文丨誉安 Day57@365日更营
我们的成长轨迹中，或多或少都接触过学习好的同学。
有些人是看似轻松愉快，可是一旦成绩出来就都是名列前茅。问起来还是低调地一批，标准式的回答：“我也不知道怎么考的，其实我平时也没怎么学过。”让人恨得牙痒痒却又佩服得不行。
有些人是头悬梁锥刺股，天天闷着头苦学，可是成绩也就平平。题海战术的量的累计，而想要达到的质的飞跃尚未可知，甚至是遥遥无期。
我曾经也被这种问题困扰过，该做的题也跟着做，老师讲的也认真记。并且对于量的积累达到质的飞跃深信不疑，并且像人生指南一样去执行。效果不甚理想。
所以接触到了费曼学习法，对其的神奇和好奇占据了上风。准备拿来小试一二。
第一步丨进入
作为学习的第一步，其实方法本身原意是要首先进行选择。不过我认为在选取之前，更应该做的是决定要学习。因为这步真的是太重要了，它是学习机制开始运转的点火装置按钮；而它又显得太微不足道了，很多人在准备按动的时候选择了其他事情进行。
所以第一步的进入，首先要用飞蛾扑火的架势投入到获取新知识的实践当中去。就像飞蛾，它肯定不知道扑到火里会如何，它只是要往那处光亮飞扑。当我们先计较着利益得失的所谓后果时，恐怕已经偏离了进入的初衷。
主动踏入新的领域，设立概念的概念。
第二步丨教学
讲解或者复述这个概念，有听众那么恭喜你，你将飞速了解这一概念。如果没有，那么就想象自己是个博导，你需要给那群小白研究生讲解这些个新概念。这一过程需要反复循环，这其实就是精进的核心算法。
重复，或者叫做复盘。不仅仅是复盘，并且要将其进行输出。从得到的反馈来进行优化，就像编程领域的迭代算法。
深度学习的一个重要路径就是迭代算法。编程人员通过建立数据库，生成一个模型，将这个模型投入到软件当中进行不断的更新优化，从而得到最优解或者预测值，这个过程就是迭代。
那么在我们的个人学习过程当中，就是这样的一个循环的过程。目的就是在这个过程当中查缺补漏，从无到有的建立自己对于全新知识领域的理解和认知。
第三步丨精简
把简单的事情做复杂，这叫做熵增定律。往往符合大脑最少能量维持技能的基本属性，因为它懒，所以思考对于大脑来说，至少在开始阶段它是极不情愿的。
也因此能把复杂的事情做简单，通过熵减的手段才能达到人生的理想巅峰。所以说上坡容易下坡难。
想想爱因斯坦的能量方程，就是仅仅用了几个变量和更为初等的运算法则将一个概念放到了神坛之上。我国古人亦云：大象无形，大音无声，大道至简。
成为学霸或者别人家的孩子仿佛是一项至高无上的荣誉，也许带着些虚荣心。不过，如果换一种说法，能够做自己想要做的事情，能够为他人和社会提供更多的价值输出。那么是否值得一试呢？
晚安，昨天的我。
你好，明天的我。
