【本文摘要】

學習是大腦重塑的過程，包括構建

神經連線

和鞏固神經連線這兩個核心步驟。兩個過程是相伴相生，相互促進的。

大腦透過獲取有限的例證，來構建模型，繼而讓我們能舉一反三。這一過程，便是構建神經連線的過程；

透過多種手段對大腦進行刺激，可以改變大腦的記憶的權重，從而改變神經連線的強度，鞏固那些重要的神經連線。

任何的學習方法，學習套路或者學習原則，都逃不出這兩個過程。這就是我們明白學習是什麼的終極意義！

【正文內容】

看了專欄裡的《

為什麼學習

》讓我們明白了學習的意義所在，那麼接下來我們需要了解，究竟什麼是學習。

說文解字

什麼是學習？

其實從學與習兩個繁體的漢字，便可以看出學習的核心要點來。

首先是“學”這個字。

最上面是兩隻手朝下的形狀（意為——兩手幫助、扶掖、提攜、教導之意）

中間的“爻”：古代組成“八卦”中每一個卦的長橫短橫，長短橫互相交錯成“爻”，表示物象的變動、變化，知識無窮

下方，是一間房子的側視形，表示這房子是學習的地方

子，表示人。

可以看出，學這個字表示，一個人在一個情境下，用雙手來把握某種規律。

再來看習這個字。

習的繁體字，可以直接拆分為白和羽。本意為，小鳥反覆的試飛。

可以看出，習這個字表示：反覆訓練以致純熟。

從這兩個字，我們便可以窺見學習的核心要點。

第一，它是把握規律的過程

第二，它是反覆訓練的過程

二者缺一不可。

如果套用當今科學研究的結果來闡釋學習的本質，我們可以驚訝的發現古人造字的智慧。

重塑大腦

科學研究認為，學習是重塑

大腦神經連線

的過程。它必須經歷兩個步驟：

第一，構建神經連線。

現實生活中，我們會遇到海量的資訊，資訊之無限，精力之有限，因而我們大腦在長期進化中，學會了將資訊進行編碼壓縮和轉化——形成一套模型，讓我們擁有見微知著或者舉一反三的能力。上述的過程，是將資訊進行知識化的過程，是

大腦神經

構建新的神經連線的過程。

資訊，是指一些事實、例子或者現象或者問題；

知識，是指資訊背後的規律或模型。

把握規律的過程，就是構建神經連線的過程。

具體來說：

大腦透過蒐集大量同類資訊，並對同類資訊進行深度加工，逐步構建起舊知識與新資訊之間的連線——從而將諸多的新資訊壓縮為新的知識，構建出一種模型，而我們可以透過模型，來處理那些未知和變化的問題。

【舉例】

如何識別發音變體？

一個英語單詞的發音，雖然有統一的標準，但是由於我們交流的物件可能並不是標準的，所以現實中是不純在所謂百分百標準發音的。單詞的發音涉及的因素非常多——有語氣，長短，強弱，甚至各種口音的變化，這些千變萬化的因素影響之下，讓單詞的發音學習變得異常複雜——我們無法透過逐個收集例證來學習每一種情境下的發音，我們無法窮盡每一種發音情況，因為總會有新的發音情況發生。

但是這樣的千變萬化卻並沒有阻礙我們聽出一個單詞的發音。這就是大腦的

神經網路系統

的強大之處。

當大腦蒐集了足夠多（即足以讓大腦構建穩固的神經連線的情況下）的例證——在大量不同場合，聽了大量不同人發同一個英語單詞的發音後，大腦便可以構建出一個模型，即便是以後在新的場合第一次聽到某個單詞發音的變體，它也能夠快速的識別。

如何識別一隻貓？

問你一個問題，讓你用語言來精確描述貓的特點，你會怎麼描述？我想你會感到非常無力，因為你怎麼也無法單純用語言來描述清楚貓究竟有何特徵。

但我們卻真的能夠輕易的識別各種貓，這種只可意會不可言傳的現象其實常常在我們身上發生——因為我們並不是單純透過語言作為學習新事物，而更多的是透過

神經系統

來學習新事物。

當你第一次見到一隻貓，你當然不知道它是什麼，於是在別人的輔導下，告訴你這是一隻貓。你對貓有了初步印象，它有4條腿，一條尾巴，臉的兩旁有兩撮鬍鬚……可能在第二次，第三次你還是錯把狗當成了貓，但是這沒有關係，等到了第N次，你便能夠快速的識別各種貓，即便是你從來沒有見過的外來品種，例如

折耳貓

，茶杯貓，橘貓，或者

豹貓

等，你都可以一眼識別。你瞧，你並不需要透過學習認知所有的貓來識別貓，而只需要認知有限的貓，就可以識別無限的貓，這是因為大腦會在這些有限的貓的例證裡，發掘出貓所共有的特點並用來構建一個識別模型，當日後出現了任意的貓，它都能讓你一眼識別。

如何推導

數字規律

？

大腦的構建神經連線的過程，拿數學來類比的話，那便是像構建函式的過程。

你看到5，7，9，11……這樣的數字之後，你可以很自然的推理出11後是13，規律也很簡單：前一個數字加2便可。

但是，如果讓你回答這樣的問題

假設，5，7，9，11……是一個

數字序列

，那麼第100個數字是什麼？

難道你要挨個的從11之後，計算出直到第99個數的結果後再加上2來推出第100個數字嗎？當然這是一個方法，但是如果是第10萬個數字呢？第1億個數字呢？

因而，聰明的數學家們發明了函式。

在5，7，9，11……這個序列的規律，可以用一個函式來表示

F（X）=2X+3，X表示數字的位置數。F（X）表示第X個數字位置上所對應的結果。

例如，X=1，表示這個數字序列第1個數字，X=2，表示序列的第2個數字，那麼X=100，即2*100+3=203這樣結果就可以迅速得到。

以上便是大腦構建神經連線來學習的一個類比例證。

大腦需要透過例證來學習，但並不需要遍歷所有的例證，它會根據足夠數量的例證自發的推匯出某些規律，這一過程，其實叫作統計學習也叫作“隱性學習”，它是我們與生俱來的學習能力。另一種與之對應的學習模式，叫作“顯性學習”，它要求我們主動的對規律進行推導和吸收，是我們後天發展出來的新的學習模式。（關於這一點可以參看專欄文章《如何學習篇4：硬幣的兩面——2種學習模式》）

當今比較流行的

深度學習

或者機器學習，其實都是模擬了人腦的這種學習

神經網路

學習的模式。我並不是這方面的專家，所以僅作為拋磚引玉，有興趣的可以搜尋相關的研究。

第二，鞏固神經連線。

學以致用是我們學習的根本目的。學習大多是為了解決我們現實生活中出現的問題。

而我們是呼叫知識來解決問題的。呼叫某類知識來解決某類問題的過程大致如下：

看到問題表徵後，我們會呼叫工作記憶，在大腦裡進行分析處理，得出問題表徵下的問題本質特徵，繼而對大腦的長期記憶倉庫進行快速檢索，臨時合併和拆分某些檢索出來的內容作為一個工作模組，用這個工作模組來解決這個問題。

可以看出，用知識來解決問題的過程中，需要用到兩個記憶模組：

工作記憶和長期記憶。

構建完神經連線後，神經連線其實並不穩固，甚至隨時可能崩塌——大腦雖然在N多次的例證後蒐集了足夠的資訊，將資訊轉化為知識，但是這類知識還僅僅儲存於工作記憶之中。

我們知道，工作記憶的容量是有限的，很容易被新的知識所取代。於是，我們要想方設法將新建立的神經連線進行加固，讓它們儲存於我們的長期記憶之中。

拿計算機來類比：

一個程式正在執行，儲存了一些資料，可是這些資料僅僅儲存在記憶體裡，它只是臨時的資料，一旦你關機重啟後或者有其他應用擠掉了記憶體程序，這一部分資料便會被抹去。因而，唯有將之儲存在硬盤裡——長期記憶裡，才是最保險安全的策略。

大腦會選擇遺忘，就跟記憶體會選擇踢出一些程序資料一樣，都是為了更快更好的處理問題。

如果大腦不分權重不分輕重緩急，記住一切事物，就像你的

計算機硬碟

裡塞滿了一大堆零碎並不相關的資料一樣，當你查詢搜尋某些內容時，便會發現搜尋過程變得異常困難和緩慢——既耗費記憶體又耗費時間。

為了防止這一現象發生，大腦會按照權重大小來分配我們應該強化或者記住哪些內容，應該淡化甚至遺忘哪些內容。

大體上，那些產生較大刺激的事物都會讓大腦印象深刻——高刺激等於高權重，高權重意味著更容易形成長期記憶。

由於大腦是根據這刺激強度來決定記憶的權重的，我們可以透過一些手段改造所要記憶的內容加強對大腦的刺激從而讓知識儲存於長期記憶裡。關於這一點可以參看《鞏固神經連線的能力-調整記憶權重的3個策略》

學習的本質到這裡已經很清楚了：它是重塑大腦神經連線的過程。

所以，任何學習上遇到的問題，都可以從這個根上找到原因，例如我們接下來即將探討的如何學習的問題。

如何學習的問題，其實就是如何更有效的建立神經連線和鞏固神經連線的問題。市面上，任何方法，任何原則，都是圍繞其中的一點或者兩點來做文章，不會出其左右。

訪問專欄目錄，檢視更多專欄文章