部。

明确主题；讲给孩子；寻找缺口；触类旁通

 明确主题：带着目的学习才最有效。

也许就是说，你要抱着解决一个具体问题的态度。

比如，我写这篇文，就是要谈谈“浅度学习”是什么，和怎样“浅度学习”。

讲给孩子：无论多么复杂的理论，你如果能够让一窍不通的人明白，才说明你会学了。

话说谷歌在招募研发人员时，出了一道面试题：如何把搜索引擎的原理，讲给你奶奶。

这就是要求你具有化繁为简的能力。

寻找缺口：在给别人讲述的过程中，遇到卡壳，说明你还没有搞懂，就要回去重新梳理。

比如我在写此文时，发现“消化”这个概念很难一言两语谈清楚。

于是，思考，重新组织，发现也许不用解释那么清，而是如果用一个案例让大家去领会最好。

恰巧，我的素材库中，有希腊文这个案例，而且一看，正是费曼老人家讲的，真的是天作之合。

触类旁通：将你习得的知识，迁移到另一个领域。

触类旁通而引发的伟大创造在这世界上比比皆是。

乔布斯通过对书法的参悟，带来了Mac系统卓越的文字体验；

数据工程师利用余弦定理解决了新闻分类问题；

而费曼用一个小小的实验就向众人说明了“挑战站”号失事的原因。

所以，掌握一项知识的最高级别就是实现“迁移”，知识由此才能产生最高的价值。

以上四个招术就是提高“浅度学习”的方法。

看到这里，你可能会有个疑问吧？

为什么这个叫“浅度学习”？

因为这是理论上的学习，只有在实践中的学习我认为才叫“深度学习”。

所以，人工智能叫“深度学习”，就不足为奇了。

因为那是基于大数据的学习，那些大数据都是真实发生过的事，来源于每个人的实践。

而人工智能就将成千上万个实践压缩在一起，进行学习。

我认识一位朋友，是“科大讯飞”的工程师，这家公司的语音输入技术在全球数一数二。

这朋友和我谈起语音输入最难的一部分，就是“模糊识别”。

比如你是大弗兰人，口音天然带剁椒味，个别字的发音人工智能很难识别，这时识别的精确性，就是一种核心技术。

科大讯飞“模糊识别”的精确率非常高，原因就是他们用了大数据深度学习。

人工智能会通过模糊词语前面的词语，来计算接下来最有可能出现的是哪个词语，而且数据越大，就越精准。

这不就是在实践中学习吗？就像我们过去常说的那句话：

“我认识你这么多年，你一抬屁股，我就知道要放什么屁......”

这篇文章，也许对深度学习和浅度学习的定义并不准确，但这正是我运用费曼学习法找到的一个主题，然后通过最简单的方法向你讲述，这就是一种学习方法。

而且，这篇文章我还讲念给我儿子听了，他表示可以听懂，我很开心。

不过，他也提出一个建议，“讲给孩子”这事儿，要明确标准，多大的孩子才算？难道婴儿也算？

你看，我又找到了一个缺口......

-END-