心智模式指可用于解釋許多不同現(xiàn)象的通用觀念。經(jīng)濟學中的供給與需求，生物學中的自然選擇，計算機科學中的遞歸，或者數(shù)學中的歸納證明——一旦你知道如何尋找它們，這些模式就無處不在。 正如理解供給與需求有助于對經(jīng)濟學問題作出推斷，

理解學習的心智模式也使思考學習問題變得更容易。

遺憾的是，學習很少被作為一門獨立的課程來講授——這意味著大部分心智模式只有專業(yè)人士才了解。在這篇文章中，我想與大家分享十種對我影響最大的心智模式，同時附上參考文獻，以供你了解更多。

一、解決問題就是搜索

赫伯特·西蒙和艾倫·紐厄爾在他們里程碑式的著作《人類問題解決》中開啟了對問題解決的研究。他們在書中指出，人們通過搜索問題空間來解決問題。 問題空間就像一個迷宮：你知道自己現(xiàn)在在哪兒，也知道是否已經(jīng)抵達出口，但不知道如何到達出口。一路上，你的行動受到迷宮墻壁的限制。

問題空間也可以是抽象的。比如，拼魔方意味著在一個由各種構(gòu)型組成的巨大問題空間中移動——混亂的魔方是你的起點，每一面都是同種顏色的魔方是出口，而中間的扭轉(zhuǎn)則定義了問題空間的“墻壁”。 現(xiàn)實生活中的問題通常比迷宮或魔方的范圍更廣，起始狀態(tài)、結(jié)束狀態(tài)和確切的移動方式往往并不明確，但搜索可能性空間仍然很好地描述了人們在解決不熟悉問題時的做法——也就是當他們還沒有方法或記憶可以直接引導(dǎo)他們找到答案。 這個模式的含義之一是，如果沒有先驗知識，大部分問題都很難解決。一個魔方有超過43萬億個構(gòu)型組合——如果你對它不算頗有心得的話，這是個巨大的搜索空間。

學習就是習得模式和方法以減少暴力搜索的過程。

二、通過檢索提取，記憶得以加強

檢索提取知識比看第二次更能強化記憶。測驗知識不只是衡量你掌握了多少知識的一種方法，它還能主動增強你的記憶力。事實上，測試是研究人員發(fā)現(xiàn)的最有用的學習技巧之一。

檢索提取為什么如此有用？一個解釋思路是，

大腦為了節(jié)省精力，只會記住那些可能有用的東西。

如果你手邊總有答案，就沒必要把它編碼在記憶中。相反，檢索提取帶來的困難是一個強有力的信號，表明你需要記住它。 只有當有內(nèi)容可以檢索時，檢索提取才會起作用，這就是為什么我們需要書本、老師和課堂。當記憶失效時，我們轉(zhuǎn)而依賴搜索來解決問題。取決于問題空間的大小，搜索可能完全失敗，無法提供正確答案。然而，一旦看過答案，我們通過檢索提取它會比反復(fù)觀看它學到更多。

三、知識呈指數(shù)增長

你能學到多少，取決于你已經(jīng)知道多少。研究發(fā)現(xiàn)，閱讀文本后汲取的知識量，取決于關(guān)于該主題已有多少知識。在有些情況下，已有知識的影響甚至超過智力。

學習新知識時，你會把它們整合進已經(jīng)掌握的知識中，這種整合為日后回想提供了更多鉤子。然而，當你對某個主題知之甚少時，就沒有那么多鉤子來鉤住新信息，導(dǎo)致信息更容易遺忘。就像水晶從一種子晶體逐漸生長而來，一旦打好了基礎(chǔ)，未來的學習就會容易得多。 當然，這個過程是有限度的，否則知識會無限地加速累積。不過，記住這一點還是有好處的，因為學習的早期階段往往是最困難的，而且會讓人誤認為該領(lǐng)域未來的學習也很難。

四、創(chuàng)新大多數(shù)時候是模仿

很少有哪個主題像創(chuàng)造力這樣被誤解。我們往往給有創(chuàng)造力的人披上近乎神奇的光環(huán)，但實際上創(chuàng)造力要平凡得多。

在一篇對重大發(fā)明令人印象深刻的評述文章中，馬特·萊德利指出，創(chuàng)新是一個漸進演化過程的結(jié)果。新的發(fā)明并非一蹴而就，它本質(zhì)上是舊思想的隨機變異。當這些思想被證明有用時，它們就會擴展到新的領(lǐng)域。 支持這一觀點的證據(jù)來自近乎同時出現(xiàn)的創(chuàng)新現(xiàn)象。歷史上有無數(shù)次，多個互不相關(guān)的人取得了相同的創(chuàng)新，表明在被發(fā)現(xiàn)之前，這些發(fā)明在可能性空間中是“近在咫尺”的。 即便在美術(shù)領(lǐng)域，模仿的重要性也常被忽視。是的，許多藝術(shù)革命都是對過去趨勢的明確反抗，但這些革命者自己，幾乎無一例外地，都深深烙印著他們反抗的傳統(tǒng)。對任何慣例的反抗都需要先了解那種慣例。

五、技能是特定具體的

遷移指的是經(jīng)過一項任務(wù)的練習或訓練后，在另一項任務(wù)中表現(xiàn)出能力提高。對遷移的研究揭示出一個典型模式： 練習一項任務(wù)，你能把任務(wù)做得更好。

練習一項任務(wù)，有助于完成類似任務(wù)（通常是過程或知識有重疊的任務(wù)）。

練習一項任務(wù)，對不相關(guān)的任務(wù)幫助不大，即使它們看起來需要廣義上相同的能力，例如“記憶力”“批判性思維”或“智力”。

很難對遷移作出準確的預(yù)測，因為這需要對人類思維的工作原理和所有知識結(jié)構(gòu)有準確的了解。不過，約翰·安德森發(fā)現(xiàn)，在更受限制的領(lǐng)域，產(chǎn)生式——即對知識進行操作的“如果-那么”規(guī)則——能夠很好地匹配智力技能中觀察到的遷移量。 雖然技能或許是特定的，但廣度卻能產(chǎn)生通用性。例如，學會一個外語單詞，只在聽到或用到這個詞時才有用，但如果你知道許多單詞，就可以說許多不同內(nèi)容。 類似地，知道一個想法可能無關(guān)緊要，但掌握許多想法就能產(chǎn)生巨大的能量。每多接受一年教育，智商就會提高1～5點，部分原因在于學校教授知識的廣度與現(xiàn)實生活（以及智力測驗）所需的知識有所重疊。

如果你想變得更聰明，沒有捷徑可走——必須學很多東西

。但反之亦然，學得多讓你變得比預(yù)想的更聰明。

六、思維帶寬極其有限

我們在同一時間只能記住幾件事。喬治·彌勒最初把這個數(shù)字定為7±2件，但最新的研究表明，這個數(shù)字更接近四件。

所有的學習，每一個想法、記憶和經(jīng)驗，都必須經(jīng)過這個難以置信的狹窄瓶頸，才能成為我們長期經(jīng)驗的一部分。

潛意識的學習不起作用，如果你沒有集中注意，就沒有在學習。

提高學習效率最主要的方法是確保從瓶頸流過的東西是有用的，將帶寬用于無關(guān)內(nèi)容可能會拖慢我們的速度。 從1980年代起，認知負荷理論一直被用來解釋干預(yù)如何根據(jù)我們有限的思維帶寬來優(yōu)化（或限制）學習。這項研究發(fā)現(xiàn)： 對于初學者來說，解決問題可能適得其反。如果向新手展示工作實例（解決方案），他們的學習效果會更好。

教材的設(shè)計應(yīng)避免要在頁面或圖表的各部分之間翻來翻去才能理解。

冗余信息會妨礙學習。

復(fù)雜概念如果先分部分介紹，會更容易理解。

七、成功是最好的老師

我們從成功中學到的比從失敗中更多。原因在于，問題空間通常很大，而大多數(shù)解決方案都是錯誤的。知道什么方法有效，就能大大減少可能性，而經(jīng)歷失敗只能告訴你一種特定的策略是行不通的。

一個好的原則是，

在學習時將目標設(shè)定為大約85%的正確率。

為此，你可以調(diào)整練習的難度（開卷與閉卷、有導(dǎo)師輔導(dǎo)與無導(dǎo)師輔導(dǎo)、簡單問題與復(fù)雜問題），或者在正確率低于這個閾值時尋求額外的培訓和幫助。如果你的成功率超越了這個閾值，那可能是找的問題不夠難——只是在重復(fù)練習常規(guī)技能，而沒有學習新技能。

八、我們通過實例來推理

人們?nèi)绾斡羞壿嫷厮伎际且粋€古老的謎題。從康德開始，我們就知道邏輯無法從經(jīng)驗中獲得。無論如何，我們一定已經(jīng)知道了邏輯規(guī)則，否則一個不懂邏輯的人是不可能發(fā)明出這些規(guī)則的。但若真如此，我們?yōu)槭裁从纸?jīng)常掉進邏輯學家提出的問題陷阱呢？ 1983年，菲利浦·約翰遜-萊爾德提出了一個解釋：我們通過構(gòu)建情境的心智模式來推理。 要檢驗一個三段論，“所有人終有一死，蘇格拉底是人，因此蘇格拉底終有一死”，我們想象一群人，他們都終有一死，并想象蘇格拉底是他們中的一員。通過這樣的檢驗，我們推斷這個三段論是正確的。

約翰遜-萊爾德認為，這種基于心智模式的推理也可以解釋我們的邏輯缺陷。我們在處理需要檢查多個模式的邏輯語句時最為吃力。需要構(gòu)建和檢查的模式越多，我們就越可能出錯。 丹尼爾·卡尼曼和阿莫斯·特沃斯基的相關(guān)研究表明，建立在實例基礎(chǔ)上的推理可能讓我們誤以為想到例子的順暢程度就是事件或模式真實發(fā)生的概率。例如，我們可能認為 K_ _ 形式的單詞比 _ K _ 形式的單詞更多，因為前者（例如KITE，KALE，KILL）比后者（例如TAKE，BIKE，NUKE）更容易想到。 依靠實例推理有以下幾方面的含義： 通過例子學習往往比抽象描述更快。

要學習一種通用模式，我們需要許多例子。

我們在基于少數(shù)例子進行廣泛推論時必須小心（你確定考慮了所有可能情況嗎？）。

九、隨著經(jīng)驗積累，顯性知識轉(zhuǎn)變?yōu)殡[性知識

隨著練習，技能變得越來越自動化，這降低了我們對技能的關(guān)注程度，不需要占用寶貴的工作記憶容量就能完成。以開車為例，起初，打閃光燈和踩剎車時要經(jīng)過反復(fù)思考，多年駕駛后，幾乎不用動腦就能完成。

但技能更加自動化也有缺點。

一個缺點是，向他人傳授技能變得更加困難。當知識變得隱性時，明確做決定的過程就變得更加困難。專家經(jīng)常低估“基礎(chǔ)”技能的重要性，因為這些技能早已被自動化，似乎并未在他們的日常決策中起到多大作用。 另一個缺點是，自動化的技能不太容易受意識的控制，這可能導(dǎo)致進步停滯不前。你可能一直按照固有的方式做某件事，即使這種方式已經(jīng)不再適合。尋求更高難度的挑戰(zhàn)變得至關(guān)重要，因為這些挑戰(zhàn)會讓你從自動化的流程中跳出來，迫使你嘗試更好的解決方案。

十、重新學習相對迅速

上了那么多年學，如今我們中有多少人還能通過畢業(yè)考試？面對課堂上的問題，許多成年人都會羞怯地承認他們記不起來什么。

任何不經(jīng)常使用的技能都難逃遺忘的命運。赫爾曼·艾賓浩斯發(fā)現(xiàn)，知識以指數(shù)速度遺忘——一開始最快，隨著時間推移逐漸變慢。 不過也有一線希望。重新學習通常比第一次學習快得多。有些時候這可以理解為一個閾值問題。假設(shè)記憶強度位于0到100之間，低于某個閾值時，比如35，記憶就無法提取。因此，如果記憶強度從36掉到34，你就會忘記已經(jīng)知道的東西。但重新學習帶來的哪怕一丁點提升，也足以修復(fù)記憶，使其能夠被喚起。相比之下，（從零開始的）新記憶則需要更多努力。 受人類神經(jīng)網(wǎng)絡(luò)啟發(fā)的連接主義模型，為重新學習的強大效果提供了另一種論證。在這些模型中，計算神經(jīng)網(wǎng)絡(luò)可能要迭代數(shù)百次才能達到最優(yōu)點，而如果你“晃動”網(wǎng)絡(luò)中的連接，它就會忘記正確答案，給出的回答與瞎蒙的差不多。然而，和上文閾值的解釋一樣，神經(jīng)網(wǎng)絡(luò)重新學習最佳答案的速度要快得多。 重新學習是件麻煩事，尤其是被以前毫不費力的問題難住令人沮喪。然而，這并不是我們不深入、不廣泛學習的理由——即使是被遺忘的知識，恢復(fù)起來也比從頭開始要快得多。