面对一堆陌生又抽象的概念一头雾水无从下手？初入新领域的小白们肯定都曾产生过类似感受，尤其是在硬核学科（理工科类）。有些人会死磕直到理解，有些人会总结方法越学越快，剩下大部分人只要不是致命情况可能就不了了之随缘去了。但我相信，学习陌生抽象概念是一项可以通过学习、练习掌握的元技能。
一句话总结，这个元技能的关键词就在于「具体化」。
“抽象”的对立面即为“具体”，想要化解抽象概念自然要从「具体化」来着手。听起来像废话，但我总结出 3 个破解「抽象」实现「具体化」的方法，百试99灵，不信你试试。
把一个概念放回到它的使用、创造场景中，是快速建立对其认知的重要方法。
最先启发我这个方法的是「服务器（server）」这个概念。
由于我只是个半路出家自学编程的文科生，先前对计算机硬件及网络知识毫无了解，所以以前一直没能理解「服务器（server）」到底是什么，脑子里懵懵懂懂有个模糊轮廓，但每次在技术文里碰到「服务器（server）」这个词都要再扫几眼 Wikipedia，才能勉强确认它在具体语境下的具体含义。
关于「服务器（server）」，Wikipedia 是这样说的：
In computing, a server is a computer program or a device that provides functionality for other programs or devices, called “clients”.
。。。哦。。。
Wikipedia 当然很科学很准确，但用大量概括性太高的大词（program、device、functionality……It’s simply too general），让人很难一秒理解某个抽象技术概念的核心。
后来有一次，我在看书时，无意中看到作者对「服务器」的一句话解释，突然瞬间就抓住了服务器是什么。这个作者是这样说的：
“A server is a computer or computer program that performs tasks like hosting a website.”
——Cory Althoff
噢！其实服务器就是电脑！只不过在执行一些特别任务而已！有了这个基层理解后，「服务器」在我的脑海中就从先前模糊不清的机器形象，进化成稳坐云端的一台电脑了。
有这样一个可以让你把一个概念视觉化、场景化的基础形象，大脑就可以更方便迅速地存储这个概念，把这个概念与相关概念连接起来，形成「知识网」。就好像当我们看到描述“大海”的文字时，往往会顺带联想起海浪、海风、海滩和咸咸的味道。但你没法”顺便联想”到一个在你大脑中未存储过具体形象与场景的事物，比如“角箱鲀”……因为你不知道这种生物的存在，甚至也不知道自己不知道这件事。自然无法主动联想到它。
（顺便提下，角箱鲀长这样：
（现在你的大脑中有了角箱鲀的具体形象了 :）
这里说的「场景化」并不仅限于把一张平面照片印在记忆中，而是一个可以由多个感官参与的动态互动场景。只记住一个单薄名词和存储完整场景的差别，就像只听说过「熔岩灯 (Lava lamp)」和目睹过「熔岩灯」的真实制造过程的理解深度差距一样巨大。
类比则是另一个强大的学习陌生概念的工具。
“你用没用过微信？”
“没用过，那是什么？”
“就和手机版 QQ 差不多！”
以上对话在 2011 年时肯定发生过很多次。先不说类比可能会让人忽略不同事物之间的重要差异这个副作用，但这确实是在见不到实物的情况下能够最快大致理解一样事物的方法了。
类比能把陌生物体与已知实体连接起来，比如，用电脑类比人脑；还能把陌生概念与只存在于人想象中的已知概念连接起来，比如，把善恶定义与法律联系起来——尽管两者都是仅存在于人类想象中的概念。
你很难在解释一样陌生事物时不加上这么一句，“其实和xxx很像，不过有abc区别”。因为这样类比熟悉事物并归类的认知方法是如此基础。对于成年人来说，这个世界已无太多完全新鲜的事物，所有陌生事物几乎都可以与已知类别的 prototype（原型）建立关联。
比如，虽然这个世界上并没有一样东西叫做“水果”，但一提到水果，每个人头脑中都会出现一个或几个水果的原型，很可能是苹果、香蕉、橙子这些。若听说或者在超市看到某样从没见过的物体，只要别人告诉你是“水果”，那你其实已经掌握了 80% 以上有关这个陌生物体的信息了：某种食物，可以吃，非主食，很可能是甜的，也可能发酸，可能含有大量维生素、水分与纤维素。如果你没有见到这样水果，也没有听过对它形状的描述，就可能在脑海中以一个类似苹果形状的物体来替代。这就是「类比 + 归类」的力量，让我们不必亲身经历某样事物也可以快速获取必要信息，进而获得一种「确定感」。
当面对陌生概念时，就可以多试试这个思维游戏，“这让我联想到了……它有点像……但有些不同……”
举例是应对高度概括性抽象概念的一大利器。
比如，在「场景化」一节中，我引用了两个不同版本的「服务器」定义，第二个更平易近人的定义就几处使用了举例——
Wikipedia 说 device，Cory 说 computer（device 的一种）；Wikipedia 说 functionality（功能），Cory 说 tasks（功能的一种实现方式），并且进一步列举了个简单任务例子，“hosting a website”（托管网站）。
Cory 的版本并没有 Wikipedia 的那么正统准确，但却直观友好很多。
举例的方法在英文阅读理解中也有妙用。
英语学术或技术文中，也常有作者爱拽大词（当然，也与文体、主题、深度高度相关），在多次读到崩溃之后，我总结了处处举例这个高效阅读方法：
当看到“某种液体” - 在大脑中替换成“水”；
读到“实现特殊功能” - 编个功能安上，比如“实时翻译”；
碰到“某一类物体” - 那就“苹果”吧。
用这样举例的方法阅读当然不能完全理解作者深意，但起码我读几行就走神翻几页就瞌睡袭来的根本问题解决了，脑子里也形成了文章的大致框架，接下来重读重要段落时就可以一路修补原先不够完美的解读了。
比不理解某样概念更糟糕的大概就是“你以为自己理解了，但其实并不理解”。
因此，在初步（以为）理解了一个概念之后，还需要设一质检站，检验自己是否真地学会了。就像上学时的小测大考一样。
长大了没人给出考卷改分了，我们还可以用著名的「费曼学习法」。
「费曼学习法」没什么高深的，一句话就讲完了：把概念讲明白给外行听。
具体分为四步：
选择一个概念；
把它教给完全不懂的另外一个人（比如8岁孩子）；
如果卡壳，回到原始材料；
回顾后重新表达；
好的老师并不一定是学术成绩最好的，而是最会解释一个陌生概念的。
向小孩子或外行讲清楚一个专业抽象概念非常难，除了因为你要先知道别人为什么不懂才能针对性解惑外，还因为人均有忘性。这个忘性在于，当你在某个领域积累了一点知识和经验后，就习惯了那些概念的存在，就会忘记自己还是个什么也不懂的小白时是种什么体验。你的大脑确实不可逆地回不去从前的状态了。就像大学毕业生很可能不知道不会解四则运算是种什么体验。
所以说，大多专家学者讲话，自以为很清楚了但普通人还是很难听懂，也是出于这个原因——他们已经很难想象不懂那个领域的基础术语和概念是种什么体验了。
这也是我在学艺仍不精时选择写 Python 系列教程 的初心之一。我不想忘记自己初学时的挣扎和疑惑，尽量减少产生“这很简单啊你怎么学不会是不是太笨了”这类事后孔明的想法。
联系客服
