|
以下文章来源于-微信公众号：科研汪的自我修养，作者科研汪老徐
导师发过来一篇论文，跟你说来看看这篇文章，过几天组会上讲一下。你一目十行看过去一头雾水；十目一行再看，发现这些词儿似乎都认识，合起来就不知道在说啥；再定睛仔细观详，发现仨引用文献，打印出来再看，这回满头黑线了。 你觉得是自己知识面不够，连续挑灯夜战读了一堆文章，终于发现自己好像啥也不懂。当年奖学金拿到手软的学霸怎么就变成科研学渣了呢？反而是一些之前成绩不如自己的童鞋似乎如鱼得水，不禁抱怨是不是自己智商不够 ，不适合搞科研 … 如果你有上述症状，恭喜你！你的智商没啥问题，你只是还没学会如何学习而已，需要提升自己的学习力！
学习是要在自己的大脑中创建或者完善某个知识体系，本节咱们先来讨论一下知识体系是个什么鬼，再来谈谈学霸变学渣的深层次原因。
什么是知识体系？
Elon Musk跨学科的学习能力在当世算得上是首屈一指了。他从零开始学习火箭，创立的SpaceX在很多方面已经超越了NASA，近年来创立的Neuralink公司也在脑机接口领域大放异彩。他在美版天涯贴吧Reddit上如是说：
因此，知识体系就是一棵知识树！也是被Musk带火的所谓“第一性原理”就是这棵树的树根，由基本原理发展起来的基础概念就构成了这棵树的树干，将多个概念组合起来加以使用，就形成了构成大树杈的主要方法论，随之而来的一些延伸概念以及进一步的方法论就构成了这棵树的枝叶。
什么是学习？
那么，学习就是要自己来画棵知识树！具体而言，对于某个特定领域的知识，我们要内化其概念和方法论成树状结构，进而能够独立、正确地使用它们来解决实际问题。为了创建或者完善这棵知识树，我们具体的学习过程是个IIOF循环：输入（Input）->内化（Internalization）->输出（Output）->反馈（Feedback）。
在学校学习功课本质上是临摹一棵前人画好的知识树，学校和老师已经把你要学的知识进行了比较完善的梳理，规划了整个学习过程：
输入：课本、课程体系 内化：背诵、讨论、练习、项目 输出：作业、考试 反馈：输出结果
作为学生，你的主要任务就是做好内化！也就是掌握每门功课的核心概念和方法论，把已知的知识树经自己的大脑临摹出来。这个时期的学霸相对学渣而言，是对相关概念更深入的理解，知道它们是什么，不是什么，各概念之间的异同；是对方法论更好的掌握，知道什么时候该使用哪种方法，什么时候不能使用，用的时候需要注意什么，林林总总。做到这些，你的考试成绩一定很不错，是旁人眼里妥妥的学霸！
学霸为啥变学渣
无论从事科研与否，每个人都有在学校功课教育外学习其他知识的经验，比如说为了给女朋友拍照不挨打去学习摄影，不同的人有不同的选择：有在网上搜索各种摄影技巧的、有买本摄影书自学的、有参加摄影培训班的、还有砸锅卖铁上器材的。事实上，不管选择哪种方式，最终能通过自学画出一棵摄影知识树的人是极少数，多数人只是了解了几片叶子而已。
为什么会这样？如前所述，学习过程是个IIOF循环，校内功课的学习集中在内化这个环节，在校外学习其他知识则不然，所有四个阶段都要自己搞定！学霸变学渣大多都是由于没有认识到这一点造成的。
首先，对于输入，咱们先借用在大数据分析中常用的DIKW金字塔模型来解释一下：这个模型展示了数据（Data）、信息（Information）、知识（Knowledge）和智慧（Wisdom）的层层递进关系。 从学习的角度来说，数据就是些原始学习资料，比如说五花八门讨论摄影的网站；信息是经过结构化处理的数据，比如说一本全面阐述摄影的书或者某个摄影课程；知识是内化后的信息，对这个例子来说就是一棵摄影知识树；智慧则是应用知识来解决问题，在我们的讨论中也属于知识树的一部分。不像学习功课时有明确的知识树和学习路径，功课之外的学习先要从海量信息中找到那棵要临摹的知识树。大家都有过对陌生领域感觉无从下手的经验，这是需要每个人自己迈过的第一个坎儿，学霸的知识内化能力在这里起到的作用并不大。
其次，高效学习是个循环，输出和反馈的意义重大，没有反馈就不能启动下一次循环！然而，大多数人学习课外知识由于没有学校和老师督促，很少主动输出，停留在「知道」这个层面，没有真正「得到」，更谈不上「做到」！
很多所谓的学霸到了社会上屡屡碰壁，经常被冠以只懂学习，情商、逆商、财商不高等原因来解释。事实上除了智商，其他这些「商」都可以通过学习很快得到改善。不能从社会和生活中提炼出相应的知识树，归根到底还是学习力不够强大！「听过很多道理，依然过不好这一生」本质上还是学渣体质造成的。
科研学习之难
科研学习相对学习课外知识的难度更进一步。原因很简单，课外知识本质上还是已知的，重要的是如何找到那棵需要临摹的知识树，然后在内化的过程中注重输出和反馈，认识到这些加上足够的行动力基本就能高效获取任何已知的知识。
科研则不同，科研是为了探索新知，这里不存在确定的知识树。尤其是热门新生领域，许多概念和方法论还是一团乱麻，甚至根本就是错的！不认识到这些就容易陷入低水平勤奋，学得越多可能脑子越乱！
举个栗子，本人近几年在做些人工智能安全方面的研究，其中一个比较热门的课题是针对AI系统的对抗样本攻击以及防御手段。简单而言，攻击者可以对AI模型的输入做些微小的恶意扰动，就能实现让系统输出错误结果，比如说下图所示的「停车」路标包含了一些改动（阴影部分），它会被路标识别AI系统误认为是个「限速」标志，从而造成安全隐患。 这个题目大概是在2014年提出的，有人爬了arXiv上跟它相关的学术论文，到目前为止已经高达2000多篇，而且以每天5-6篇的数目增长。假如你学习时想要读遍所有相关论文，就不用干别的了，更何况其中很多是水文甚至包含错误 … 此外，以科研为目的的学习通常也缺乏好的输出和反馈手段，跟课本不一样，读论文没有练习来检验自己是否真正读懂了 …
最后，咱们从DIKW模型的角度来讨论一下这几种学习的不同：
学习功课时有明确的知识K，关键在于如何内化成自己的知识树； 学习课外知识首先要从海量信息I中发现知识K，关键在于准确地找到K再进行内化； 科研学习很多时候只有杂乱无章的数据D，要自己提炼出有效信息I，再进一步总结成知识K，从头画棵知识树出来！
小结一下，学习就是画知识树！科研学习之难在于要自己从头画这棵知识树！
作为有志科研汪，咱们肯定是要迎难而上，把相关领域的知识树从头画出来，下一节咱们就来具体讨论一下如何高效画树！
- 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。
| 
