打破一万小时理论——如何有效刻意练习之认知篇

估计大多数人心里都有一个标准：10000小时。

“一万小时”理论最先是在马尔科姆·格拉克维尔写的《异类》这本书中被提出来的，此书描述了成为顶级高手的各种宏观因素，影响巨大。但坦率地说，一万小时理论并不准确，很简单，因为它忽略一个浅显而重要的规律：学习的效果并不与时间成正比。对于不同的领域，成为高手所需的时间大不相同，况且有一些天赋的人经过科学训练，只需要短得多的时间就能精通某个领域。

真正的关键不是练习时间，而是练习的方法！

对此，佛罗里达大学心理学家安德斯·埃里克森在2007年提出了一套轰动学界的练习方法——刻意练习，但现在仍有不少人一边炒着概念一边却对具体的细节一无所知，现在我们就来从科学的角度来重新审视刻意练习，解剖学习的本质，以更好的姿态去做一个终身学习者。

1.学习的本来面目

学习就是建立神经元之间的连接，编织特定的网络。

那么人的大脑有多少个神经元？860亿个。要知道，宇宙中如今能观测的行星都还只有850多亿，说人的大脑是个小宇宙，一点也不为过。更有趣的是，这860亿个神经元之间的连接是相当随机、非常偶然的，也就是说，很多事情只发生过一次，等于没有发生。举个例子，不知道你每天在熙熙攘攘的人群看到这么多张脸究竟记住了多少，绝大多数都没有印象了，对吗？但是对于你同窗三年的同学呢？就算时过多年估计你也能很容易分辨。

学习也是同样的道理，如图有很多的节点，代表了一个个知识概念，白色是已经稳固的节点，绿色表示与原有知识进行连接的节点。心理学家发现，人的大脑是由一个又一个的“块”组成的，“块”则是指稳固节点的网络，网络越多，连接越牢固，则大脑中的沟回就越多，有人就专门解剖过爱因斯坦的大脑，惊讶地发现这位天才的大脑构造于常人并没有什么特别的地方，但有一点，他大脑里面的沟回特别多且复杂。很多人有这种体会，书读的越多，到后面阅读速度会自然变得越来越快，那这是为什么呢？因为之前已经构建了体系，对于细枝末节的东西已经相当熟悉，那时候要做的就是将新的节点放到原有的框架中，从信息论的角度说，越读到后面，获得的有效信息会变少，自然可以迅速略过很多内容，而不是每个细节都用力去“抠”。因此市面上很多教人速读的方法都是瞎忽悠，因为一个人眼球正常的移动速度和信息的获取速度都是因人而异的，对于一个小白强行采取那些一目十行的速读方法，不是字看错就是走马观花，什么也记不住。同样的道理，为什么学习一样全新的技能会感觉格外吃力？只是因为大脑中的连接和网络比较少，比较微弱罢了。但是一旦搭起这个框架，后面的学习后轻松许多，这也就是所谓的“突破瓶颈”。

2.两种记忆强度

不少人包括我自己都时常有这种困惑：为什么学了这么多东西，却总是记不住？在解释这个问题之前，我想谈一谈那些年一直陪伴着我们的一条线——艾宾浩斯遗忘曲线。这个规律揭示了学完知识后短时间内忘记的最快这个道理，仅此而已。对于如何提高记忆的质量，更好掌握知识，它谈不上有效。那么如何认清记忆的性质、提高记忆水平呢？

加州大学洛杉矶分校的一对教授提出了一个非常漂亮的记忆力理论模型，他们说，人的记忆其实有两个强度：储存强度和提取强度。

储存强度是不会随时间而改变的。不管你经历了什么事情，它就一直存在那里，那你可能要问：为什么很多陌生人的面孔我就是想不起来的呢？这是提取强度的问题。所谓提取强度，就是建立相关神经元连接的难易程度。在人的大脑中，几百亿个节点是一直放在那里的，但是你不将它们建立连接，照样会是一盘散沙，任曾经的记忆消失在茫茫“脑海”中，谁也看不见谁。

研究人员说，提取强度是越用越高的。每一次提取，都会增加大脑中的沟回，增强神经元的联系。如果你意外遇见了一个多年未见的高中同学，就算记忆有些迷糊，和他谈上两句，曾经一些生活、一起奋斗的画面就会历历在目，因为这些记忆当时每天都在提取，已经在大脑中建立了深厚的连接，这是艾宾浩斯曲线那种多年后将知识基本忘光的理论无法解释的。

还记得我们第一周的文章吗？为什么懂得那么多道理依然过不好这一生？很多道理确实说的很好，也很对，比如“想要别人好好对你，你就得善待别人”，“在集体中要守规矩”等等，但很多人只是把它们存在脑子里，有多少人是真的实践过的呢？只有不断践行，才能提高这些处事的规律在大脑中的提取强度，凡遇事自然会马上形成反射、进行提取，使自己受益。

这么说来，经常性地提取知识显得至关重要。而最重要的是这个：提取的难度越大，对两种记忆强度的提高程度越大。也就是说，让自己差不多忘记的时候再来提取这些东西，效果会更好。所以，忘记了再记住不失为一种高效的记忆方法。

3.两种技能曲线

接下来要谈的是一种战略思维。在此得引用一个大牛人物Scott Young的一篇博客文章，这个人曾用一年时间完成了MIT计算机系的四年本科课程，还出了一本书《如何高效学习：一年时间完成MIT四年33门课程的整体学习法》。这一篇文章叫做 Two Types of Growth(两种增长类型)，里面提出了一个非常重要的观点：技能水平的增长，其实有两种不用的类型。

首先是对数增长。

这种类型的技能初期增长特别快，但到了后期就后劲不足，提升越来越慢。最典型的是体育运动，一开始接受一些训练增长特别神速，但往后增加特别难，还记得我小时候测试1千米跑步，最初要4分半甚至5分钟多钟才能完成，但经过体育课的训练之后成绩越来越好，不过到了一定水平之后就很难突破，甚至倒退，从中考最后两个月到正式考试我的成绩基本上没有什么起色。短跑运动员也是这样，初级阶段想提升特别容易，但达到顶尖水平之后，想快那么0.1秒都得苦练很长时间。

第二是指数增长。

这种类型恰好相反，初期的时候进步特别缓慢，但只要突破了一个点之后，就会出现爆发式的增长。譬如很多java程序员就分享过他们的经历，刚开始感觉学的是挺多，但就是不会写代码，后来经过耐心的训练，突然自己可以敲出一个程序了，而且熟练运用第三方库而不用查阅文档，这就到了指数增长的后半段。

虽然真实世界比这两种简单模型复杂得多，但这两种曲线也足以说明问题，基本上所有的技能都是这些模型的变式或者组合，但偏偏就有人连基本的增长类型都没概念就匆忙下手，后来遇到增长缓慢的时候感觉无所适从，最终只能从入门到放弃。

因此在初期如鱼得水般顺利的时候，不忘后劲不足的危机所在（哦，危机感，还记得我第三周着重讲过了吗），同样，在步履维艰的时候，你得意识到，你正在搭建一个全新的神经网络，而这件事本身就让人不舒服。但是最要命的是传统观念的干扰和误导，比如“吃得苦中苦，方为人上人”、“十年寒窗无人问，一举成名天下闻”，都是瞎扯！学什么技能就按什么样的技能增长模式来，不同阶段有不同的心理准备和发力点，盲目的努力即使能够坚持，最后也会感觉索然无味，完全失去了当初的兴致。那么你是要做一个辛苦而不痛苦的理性学习者，还是一个在巨大的心理落差下徘徊迷茫的蛮干家呢？

认知篇的内容就分享到这里，谢谢你的来访。这是三元陪你的第7周，希望对你有所启发，下周见！

成长的路上，你并不孤独。