在說的其實是認知科學 1:03 秒 規律出來的東西 叫做(認知 公理 定理 效應 流程 結構 概念 構面 公式 模型 系統 庫 陣列 矩陣) 而不是知識 知識大多泛指 尚未被自身完全掌握 外部零散不完整 無結構的資訊與情報 的統稱 除非加上高等知識 小眾知識 專業知識 否則大多人會誤認為一般的大眾常識 規律的知識 跟 知識 有非常大的區別 這會搞混影片後面精緻的結構 這個盲區要小心處理 1:12 我的看法 跟你反過來 但我先說影片講非常好 學習 要"先把知識解壓縮" 然後再重新壓縮 (後半段就是影片的講法) (2:20就是影片的再說明解壓縮的關鍵處) 大多人 能接觸到的學習材料 都是被壓縮好幾遍的資料了 比如什麼是"內卷" 什麼是yyds 所以大多人不是不會壓縮知識 而是不會"解壓縮 " 古人道 說文解字 要解壓縮 得靠"研究"那套 系統構面+變項變量+機率與統計 還有持續維持一種 我是傻逼的自我認知跟強大學習興趣,還要有能力判斷並拒絕接受過分 被高階知識鄙視的氛圍 蘇格拉底 我只知道一件事 就是我什麼都不知道 最後我放大招好了 機器學習本就是一個大神 將人類的認知科學轉換成機器架構的 所以我們後輩可以使用機器學習回頭參考 但 這當中出現2個很多人都沒想過的盲區 就是 情緒感受 與 渾沌記憶(冗餘記憶) 機器學習本身並不被 情緒感受 與 渾沌記憶 干擾 因為我們讓它們幾乎不被干擾 若一個資料庫結構凌亂 資料凌亂 讓他學多少機器學習 都不可能成為阿法狗 人也一樣 而且問題更大 人本身更大的問題並不是寫程式 而是資料庫都壞了 要修理資料庫 而且人沒有電腦那樣永遠無限的試錯成本 專注力體能會下降 有限制 電腦讓他跑三天三夜 重複幾兆次都沒差 但人有很高的試錯成本 所以沒辦法像電腦可以亂來 那說到這裡 很多人都慌了 到底是哪個點出問題 問題出在 情緒感受上的"機率與統計" 情緒感受 很多人搞不懂他是怎麼出現的 他是一種 渾沌記憶運算後產生迴歸的"機率統計顯著性"表徵 也就是人類認知學習上 比機器學習多出一個"變項" 就是"情緒感受" 你也可以說"價值觀" 或 "潛意識" 重點就來了 你對這份知識沒有特殊或者深入的情緒感受 你很難把他活用與重用 如同2:20所說的 用更多的例子帶入 這就是要加入更多的情緒感受進來 讓你對這份知識與情緒感受連結 炸出一套新的認知構面 什麼是情緒感受 就是站在上帝視角環視整個系統 利用了 量化機率統計 思考後心中的分析輸出 一種全新的感受 當逐漸能夠將上述逐個節點構面 構建成自身的思維導圖 一套系統 那麼就大功告成 大多人可能誤會許多天才好像學習不自帶任何情緒 那是因為他們已經將所有的能用的情緒感受都耗盡在學習上了 (試問你工作心力交瘁一整天 回到家還想講話嗎) 已經沒有多餘的情緒感受 能足夠支撐在真實人與人之間的互動 但也不用擔心 當他學會達到一個結束的階段時 情緒感受會自動補充 情感損耗就會下降 以利之後的正常情感交流 情緒感受的底層控制 就是 機率與統計 若用人的"外在接觸"與"內心喜好或想法"來對應 就是外部機率與內部機率 都需要練習學成 機率論的學習 也是屬於運動學習的一種 需要長期逐漸練習 另外要注意 此處提到的機率論 並不是學校數學學的那一套 機率論分成 機率論-統計學 以前叫做機率與統計 要學的是前者 只要有四則運算的能力就能學 真正的機率論 要去找機率與統計 或者機率論 主要都偏理論與語文邏輯或者概念框架 本身並不需要大量數學計算 如同練習倒車入庫 英語會話 烹飪 技術 這類的學習方式 所以喜歡不喜歡 不該用"喜歡度" "喜歡值" 來解釋 而是"喜歡率" 如同砌磚牆 只有一堆磚塊沒用 需情緒感受機率統計這水泥黏著劑 才能鞏固整個知識牆 當越學越多 就發現 就是研究生搞論文研究那套 搞個目的 搞個動機 搞一堆文獻引用層層用機率論締結 但不用真跑統計 前三項一直繞而已 因為結論網路上就有很多參考了 但要找大師級或者教授級的文獻或結論

目前商科大二下，在犹豫转成商科计算机科学双学位，代价是本科会读5年半，甚至6年，因为转学位太晚。 看完本视频，更明确了我想要的选择。计算机科学，绝不只是学习计算机，而是学习 ”学习“ 的普遍规律，这样才能赋予人工智能 “类智慧” 。 在这个过程中，人自身的学习能力也会有质的飞跃，而学习能力，很大程度上决定了人一生的发展上限。 这个视频太赞了！

0:01 什么是学习 1:20 如何学习 2:47 学习误区 4:28 运用误区 5:55 构建知识 7:28 思维导图 11:20 费曼技巧

我看到一半第一个反应就是机器学习，刚好下周考这个。我们为机器定义其学习的方法，何不是从我们人身上所总结出来的。如果可以将其套用于生活真的是能改变的，果然知识是有所相连的，不能只因为某个知识出自某个领域从而认定它只能运用于那个领域。还有关于文中讲的英文例子，我深有体会（会英文和日文），学语言，学到后面，重要的不是翻译而是使自己融入进语言，用语言思考而不是在脑海里翻译。有些时候真的让我翻译我反而会翻不出来。很感谢你的视频。有点希望可以翻译成英文给我的上司看。

這是看到的關於學習最有說服力、也是最深刻的的道理。感謝作者分享！

謝謝您的分享，能夠跳脫出來全盤的看事物，真的非常不簡單。

質量真的高，早該來看了。謝謝樓主的用心分享

简单明了，直至本质，总结的非常好。谢谢

感觉从小到大，真的这辈子都没搞懂什么是学习，被这篇浓缩的高含金量的视频点醒，感谢大神。

相见恨晚！！听完想哭，我是医学生，最近在学习编程，如果放在以前，我是看不懂这个视频的价值的。现在对机器学习有一点点入门，同时我最近四年日常大量应用思维导图电子笔记星图进行学习工作，听完这段视频，就好像突然打通了任督二脉。❤❤

我竟然現在才看到這個影片，若是我能在2018年底就看到這個影片，我能少走兩年的冤枉路。 閣下大才，令人拜服。

此视频含金量很高，特别赞！

读了20年书，可能也不知道学了什么。可是你短短一个10分钟 视频 让我大开眼界，才明白什么是学习，如何学习。👍👍💯💯 致敬

这个和编程很类似，两段代码可以解决两件事，但是可能每段代码里包含了一个独立功能，抽取成单独模块，可能可以在100个以上的地方共用，省出来的工作量是很客观的

超级棒，也理解了深度学习为何如此强大

内容太棒了，分析得特别好，很有帮助！

听了大神解释的思维导图，有一种突然明白很多学习和阅读课程里面讲的方法，原来原理是这样，听着感觉太舒适了。

非常好的影片，也很符合我的學習經驗！

虽然千人千识，但对”温故而知新“的说法太勉强了点。 温故是指不断复习，知新是指不断穷近读本承载的真意。是指反复学习而趋近知识真面目的意思，这里并没有将所获知识再次输出的意思。

眼:難怪我學習一直那麼差，看了視頻之後我懂了 腦：不，你沒懂

太强大了，我之前听过一遍，然后又来听，并且做了笔记，打算用在我的学习计划里面，但是还没完全掌握，估计还会反复多听几遍

內容太棒了 感謝分享

看了近10篇關於費曼學習法的相關影片, 其他的這些影片多在單一層面的複誦, 或是無意義的假意修改創造看似更強的類費曼增強型學習法。 而當我一看到本影片時, 不到20秒就完全近入了多個層面的角度來理解學習的樣貌, 再透過機器學習的對比, 引入費曼學習法的本質, 以及接續到孔子的學簡化至極的學習法, 完整的把面向都說明清楚。 真的是超級建議一定要多看幾次, 或是保存連結的啦。

太强大了！！！！谢谢你的分享

总结得特别好 👍

我真的太喜欢这个视频了，希望多多更新关于学习的视频！

这个视频的知识量太大了，谢谢！

透徹！佩服！

谢谢你做这些视频，相见恨晚！

视频非常好，谢谢坚持更新

看了很多关于费曼学习法的介绍~你的视频是最全面的最系统的~但是同时也是最废脑的。给视频主点个赞！！感谢你的分享~~

讲解得好到无可反驳!

很意外原來平常使用知識居然跟機器學習居然是有關連。 如何學習真的是很深奧學問

讲解行云流水，板书精雕细琢，因为精彩，以至于忘了点赞

看个这种内容的视频居然快给我看哭了。实在是太厉害了

太强大了，很多都似有感觉，却没有这么强大的总结。再重温几遍，不容易啊

感谢作者，受益终生

感谢youtube演算法在我最需要的时候拉了我一把

真是非常優秀的視頻

很好，谢谢

相遇恨晚，感恩分享

看完之后,觉得什么都懂了,又好像什么都没懂. 视频很好,受益匪浅.

其實教學生如何學習真的應該列入正規課綱裡面

醍醐灌顶 非常赞

講的好好,節奏感很棒,應該放進大一教材第一課。

你怎么这么棒，服了服了，关注量这么少 我就感觉我捡了个宝。还是油管的推荐算法好 ，总能发现真心厉害的博主

确实做的很棒～这么好的视频竟然这么少人发现～～～～～

太牛逼了~~~学机器学习的时候只是隐隐约约有种感觉，觉得对人的学习有启发作用，但没有像你想的这么透彻

特别好的视频！重要！秒关！

這個影片讓我特別感動想哭，不知道為什麼。長大之後才慢慢體悟到萬事都會回歸到基礎模型，包括待人處事、工作、學科，而學習如何學習就是了解自身的建模方法，成長所帶來的經驗則是輸入的資料。所謂三人行必有我師焉、薑還是老的辣、萬法歸一，小時候聽都沒感覺，長大在 ML 裡面一一得到驗證。

这视频很赞！

我建议大家想认识如何学习的去看看关于认知的知识，还有我看见评论很多人说这些都应该在学校里教，我想说这是不可能的。学校的任务只是把我们训练成社会协作的螺丝钉，在国外也只有精英阶层才能专门去学到这些东西，每个人都会这些东西的话社会的竞争会更加激烈。 还有就是拿机器学习类比人类学习，好类比！但是说到底还是一种精致的题海战术。另外学习不是记忆，但是记忆是学习的基本要求。千万不要觉得找到了什么学习的捷径，费曼只是把苦逼学生每天要做的事情做了一个很规范的总结。

用function找infomation pattern；用functional來找 function pattern。感謝整理!

是用什么软件做的？做得真棒！而且讲解清晰，目前看到最好的学习方法讲解了。比《如何高效学习》讲得还好

太透彻了！！！！

太晚看到你的影片了......受益匪淺

太干货了，听的好兴奋

讲的太好了

过来支持下，你的视频是我重复看次数最多的视频。

很清楚，厲害

真的厉害👍

道理大家都懂，但做起来挺难的。不过谢谢up主， 让我总结了一遍自己学习的误区。

哈哈4年前在知乎上和up有过交流 就觉得这个头像很眼熟，像黑崎一护的虚面具，看了一眼名字竟然是熟人哈哈

当老师。讲课。是个好办法

很有启发

这个视频太赞了

講的很好，分成三集，講長點更好。

有种茅塞顿开的感觉， 现在要做的就是改正我的学习方法，做到学习而非记忆了！！感谢！！！

邊看邊用記憶在學習影片的知識

这种操作系统类型的视频，应该越慢越好！

太棒了，相遇恨晚

谢谢您的视频，请问在考试前错题集能否帮助学习呢？

明白了解释的重要性，也明白为什么最近觉得对学习失去积极性，因为没有按问题和答案这种方式学习，其实一直只是在理解信息，所以也很难和别人解释，就失去了掌握知识的成就感。

感謝你學到好多啊

great work

我非常希望能够很早看过这个影片 非常感谢分享 !!!

太牛了老哥

我一直都有這個想法，就是機器學習的那一套可以用在人類學習，感謝這個影片認同這個觀點 因為我覺得所有幼兒教師都必須理解機器學習這一點，才能訓練有效的人類學習，尤其是泛化

听开头的时候就觉得和机器学习一样。哈哈哈

Perfect!

我从一开始就觉得 这是讲机器学习！！ TRAIN MODEL!!

听得出神

视频做的不错，请问是用什么软件和方法制作的？

太棒了

说得是理！原来如此啊！

感谢无私分享 👍 油管差一个打赏

內容很棒 !!!! 內容很棒 !!!! 內容很棒 !!!! 但聲音不夠清楚 讓人聽了昏昏欲睡

太强大謝

这个视频有两个问题一是没使用例子，导致我们有点难理解视频里你说的所有内容。二是没使用费曼技巧，当然第二个没法使用，因为没有反馈对象。

你好，想知道這個影片是有甚麼軟體製作的，謝謝。

質量也太高了吧！

还有更多学习方法介绍吗？

宝藏KZfaqr

厲害

回顾之前读过的知识有用处吗？

背景音乐好象是《大门未知子》的配乐吧

我说怎么前面讲的东西那么像我昨天学的algorithm的课 直到我看到了你说机器学习哈哈哈

能出現在首頁上真是太好了

溫故而知新是這樣解讀的嗎

建议能否举些例子，尤其是说拆分知识子知识那段，结构说的很专业但是太抽象了。