原载于：XXXXXXXXXXXXXXXXXXXXXXXX/video/BV1FP4y1F7oE/ 

原视频没有PPT。为方便学习，转换为文字版本。

{ 0:00 }

大家好，我是王木头，我在之前的视频里面一直在表达一个观点，就是作为一个初学者，学习新知识不应该去看教材，因为我们看到的绝大多数的教材都是反人性的。我不是说教材不必要啊，毕竟教材它已经把这个学科里的知识严谨的成体系的给组织起来了，它是我们校准自己脑子里面知识的那个标准，但是绝大多数的教材又都是不合格的。我这里说的不合格，不是说他们的知识不合格，而是教材作为一个产品一个工具。 它和自己的本身这个目标是不匹配的。我们一般用到教材的时候，都是自己是这个学科的初学者才会用，要不然就去读论文了，对吧？但是绝大多数的情况呢，教材又是对初学者特别不友好的学习。最好的状态是，什么是自己能有节制的跨出一部分舒适区，如果就是在舒适区里面，那么这些知识都是已经自己掌握了的嘛，那是学不到新东西的。如果跨出舒适区又太多了，那所有的新知识又都是天书，看都看不懂，不只是学不会，还会异常的焦虑。

{ 0:54 }

如果我们能把一个初学者跨出舒适区的这个程度给量化出来，然后针对一个教科书的目录，就能把学习曲线给画出来了，它大概应该是这个样子的。前面第一个阶段是教科书的前几条，这一般呢，也就是介绍一下新学科里面的基础概念，所以这里学习曲线就会比较平缓，没有什么挑战新概念，只要记住就行了。然后到中间这一段呢，曲线就开始忽然变得陡峭起来了，因为基础概念都已经介绍完了嘛，在这些基础概念之上，就可以去描述和解决更多的学科内的知识和问题了。 它之所以陡峭，是因为在这个时候我们对前面的基础概念呢，理解还不够深，又忽然来了很多的新东西，那挑战又一下会增加很多嘛。再往后到了第三个阶段，曲线就开始变得没那么陡，也没有那么平了，太陡的话，那挑战太大，压力太大，太平了，又没有挑战，没有成就感。这个时候学习状态那是刚刚好的，但是要想达到这个状态，这个阶段那就需要经过前面两个劝退的阶段才行。

{ 1:47 }

在双重的劝退之下啊。一个初学者能坚持下来，真正能感受到这个学科的魅力，那真的是已经少之又少了。所以我才会说，教材它是反人性的，它的目标是服务初学者的，但是它又在有意无意的难为着初学者。这一次我其实就是想分享一下我自己是如何应对这些教材的反人性的，像是机器学习这些知识，我是真的在做第一个视频的时候才开始学，我也是初学者，我自己是如何把这个不人性的学习曲线给拉平的呢？ 如果你好奇的话，我们就一起来看一下吧。前面我说了，初学者看教材去学习一个新学科的时候，就会遇到这样的一个学习曲线，这种学习曲线就是在折磨人，但是你要说这个教科书是在故意折磨你，它其实也不是，主要还是因为对于每一个初学者来说都有一个很难绕过去的陷阱。我举一个例子啊。

{ 2:41 }

我不知道大家我清晰的记得自己当初在学线性代数的时候，第一章上来就讲行列式行列式案例来说它是线性代数矩阵这个里面的一些基础概念。但是呢，我当时就特别纳闷啊，为什么要学行列式这个概念呢？它有啥用啊？为啥需要这么一个东西呢？虽然我能记住会计算，但是就是不知道它的意义，就因为有这样的困惑，所以我就没有继续学下去的兴趣了，也就错估了线性代数矩阵它们本身的价值，还以为这就是一个解方程的一个新工具呢。 其实只要学到后面，了解了矩阵的几何意义之后，哎，就能明白行列式它到底是有啥用了。矩阵在几何意义上，其实我们是可以理解成它就是对一组积，也就是那个坐标系进行变 列式的值呢？它就是这个变换之后，原来坐标系上的一个图案变到新坐标系之后，它的这个面积的变化程度。而且呢，通过这一点就是通过这个行列式呢，还能让我们去对线性变换呀线性相关等等这些概念产生很多不一样的感悟，总之它就是直接的和间接的意义都非常大。 如果当时就知道行列式意义是这样子的，那肯定不会有轻视的这种想法了，那学起来就会更加起劲嘛。但是问题在这里就出现了，按理来说呢，我们初学一个学科里的基础概念的时候，如果可以对这个学科的大框架有一定的理解，那学这些基础概念的时候就会感悟更深，学起来也会更容易，也会积极性更高。

{ 3:54 }

但是呢，想要对这个学科有一定的理解，那还需要我们先熟悉这个学科里的基础概念基础知识，然后才能对它的大框架有更好的感悟。所以呢，基础概念和对学科的整体理解，这两个它们之间是互相依赖的，也就是说基础概念和整体理解，它们互相给锁死住了，从哪头开始都会成为我们学习的困扰。总之啊，就是我们不论如何，都会陷入一个初学者的陷阱。 之所以会出现初学者陷阱，它的本质原因是任何一个学科，它所涉及的那些概念啊知识点都是有千丝万缕的联系的，它是一个网状的结构，但是一本教材它只能以线性的方式去呈现它，所以说这个学科里面这个网状的结构只能被硬生生的拉扯成一个线性结构，放到教材里面，但一旦拉扯成这个线性结构，就会损失很多知识和知识之间的关联，那就成为了我们学习和理解的障碍了。

{ 4:42 }

也就是这个原因，它才导致教材会出现那种反人性的学习曲线。那面对初学者陷阱教材，或者说在学校里面上课，这种学习方式又是如何解决的呢？在学校里上课，那种教学模式就很简单粗暴了啊，这就是通过点名布置作业考试等等这种方式去施加外力，强迫你必须学下去，硬着头皮闯过去了，等闯过去你就知道我是在对你好了。这种方式呢，我相信大家都有体会啊，不是一件愉快的事。 要么是呢，憋着一口气，只要毕业啊，就再也不想学这些东西了。要么是毕业之后没有外部的强迫了，但是自己又不知道该如何去学习新知识了，那怎么办呢？还有没有其他的方法可以突破那个初学者陷阱呢？啊，有的，这个方法具体是什么我很难一下给你描述清楚，不过呢，我们可以看一下另外一个领域里的问题，它也有同样的困境，我们可以看看它是如何解决的，然后从中获得启发。这个问题就是生命起源问题。很长一段时间，生物学家都对生命是如何诞生的这个问题非常的头疼。

{ 5:36 }

这倒不是说原始生命都灭绝了，不能直接研究，而是生命起源问题。它本身就有一个逻辑上的死结。我们现在绝大多数的生命过程都有两个非常重要的步骤，一个是细胞会根据DNA上记录的信息去生产蛋白质，另一个呢是生产出来的这些蛋白质，它有一些是酶，它又会催化核糖核酸去合成DNA，没有这些酶DNA无法复制。那你说生命诞生的时候是先有的DNA呢？还是先有的蛋白质呢？ 如果是先有的DNA，那这些DNA没有蛋白质酶的催化，它是怎么合成出来的呢？如果是先有的蛋白质，那没有DNA作为模板，这些蛋白质又是怎么合成出来的呢？也就是说啊，DNA和蛋白质它们互相依赖，这是不是就很像我们前面说的那个基础概念和整体理解它们之间这个关系很像啊，也是互相依赖，互相死锁。那生命起源的这个死锁谜题是如何解开的呢？其实也很简单啊。 最先有的不是DNA，也不是蛋白质，而是RNA RNA虽然作为遗传物质，它没有DNA稳定作为催化物质，它又没有蛋白质高效，但是它胜在可以同时具有两种功能，也就是说RNA它不具有前面那个死锁的情况。只不过最后随着生命的演化，RNA的这个两个功能被更优秀的DNA和蛋白质给代替了。我觉得生命起源问题里面解开死锁的这种情况是可以给我们解决初学者陷阱提供启发的。

{ 6:53 }

对于一个学科，我们就可以把它看作是那个已经演化到后来更加成熟的那个生命形态。一个学科，它肯定是有起源的。这个起源基本上也都是起源于某个基本问题，或者是某个基本概念。你像是力学，它有起源于物体是如何运动的这么一个基本问题。或者呢，像信息学，它是起源于信息熵这样一个基本概念。 但是不论起源是什么，随着这个学科的发展，人们是会在那些基本问题和基本概念上重新建立起新的知识的。而这些新的知识又会帮助人们去重新理解那些基本问题和基本概念，就像是现在对运动问题和信息熵已经远远超过最开始的理解了。一个成熟的学科，它就像一只狡猾的狐狸，它早就用自己的尾巴把自己之所以会变成现在这样的那些轨迹全部给扫掉了，就像是生物演化过程中灭绝的物种一样，几乎不留痕迹。

{ 7:40 }

所以要想解开初学者陷阱，至少有一个更自然的方法，那就是从这个学科的起源出发，跟随着这个学科的发展历史，一步一步的去了解这个学科。我自己个人还是比较喜欢这种方式的啊，想要了解某个学科了，一般都会先找一下和这个学科发展史有关的科普书，拿过来看一看，像是我在学习机器学习之前，就先看了几本和人工智能历史有关的科普书。不过呢，从学科史的角度切入，去了解这个学科啊，也有自己的问题，那就是按照这个学习路径去学习的话，可能会比较浪费。 因为在一个学科的发展过程中，其实有很多的思想和概念，他们已经过时了，他们只是这个学科发展过程中的化石，没有他们也不会妨碍这个学科知识的完整性。这种感觉呢，就像是我们本来是想了解一下散养鸡它们的生态问题，但是要想从源头开始了解的话，那还得去了解一下恐龙这个鸡的祖先，这就很没有必要了嘛。我自己愿意用这种方式去学习呢，完全是因为我自己本身对这些事儿就比较好奇。

{ 8:34 }

而且呢，我的本职是做科普内容吧，所以说对一些历史过程有了解，也不会浪费。以后写科普内容的时候还会用到。那么对于那些学完了之后就要去应用的人，他们该怎么办呢？为了学一个学科，还要把它的化石也挖出来，也是没有什么必要嘛，那应该怎么办呢？我们还是可以从生命起源的那个RNA那里得到一些启发，我们是不是可以人为的去创造一个学科里的RNA，让它帮助我们去解决初学者陷阱里的思索问题呢？ 如果可以的话应该怎么做？这就需要我们去看一看RNA的特点了，让我们把它的这些特点迁移出来，应用到学科的学习上来是不是就行了？RNA的特点是什么？RNA最大的特点啊，它其实就是不论是DNA的功能还是蛋白质的功能，它都有，但都是半吊子。如果我们想要人为的去创造一个学科里的RNA，帮助我们去突破初学者的陷阱啊，估计啊，也是需要一个类似的半吊子的东西的初学者，在学习一个学科的时候，被思索住的是基础概念和整体理解这两方面。 那么这个学科里的RA，它就应该既在基础概念上是半吊子，又在整体理解上是半吊子，是这么一个东西。那么这个基础概念和整体理解应该怎么半吊子呢？我可以说一下我的经验啊，对于基础概念来说，它难就难在它的表述严谨而抽象，我们要想理解它们是需要去专门学习的，所以说基础概念的半吊子啊，我们就不如放弃一些严谨性，这样的话就不需要那么抽象了，不抽象的话，我们就可以尽可能的用日常的大众的语言去理解和描述了，这个就不用专门的学了呀。

{ 9:59 }

那对于整体理解这方面又怎么半吊子呢？啊假。假如说啊，有一个老专家，他在一个学科里面浸润了多年，那他肯定是对这个学科有一个整体理解的，但是他的这个整体理解也一定是细节非常丰富的，这些细节是怎么来的？是他在多年的学习和工作中积累下来的，初学者肯定是做不来的，那所以不如暂时忽略掉那些经验积累的细节，关注在大框架的整体理解上。 所以一个学科知识的RNA，它就应该是一个能用大众语言给描述出来的忽略了细节的一个知识大框架。我想很多人可能就有疑问了啊，为什么必须在这两方面都一定是半吊子呢？就不能全都要吗？可能还真不行，一个学科它不是禁止的，它自诞生以来，它就在发展，在演化。因为最开始的时候，不论是概念的定义啊，还是对问题的描述啊，都没有那么完善。

{ 10:47 }

但是随着学科的发展，学科里的概念和它的语言对这个问题的描述就越来越清楚，越来越严谨，越来越完善。这个时候基础概念就会变得更抽象更专业了，整体理解呢，也会变得更丰富更深刻。也就是说，这两方面最后都会变得脱离大众的理解，成为这个学科领域里面的专有的东西你想想实数这个概念的发展就大概能明白了，最开始它是啥，它就是一堆连续的可以无限细分的这一堆的数嘛。 一般人都能理解，可是后来呢，为了严谨性，就出现了什么戴德经完备啊，柯西收敛啊这些概念去描述，这个时候的时速还是一般人能理解得了的吗？一开始学科里面那些概念啊理解啊，都是非常统一和泛化的啊，就像是RNA一样，但是随着演化和发展，它为了更高效的表达那些概念和理解，也就逐渐变得分裂和特化了，就像是DNA和蛋白质一样。 所以不是不想全都要，而是实在做不到。所以对于一个初学者，他还真的需要自己给自己创建一个RNA，这个RNA呢，是你去学习这个学科的脚手架等知识体系建起来了，这个脚手架您是可以拆掉的，因为是脚手架，不是永久建筑，所以他就不需要那么精益求精可以是半吊子。

{ 11:55 }

也就是说初学者他就是需要给自己建立一个用大众语言就能描述出来的忽略了细节的一个知识大框架。讲到这里啊，这个道理我是讲出来了，但是如果就结束在这儿的话，那我估计大家仍然是道理我全懂了，但是依然过不好这一生，因为这个学科RNA它到底是什么样子的，我们还是想象不出来，还是不知道该怎么自我建立。 大众语言这个还比较容易理解，可是什么是忽略细节的大框架呢？啊？所谓的忽略细节，它到底应该是忽略哪些细节呢？这个大框架它应该架在什么地方呢？要想解决这个问题啊，那我们就要从最根本的问题开始去考虑了。我们提出忽略细节的大框架，这个概念的目的是啥？是解决我们初学某一个学科的知识的时候，会陷入初学者陷阱这件事儿，也就是说这个大框架要能帮助我们，不需要更多的细节，也能对这个学科整体有个理解。如何才能做到这一点呢？

{ 12:43 }

那我们就要明白我们所说的这个理解到底是啥意思啊。理解是把概念的定义了解清楚吗？是知道如何去正确的使用概念吗？是知道如何正确的计算吗？可能还都不是，按照我的经验啊，我们所谓的理解并不是让某个知识孤零零的悬浮在自己的脑子里面，如果它就是那么孤零零悬浮的啊，就算是对它的细节了解的再多，我们依然会感觉对这个知识点不了解不理解，所谓的理解就应该是尽可能的将这个知识点与我们已有的知识去产生关联。 往往是关联越多，理解的就越深刻。所以什么是忽略细节的大框架，其实就是忽略不产生关联的那些细节，将新知识点和已有的知识点关联起来，组成一张从已知到未知的网。就拿我讲编程通识这个系列里的一个内容做例子啊。我想不论是谁第一次听到函数式编程这个概念的时候，肯定都是懵的，那怎么办呢？怎么去理解这个概念呢？是对这个概念的细节了解更多吗？啊，我们可以试试啊。我们来看一下维基百科对函数式编程这个概念的描述啊。

{ 13:41 }

说它是1种编程范式，它将电脑运算视为函数运算，并且避免使用程序状态以及易变对象。其中，咱们的演算为该语言最重要的基础，而且咱们的演算的函数可以接收函数作为输入参数和输出返回值。你看看这样的描述，这样的描述，除非你已经懂了，你才能看懂，否则你就看不懂。当然了，你可能会说，啊，这是因为这个描述还比较抽象，细节还不够。 啊，其实啊，就算是你硬着头皮把函数式编程的规则都记下来了，你也能把程序写成函数式编程的要求的样子了。这已经把这个概念还原到头了吧。但是我相信啊，很多人心中仍然会有很多的困惑，很多的不理解你，就比如说他为什么要写成这个样子，这样做有必要吗啊等等这些问题他肯定还是存在的。为什么呢？细节已经够多了呀，怎么还是有不理解的困惑呢？ 这是因为虽然知识点被还原了，更具象也更细节了。但是呢，这些知识点仍然是光溜溜的，它没有和你的知识体系连接起来，它还不属于你，只有把它与你已有的知识连接起来，这个时候它才算是属于你了，你才会感觉到对它理解了。那具体如何将知识连接起来呢？啊，这个方法就比较多了啊，可以是两个本来不相关的东西你给抽象从成同一个东西，也可以是两个类似的东西进行类比。

{ 14:53 }

还可以是两个东西表面看起来不一样，但是你知道它们本质是一样的，或者干脆其中一个就是另外一个的抽象等等等等，这些全都算我在分享自己对函数式编程理解的时候，我就没有单独的去讲函数式编程它到底是啥，而是花了很大的功夫去讲它与指令式编程它们的联系。 去描述它们之间有什么相同点，有什么不同点，还有它们的各自的优势和劣势。为了将它们联系起来，我将函数式编程抽象到了栏目的演算法。指令式编程抽象到了图灵机，然后还对栏目的演算法图灵机继续抽象说它们本质上就是用指令去操作数据发生改变。这个时候两个概念就给联系起来了，我用大家已经熟悉的指令式编程作为支持，将函数式编程也给勾连了进来。后面讲到元胞自动机呢？还是一样，这仍然是一个孤零零的概念。

{ 15:39 }

如果没有把它和我们已有的知识产生联系，就算把这个概念它包含的那些细节全部还原出来，给大家直接去看生命的游戏，它的运行视频啊，最大的可能呢，可能就是让你看了个热闹啊，看了个奇观，对于你来说可能也就是觉得啊，了不起，然后也就没有然后了，只有从根本上将它与我们已经熟悉的图灵机和咱们的演算法产生联系，大家才能理解它的价值到底是什么。当然我分享的时候还将元胞自动机和神经网络进行了联系。 如果说元胞自动机和图灵机两们的演算法产生联系，是从更抽象的层面发生了联系，那么元胞自动机和神经网络啊，就是在更具象的方向上产生了联系。 虽然元胞自动机和神经网络，不论是他们涉及的学科还是应用的场景能解决的问题啊都不太相同，但是我们只要去还原一下，还原上他们的真正的工作机制。元胞自动机是在做什么，神经网络是在做什么，然后就能发现他们本质上其实是同源的。讲到这儿，我想大家应该能明白我说的那个大框架是什么了吧，就是将新知识新概念与你已经掌握的知识和概念联系起来的那张网。之所以是网，是因为这个大框架的第一优先级是连接，而不是严密。如果。

{ 16:46 }

还能做到尽可能的避免使用专业词汇，用大众语言就把前面说的那些情况都给描述出来给讲清楚了。那我这个编程通识的视频应该就算是一个编程这个学科里的RNA了。至于如何织网，把新的知识和已有的知识给联系起来，这还是一个挺考验人的事儿啊。 这个呢，就像是骑自行车，不是说道理懂了就会骑了，一定是亲自试过，有意识的训练之后才会有感觉。我的具体做法呢，是这样子的，在学习一个新知识的时候，我会告诉自己这个知识的具体细节，先不着急，重点是我要有目的的去探索，它与我已经有了这些知识，能发生怎样的联系，这个探索呢，就没有什么取巧的方法了，就是你多试探多尝试，有的时候还挺靠运气的。 偶然一个时刻可能就有灵感了，而我寻找灵感的方法肯定就不是凭空去想啊，而是要看别人是怎么想的。比如在B站上搜一下有没有这方面的课程的视频。不过我这个看视频的方式啊，有一点比较特别，我会去为了看完而看，基本上都是要把播放速度放到两倍速，然后看视频的时候也会去克制自己，然后不去暂停。就算是某个细节没有搞定，还没有看懂，也尽量的不要停下来翻过去看。所以呢，一定是视频课程，而不是教材，教材你是要主动的去翻的嘛。

{ 17:57 }

课程视频呢？它是你被动的跟着就要去看完的，因为我的目的是寻找灵感嘛，所以我还会刻意的去抑制自己，把所有细节都搞明白了这个本能，而是会去记录自己脑子里面冒出来的各种各样的问题。这些一个一个冒出来的问题呢，其实就是一个一个灵感的种子。随后我还会根据这些问题去搜索去寻找答案，往往就是在这个寻找答案的过程中，连接就会产生，因为有问题就代表了我的知识体系有缺口。 有缺口就需要补齐。补齐的过程就是这个新知识和旧知识产生联系的过程。还有费曼学习法，大家应该都听过啊，就是学习一个知识，一定要能把这个知识讲出来讲给一个外行人，让他也能听得懂。费曼学习法之所以有效，在我看来也是因为它其实就是一个能帮助我们寻找学科RNA的辅助系统。为什么这么说呢？你想啊，你学了一个知识，这个知识呢，可能只是悬浮在了你的脑子里面，没有和其他已有的知识产生联系。

{ 18:50 }

但是呢，你还是会感觉到它已经填进脑子里了，脑子已经满了呀。这就会让你感觉到已经学习到了，成就感已经得到了。可是当你用费曼学习法，这又不是把知识装到脑子里面这么简单了，你还要把它给讲出来，而且还不是讲给已经懂了的人，而是要讲给外行，让他们也能听得懂也能理解。这其实就是在倒逼你啊，让你把你学的知识用外行的语言，也就是大众的语言给描述出来。 当你脱离开这个学科的内部语境，必须用大众语言进行描述的时候，你就不得不将这些知识与你已经有了知识产生联系了啊。当然了，具体这个关联的好和坏关联的这个网建立的这个网是不是好，是不是更容易让人懂，那就是另外一回事了。其实我的视频在分享各种知识和概念的时候我就是这么要求自己的，我可以讲的不那么严谨，不那么符合学科里的各种定义。

{ 19:36 }

但是我一定要尽可能的用非专业的概念，用举例子，用类比的方式，让大家让观众们去感受到这些知识。他们到底是在描述一个什么样的事情和其他的知识有什么样的一个关系。其实有不少人在看过我的视频之后啊，都会说我的某些地方讲的是不对的啊，这个概念不是这样的，或者说老师不是这么讲的，怎么说呢，他们很多时候讲的是没错的啊，但是呢，你对于外行人，对于初学者，对于我这个视频要想讲清楚这个事儿来说，他们的那个正确答案很多时候也就是没有用的。 因为这个正确的答案除了正确之外，它并不能帮助我们把各种知识给关联起来。比如啊，我之前就说过，编程语言等于数据加指令。其实就有不少人说我啊，说你讲的不对，你怎么能把数据和指令给分开呢？指令它也是数据啊，他们讲的是没错，但是他们这个也是没有用的呀。我那个视频他想分享的是啥？ 是想帮大家去拆解编程语言这个概念，告诉大家别被编程语言里面很多花哨的语法给迷惑了。它们本质上就是数据和指令，数据和指令在编程语言里面分别承担着两种不同的职能。你只需要掌握这一点，你就能将指令式编程和函数式编程给联系起来，去看到它们的区别和相同点。如果硬要说指令也是数据，这的确是正确啊，但是这还怎么把知识给关联起来。我的视频为什么总是很长，因为我要用大众的语言来进行描述啊。

{ 20:54 }

大众的语言，它总是有各种各样的理解的。这具体含义其实还挺模糊挺有歧义的。所以很多时候我只能用大量的篇幅去描述和约束我用到这个概念到底是啥意思，尽量的去避免歧义，当然也只能是尽量啊，就比如我在视频里面提到的数据和指令数据和指令，这两个概念到底啥意思，其实还挺模糊的啊，不同人有不同的理解，我不能默认大家看到这两个概念之后，脑子里面出现的那个情境和我想表达的就是一样的，所以为了达到我分享的目标呢？ 就需要大量的描述和类比来营造一个语境，尽可能的做到在我这个视频的语境之下，大家对这两个概念的理解啊，没有歧义。听到数据和指令，大家脑子里面冒出来的那个情境啊，都差不多。如果是因为类似的情况，你说我讲的不对，哎，我只能说你讲的没错哎。但是呢，这也代表了你并不是在我这个视频的语境下进行理解的，只是调用了大脑里面已经有的那个快捷方式。所以呢，我也可以认为啊，你也的确是没有认真的听我到底是在讲什么，讲了这么多啊，我一方面是在分享我的学习经验。

{ 21:53 }

另一方面呢，其实也是在分享我做分享的价值观，一个学科的知识，它是一个复杂的关系图，但是我们学习只能线性的输入到我们脑子里面，所以这样一个关系图，它只能用某种方式进行拆解，拆解成线性的关系，才能被我们吸收。教科书的拆解方式呢，就是还原成这样的一个线性关系了，它特别强调知识之间的先后顺序。 你要是没有前面的基础，你后面的就是不懂。而我提到的寻找学科RA的方法，其实就是在我们大脑里面先放一个晶核，然后让这个晶核像滚雪球一样一层一层的扩大。这样的话对于知识点的先来后到啊，依赖关系就没有那么严格的要求了。每一个新知识的接收，不论是看视频看到的还是网上搜到的，或是一个博客里面写到的，它都会帮助我们去迭代自己的知识体系。当然了，随着信息的输入越来越多，我们脑子里面这个知识体系会补充更多的知识细节。

{ 22:44 }

这就相当。于是量变也就是那个大框架的网眼越来越密了。还有1种可能啊，就是随着信息输入的越来越多，我们脑子里面的这个知识体系没有办法承担了，因为我提到这种方式呢，不那么要求严谨性，所以这种不严谨它是会积累下来的。当积累到当前脑子里面的知识体系没有办法解释的时候，没有办法理解的时候，那就不是量变了，而是质变，需要对这个。 知识体系这个网进行重构，把积累下来的那些不严谨再给消除掉。当然这又是另外一个话题了。不过不论是教科书式的，还是寻找学科RNA式的选择，任何1种方式，它其实都代表着要保留一部分，放弃一部分。那到底是保留哪部分，放弃哪部分，如何做出选择呢？这其实就是体现出价值观不同的地方了。教科书它选择了更严谨，体系更完整，而我选择的是更易懂，对初学者更友好。 因为我自己在学习的时候就一直期待有一个人可以用更易懂对初学者更友好的方式把知识讲给我。可惜呢，我没有找到，所以我只能自己来了。如果你认可我的这个价值观，喜欢我的这种分享方式的话，希望你能支持，我可以一键三连。