杂想笔记--信念和学习

天生聪不聪明

聪明从哪来？

对于57个三岁的孩子对于“聪明到底是天生的？还是后天学习来的？ ”的看法；跟踪这些小孩子直至小学四年级——整整七年。结果发现：认为聪明是后天学习来的孩子，学习成绩明显的高于相信聪明是天生的孩子
Dweck 教授找来了 373 名美国刚上初一的学生，询问他们对聪明的看法：相信聪明是天生的学生，数学成绩持续下降；而那些相信聪明是后天的学习可以弥补的学生，数学成绩是不降反升的！
认知神经科学的最新研究成果：
人类的大脑是如何学习到知识的？答案是通过不断的思考。在不断地学习和思考的过程中，人的大脑内部产生着剧烈的神经活动，迫使脑神经之间建立了更多的连接。随着神经元之间连接越来越多，我们对问题的认识也就越来越深刻，遇到类似问题反应也会越来越快。不仅如此，甚至还能触类旁通，举一反三，乃至和其他的领域结合，产生创新性的想法。这表现出来，就是你更聪明了
最后Dweck 的实验告诉了我们：我们对聪明的看法，会影响，甚至是严重影响我们的表现！；或许我们不十分确定到底每个个体聪明程度是否有差异，但是对于聪明是通过后天勤奋努力学习越练越聪明的信念是会绝对产生影响我们的表现；
被夸聪明的学生会更有“偶像包袱”，更容易患得患失，心理害怕拒绝挑战，害怕难度，这只会更加裹足不前。被夸努力的学生，有 92% 选择了比上次更难的挑战；而被夸聪明的学生，却只有 33% 选择了比上次更难的挑战

血淋淋的事实

——人们对聪明的看法，会极大地影响人们的行为；Dweck 教授告诉我们的是：聪明不是固定的，一成不变的。只要你相信聪明是靠努力可以弥补提高的，并且努力下去，你就会变越来越聪明一点。

反证法

一个很常见的问题就是：老师，我觉得算法好难，自己不够聪明，要花好长时间才能理解一个算法，刷题效率也很低，半天能过一道题就不错了，我该怎么办？
对不起，我没有更好的方法。并且，我坚信，不仅我没有，这个世界上根本不存在这样的一个方法。我经常使用反证法来阐述这个问题：反证法：假设这个世界存在一个简单、可行、快速、高效的学会算法的方法，那么，所有的人早就使用这个方法学习算法了，所有的人也早就成为算法大神了，算法也就不是什么让人头疼的事情了。可这是和现实不相符的。所以，这个方法不存在。
但是，如果能够给你一点安慰的话，我想实话告诉你：在我刚开始接触算法的时候，我也觉得算法好难，自己不够聪明，要花很长时间才能理解一个算法，刷题效率也特别低，别说半天一道题了，一个礼拜死磕一道题都是家常便饭。

聪明or聪明

天生聪不聪明似乎并没有什么关系。聪不聪明，to be or not to be;who cares；因为，只要你相信聪明是靠努力勤奋可以弥补提高的，并且努力下去，你终将变得很“聪明”。甚至，你会超越这种“聪明”，理解一个很嘻哈又很深刻的道理：聪明不是什么了不起的事儿，什么蛋疼都没有。
据统计，无论是诺贝尔奖的获奖者，还是美国总统，平均智商都和普通人没有显著差距。而和普通人智商有巨大差异的群体，门萨高智商俱乐部应该是典型了。可惜，很少听说门萨高智商俱乐部的成员，在任何领域，是的，任何领域，对世界、对社会有重大的贡献。
除了制造一堆稀奇古怪的智力题。别无用处；
**最后面对学习困难的知识：算法，编程语言，课程；汇成最后一句话：要努力，万事无他，唯手熟尔；

高效学习

人的差异在于业余时间

总结学习上的那些坑

我们不应该过度着眼于我们还不够完美。学习不是要么 0 分，要么 100 分的；而是更要认识到：80分是收获；60分也是收获；20分也是收获。有收获才是最重要。但要是因为着眼于自己的不完美，一直囿于一点，不肯往前，一直瞻前，导致后面一点没有学习上，最终放弃了，只有放弃，那才就是彻底的 0 分了。

对待学习：不要完美主义！不要完美主义！不要完美主义！

例子：背英语单词
很多同学拿着红宝书，第一个 list 都没翻过去就放弃了。这是因为每天背完第一个 list 以后，第二天会发现：第一个 list 还是有很多单词没掌握，然后就继续背第一个 list。然后一周后，发现自己第一个 list 都搞不定，觉得英语好难，彻底放弃了。这就是“完美主义”：不把第一个 list “彻底”掌握不肯继续前进。这样是不对的。
背了一个 list，能多记一个词，就是进步。就算一个词都没记住，模糊有了印象，也是一种进步。我们不应该过度着眼于我们还不够完美。

接收自己的不完美

1. 很多同学，其实是在学习的路上，被自己的“完美主义”逼得“放弃了”——由于学习中有一点没有做好，遭受到了一点点挫折，最终就却放弃了整个学习计划。
2. 不完美其实是常态，根本不会影响我们学习更多更深入的内容。但是在自学过程中，很多同学却要求自己在自己制定的每一步计划中都达到“完美”，才进行下一步。最终结果，通常都是“放弃”。

不要依赖“学习路径”，要学习着冲向自己的目标去

现在信息太发达了，对于大多数领域的知识，网上会有很多所谓的“学习路径”。我不是说这些学习路径没有用，但是不能“过度”依赖这些所谓的学习路径。
例如：很多同学想学机器学习，大多数学习路径都会告诉你，机器学习需要数学基础。有所谓知识图谱的意味。于是，很多同学就转而学习数学去了，非要先把数学学好再去学机器学习。可是发现数学怎么也学不好（在这里，可能完美主义的毛病又犯了），而机器学习却一点儿都没学。最终放弃了机器学习，非常可惜。-----直接导致放弃。
更好的建议：
只要你在本科接触过高数，线数，概率这些科目的基础概念，想学机器学习，就去直接学机器学习。而是在学习过程中发现自己的数学不够用，再回头补数学，对于知识：查漏补缺：缺什么补什么，更有针对性，学习是要有针对性的。在这种情况下，数学学习也更有目标性，其实效果更好；
例子：开发IOS/Android APP开发：很多同学想学习做 ios app，就先去精通 swift 语言，或者想做 android app，就先去精通java 语言。在我看来大可不必。只要你有一门编译型语言基础，大概看一下这些语言的基础语法，就可以直接上手 ios 或者 android app 的开发了，先能做出一个最基本的 app，在这个过程中，就会意识到语言特性的意义，再回头深入研究语言也不迟。此时还能结合真实的开发任务去理解语言特性，比没有上手 app 开发，抽象地理解语言特性，有意义得多。
**小结：**不要“过度”学习路径依赖，什么叫“过度”，每个人的标准不一样。每个人都需要寻找自己的那个“度”。模糊的概念，容易让人迷茫；

对于选择教材

不要迷信权威“好”教材

即专指那些经典的“大厚难”的教材；-----》最容易导致直接放弃，从而引发以后对这个知识的畏难性放弃；
例如：最经典的例子：《算法导论》：是第一次接触算法的同学，《算法导论》实在不是一个好教材。但很可惜，很多同学在学习中有上面两个毛病，既过度路径依赖——别人说《算法导论》好，学习算法要走学《算法导论》这个路径，自己就不探索其他更适合自己的学习路径了，一头扎进《算法导论》里；同时还“完美主义”的倾向——对于《算法导论》的前几章，学习得事无巨细，但其实接触了很多在初学算法时没必要学习的内容。最后终于觉得自己学不下去了，放弃了对“算法”整个学科的学习，从而认为算法太难了。
对于一个领域的学习，了解市面上有什么好的教材是必要的，但也不能迷信那些权威教材“大厚难”的教材；

要青睐那些“薄薄”的“傻”教材：这些你看不起的学习材料，会是你入门某个领域的关键

尽量选择那些薄薄的（200页左右），一周就能够读完；
推荐教材：如果是入门水平：随便找一本在京东、亚马逊、豆瓣上评分不太差的“薄”教材，就 ok 了。在这里，关键字是够“薄”。—基本上北航出版社的就挺好的；
先用“薄”教材入门，再找“厚”教材，再细细体会其中的细节； 强调“入门教材”，很多教材虽然够“薄”，但不是“入门教材”。大家要注意一些问题

不要迷信单一教材

可能会有一点“完美主义“的影响，非要一次把一本书全部读完，才动其他的书或者其他资源；对学习一个知识的话：借2~3本书来看，然后以一本最薄的书为主干去看，发现这本书介绍不清楚的概念，马上就从其他书里找答案。通常不同的作者对同一个事物从不同的角度做解读，是能够帮助你更深刻地认识一个概念。
大多数同学喜欢仅仅扎进一本书里，一旦选定了自己的学习材料，就对其他材料充耳不闻，甚至是排斥的心理。这种做法，一方面又是“完美主义”的表现——非要把这本教材学透；另一方面，其实也是“犯懒”的表现，不愿意多翻翻，多看看，自己多比较比较，自己去寻找最适合自己的材料，一味地盲目相信所谓“大神”的推荐。
而某些所谓的大神：明明是靠不出名的“薄”教材入的门，但给别人做推荐的时候，却故意使坏，提高自己的偶像光环，就突然变成夸说自己是算法奇才，自幼阅读《算法导论》而所成的神话了。

实践

虽然前面说了比较长篇幅和教材相关的话题，但是对于计算机领域和信息领域来说：教材的意义远小于实践的意义；对于计算机领域的学习来说，真正动手实践去编程是异常重要的，怎么夸大其中的作用都不过分。这就好比学游泳，必须下水去游泳；或者学开车，必须亲自上路。必须要自己亲自上路；
例如：这个算法的某句话（或者某段逻辑），为什么要写成 A 的样子，而不是 B 的样子？这种问题其实很好，但我觉得解决方法也很简单，实际地去把算法改写成B的样子，实际地运行试试看，看会发生什么。如果发生了错误，仔细分析一下，为什么会有错误？如果没有错误，具体比较一下： A 和 B 两种不同的写法，为什么都正确？又有什么区别？真正的学习上的提高，就发生在这个过程中。就在这个亲自实践一遍的过程中，就能收获一点。

Debug能力非常非常重要

这类经典问题就是：老师，这个代码为什么错了，然后贴一大段代码。这种问题背后，依然是透露着学习方法的不对劲：提问的同学懒得 debug；对于编程来说：debug和实践就是同一个意思。很多同学不喜欢 debug。其实谁都不喜欢 debug，但是，debug 才是最重要的能力。真正的编程来说：debug时间要占到编程时间的70%以上。通常在一个领域里，你最不喜欢做的事情，就是这个领域的核心竞争力！

量变到质变：缺的就是： 看的多，写的多

例子：老师，你是怎么想到用这样的方法的？对于这类问题，回答就是：你见的还不够多。
受到高中教育阶段的影响：一些同学特别执着于就着一个单一的问题，寻找其中的“解题路径”即：怎么想到这个方法的，问什么会用到这个方法的这类问题；比如算法学习中：动态规划的学习，我无法清楚地解释是如何想到这种状态定义的方法。但是我的经验告诉我：再去看，去实践 100 个动态规划相关的问题，然后回头看背包问题，你会发现这种状态定义的方式非常自然。仅仅对着一个问题思考，很多时候都是死胡同。你见识的还不够多，就不足以帮助你总结出更加“普遍”的问题解决规律。当你见得足够多的时候，一切就都变得很自然，所谓的“量变到质变”。
绝不要企图通过一个问题就理解问题的本质，这也就是犯了自己天生聪明的自大，是不现实和不可能的；或许这里又包含着学习过程中的“完美主义”的思想，遇到一个问题一定要把它想得无比透彻；但是经验告诉：大多数问题，其实都是需要“回头看”的，刚开始不会，不要完美主义，就先过去，过下一个知识点。随着你对一个领域理解得越深入，回头再去看那些曾经的问题，都会产生新的视角，对于很多曾经想不明白的问题也豁然开朗。这也是“进步”的根源。如果卡在一个问题上不前进，不给自己“回头看”的机会，但是也不要给自己轻易绕过的借口，回头看绝不是从头再来一遍，而仅仅是针对某些甚至某个不懂的点专门针对再学习；

1. 要给自己“回头看”，不要完美主义，卡住不前进了，导致最后是放弃了，就什么也没有学会了；
2. 也不要碰到一些难的就轻易绕过，拿“回头看”当借口自我安慰，否则只是自我感动自己而已，根本什么都没有学下并且浪费自己的大好时光，也要抱有”没有第二次“的心态；

很多时候，对一些问题“百思不得其解”，不是因为自己“笨”，而只是因为“还不够努力”
追求延迟满足感，专注当下此刻，严格自律，剩下的就全交给时间就够了