大神庄子两千多年前在《养生主》中就曰过「吾生也有涯 而知也无涯」。到了信息爆炸的今天，各类知识和干货满天飞，好多科研汪书架上放着几十本要读的书，电脑收藏夹里躺着百八十篇想读的paper，手机更是每天推送各种免费或者收费内容。收藏后却没时间看，心理压力日益升高，普遍患有知识焦虑症 …
因此，咱们科研汪学习面临的主要矛盾是爆炸性增长的“知识”同基本不变甚至在减少的学习时间之间的矛盾，怎么破？
学习的第一性原理
第一性原理由古希腊大哲学家亚里士多德提出，近年来由于马斯克的推崇而爆红。具体而言，它是指某个系统里不能被省略或者删除，也不能被违反的最基本命题，是系统存在的根因。比如说欧几里得在《几何原本》里提出的五大公理可以演绎出欧式几何学的所有定理和推论。如果把这五大公理中的平行公理替换成不同的定义，随之也就产生了罗氏几何系统和黎曼几何系统。
笔者照猫画虎来抛块砖，说说关于学习的第一性原理：
公理一：知识是无穷的
公理二：学习是为了改变而获取新知
公理三：学习要花费时间，而时间是不可再生资源
上述公理不言自明，由此我们可以有以下推论：
推论一：无目标，不学习；无选择，不学习！
知识无穷而学习时间有限，学习最终要带来行动上的改变，切勿为了学习而学习！人生苦短，未经审视的学习是浪费生命，还不如在抖音上刷小哥哥小姐姐们放松一下自己 …
简单来讲，我们的学习目标是要获得最大的正向改变，而所谓的“正向改变”对每个人都不同，需要自己在学习之前思考清楚。目标清晰之后就要选择学习内容，「选择比努力更重要」已经是陈词滥调，道理大家都知道，但真正能做到的人并不多。具体到咱们科研汪身上该如何操作？
推论二：高效学习就是画树！
由公理二，我们学习是要在旧知和新知之间建立联系，否则不可能有所改变。在确定了要学习的知识后，假设我们把每个知识点看做一个节点，知识点之间的联系看做是边，就形成了一张网状结构的知识图。在每条边加上权重代表知识点之间的联系远近程度，数值越小联系程度越强，那么我们高效学习的目标就是用最少的权重把所有节点连接起来。熟悉图论的童鞋就应该清楚，这个问题就是经典的「最小生成树」问题。因此，高效学习就是画这棵树！那么，该怎么画？
为了获得更多知识，普通人增加学习时间，优秀的人提升学习效率，高手则首重选择学习内容。下面咱们就先来谈谈如何选择学习内容。
从投资的角度看学习
时间对任何人来说都是稀缺资源，投入时间学习本质上是对未来的投资。既然是投资，我们就需要考虑投入产出比ROI。正如用金钱投资时有各种基金、股票、房地产、黄金等投资标的，对应不同的ROI，我们在学习时面临的学习内容众多，我们当然也要考虑不同学习内容的ROI！那么如何计算某项学习内容的ROI呢？咱们可以把它分解成以下三个因素：
在这三者中，通常人们最有感的是学习效率，针对同样的学习内容即使全情投入同样的时间，不同人的所得却有很大不同。时间杠杆率是有效投入时间与总时间的比值。有效输入时间包含两部分，一部分是调动自身注意力进行专注学习的时间，另一部分则是撬动其他人（良师益友或付费咨询）的时间。提高这两部分需要选择正确的学习方法，要做到这一点并不难，认知科学领域已经有很多确定性的结论，我们会在下一节来具体讨论。
判断ROI真正困难的点在于如何确定特定学习内容的回报率。采铜在《精进》中提出了一个精彩的「收益-半衰期矩阵」思维模型，在判断任何一件事情是否值得做、花多少精力做可以从两个角度进行评估：一是这件事在当下给自己带来的收益大小；二是这项收益随时间衰减的速度。大多数人平时最喜欢做的就是“高收益、短半衰期事件” —— 抖音5分钟，人间俩小时，而最少做的就是跑步之类的“低收益、长半衰期事件”。
借用该模型我们就可以把不同的学习内容按下图分类。学习本来就是长周期的事情，为了获取高回报率，我们要放弃对当前收益的关注，聚焦在那些“长半衰期”的学习内容。
学习内容的断舍离
山下英子提出风靡全球的「断舍离」生活理念——面对物质泛滥，提高生活品质的最好方法就是脱离对物品的执念，定期扔东西。同理，面对“信息爆炸”，咱们科研汪要做到对学习内容的断舍离：
从源头上“断”掉所有短半衰期信息输入；
从书架、电脑收藏夹、手机上“舍”弃那些收藏却从来不看的学习资料；
在心理上脱“离”对知识爆炸的恐惧；
咱们先来说说“离”！随着科技创新对经济增长所起到的作用日益增大，科研从业人员大幅增多，相应每年创造的“新知”也必然随之大幅增长。然而，从知识树的结构上来看，大多数所谓新知只是在应用层面做些改进，增添几片随时脱落的树叶而已，只有少数工作能提出新的概念和方法论，这其中还难免有谬误。当我们用更长的时间尺度来看待知识，大多数“新知”的半衰期极短，根本就没必要学！因此，咱们科研汪对知识要有“洁癖”，在心理上做到“离”，想通这一点就会发现根本没什么知识爆炸，热门领域每年发表的文章成百上千，但核心思路也就那么几个，太阳底下少新事儿！
下面咱们来说对输入信息的“断”和“舍”！如前所述，值得学习的知识基本还是线性增长的，然而，输入信息确实是在爆炸性增长！因此，真正的问题是如何做到系统性地去伪存真？
为了做到这一点，每个科研汪都应该有自己的输入过滤系统，具体的规则要根据自身情况和所在科研领域的特点来设计，规则是什么没那么重要， 遵循以下三条原则就好：
第一、要有对输入敏感的天线！Research的第一层含义就是要不断地search，咱们不能在源头上错过高质量输入。比如说，你至少应该对所在领域的牛人牛组的工作耳熟能详，清楚他们的努力方向，否则有可能辛辛苦苦做了半年发现人家已经做完了；
第二、要投入足够时间甚至金钱对输入做过滤！首先在源头上，只保留高质量的输入源，Garbage in Garbage out，该付费的就付费，为了提高输入信息质量投资是极其划算的！其次，一定要戒掉拿起一本书或者文章就从头读到尾的习惯，学会快速过滤。阅读论文合理的方式是：第一遍读标题和摘要，不合心意就花上两分钟做个简单标注然后存档；第二遍读引言、结论和图表，同样，不合心意就做个简单标注存档，只有经过这两次过滤之后剩下的论文才需要完整阅读；
第三、要花时间来复盘，不断完善自己的输入过滤系统！也就是说，隔上一段时间要检查一遍自己的天线和过滤策略：是否需要添加、修改输入源？是否可以改进自己的过滤准则？
从头画棵树
对于一个陌生的领域，为了构建知识树，我们第一步需要对该领域有个初步了解，从画树的角度来说就是先画个简笔树出来！这个阶段的首选是请教已经有知识体系的专家，向他们咨询大的框架内容，从哪里入手，该关注哪些核心概念和方法论等；如果没人可咨询，那就同时找出多本该领域的经典书籍，把交叉内容挑出来形成对该领域的初步概念；如果该领域刚刚起步，还没什么经典书籍，那就找survey paper或者经典文章。总之，这一阶段只需要了解该领域的树根、树干和大树杈都有哪些。
接下来，要整理出一份自己感兴趣的问题列表，比如说某个基础概念到底是什么，有什么应用？然后，从问题出发引导自己找到相关内容进行学习，把对应的树结构画出来，与该问题无关的内容一概忽略。当然，在这个过程中很可能会产生新的问题，只要对当前问题的理解没有大的影响，就把新问题放进问题列表，今后再说。循环往复，在清空问题列表的过程中，知识树也会从简笔树逐渐枝繁叶茂起来。
构建知识树的关键在于要主动分类整理，内化成自己的树，这也是为什么笔者建议从问题出发来画树。很多童鞋在读书的过程中会把一本书按照原有结构整理出来一份思维导图，当时感觉收获满满，然而过上一段时间再回想起来，大脑一片空白！原因很简单，这种做法实际上是被动接受作者的思维，没有经过内化，相对主动思考构建自己的知识树的学习效果是天差地别的。
小结一下，在信息爆炸的时代该学什么？这里的关键词是「克制」，百鸟在林，不如一鸟在手！在确定好学习内容后，不同学习方法的效果也有天壤之别，这里也有两个关键词：「主动」、「以慢为快」，咱们下节就来讨论如何学。
- End -
技术发展的日新月异，阿木实验室将紧跟技术的脚步，不断把无人机行业最新的技术和硬件推荐给大家。看到经过我们培训的学员在技术上突飞猛进，是我们培训最大的价值。如果你在无人机行业，就请关注我们的公众号，我们将持续发布无人机行业最有价值的信息和技术。
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请
点击举报。
