1.1神经元与信号传递#

注：理解不了的话就跳过吧，1.1基本上就是在讲最底层的神经运作机制。理论上直接看1.2也行。

如果把刚才那张神经元的图放大，你会发现它长得非常像一棵树：

• 树突（树冠）： 负责接收来自其他神经元的信息。
• 轴突（树干）： 负责在神经元内传递信息，是一条长长的输出电缆。
• 轴突末梢（树根）：负责发送信息到下一个神经元的树突。

当一个神经元被激活时，它会产生一道微弱的电信号，这道信号沿着长长的轴突（树干）飞速传导到末端。末端会连接着下一个神经元，然后重复上述过程进行信号的传导，直到最后一个神经元——它会产生一个动作，或者分泌一些激素。

然而，两个神经元之间并不是无缝连接的。如果我们把连接处放大（如下图所示），会发现中间有一个微小的缝隙，我们称之为「突触」。

电信号到了这里不会直接过去，而是转换为化学信号传递给下一个神经元，然后下一个神经元继续转化学信号为电信号。这些化学信号的名字就是神经递质，他们决定了传递到下一个神经元的电位是正是负，以及信号强弱。整个发生在突触中的过程大概可以分为以下四步：

1. 囊泡存储： 在上游神经元的轴突末梢里，神经递质被整整齐齐地包裹在囊泡中等待命令。
2. 释放信号： 当电信号传来，这些囊泡就会移动到边缘，将包裹的神经传导物质释放到突触间隙中。
3. 精准匹配（受体）： 这些化学信使游过间隙，但这并不算完。在下游神经元的树突表面，长满了特定的受体。神经递质必须像钥匙插进锁孔一样，精准地附着到受体上，打开一个通道，让游离的正电或负电离子进入下一个神经元。只有匹配成功，电离子成功进入，下一个神经元才会被激活，重新产生电信号。
4. 打扫战场（酶）： 信号传递完毕后，多余的神经递质必须被清除或者回收，会有专门的酵素来配合处理掉这些完成任务的神经传导物质。

综合神经元内部的传导，和突触间的传导，我们大致可以构建一个“大脑”出来了，但是这颗大脑目前还只会机械地传递信号，看不出有任何可塑性的迹象。这样的话我们的大脑恐怕一辈子也发展不出智力——在这里让大脑产生智力的是这些连接的重塑，它具备根据使用频率改变自身强度的物理能力——这便是神经可塑性。

1.2神经可塑性#

是时候理解神经可塑性了，它在人生的任何阶段都会发生，且这种可塑性并非是单向的（或者说并非总是有益的），有时候你会塑造一个错误的回路，有时候你会剪掉那些不用的神经元。

当你第一次尝试学习一个新概念（比如背诵一个生僻的单词）时，特定的神经元A向神经元B发送信号。起初，这条通路是生疏且低效的，信号传递充满了阻力，可能只有很少的连接。然而，当你不断重复这个单词，神经元A反复高频地激活神经元B，这种持续的重复会导致相关激活的神经发生变化。具体表现为：

• 髓鞘化：强化现有连接。用一层富含脂质的物质——髓鞘——将神经元的轴突层层包裹起来。这种物质能让神经元的电信号传导速度大幅增加
• 新生突触：新建连接。神经元的树突会分叉、生长，长出新的树突棘。这些新生的触手会向周围探索，寻找其他的轴突，建立从未有过的全新连接。
• 神经发生：新建神经元。大脑的生发层会通过干细胞分化，产生全新的神经元。

最终，大脑会优化成一个极其高效的网络，一直强化你平时所使用的技能，让你对其越来越熟练。比如社交技能，比如运动技能。当然，大脑也会遗忘。神经可塑性的另一面是突触修剪——这意味着不使用的技能会被逐渐遗忘。婴幼儿乃至青少年时期都在不断高效的修剪突触，直到成年时期修剪速度逐渐变慢，不过大脑依然在优化这个青年时期形成的网络，这种优化会直到死亡。

在神经可塑性这方面，有一个被提了无数次的例子——出租车司机，他们的海马回系统因记忆地图而变大了：

计程车司机必须依靠认知中的空间地图维生，一项着名研究显示，伦敦计程车司机海马回中此区域比较大。此外，还有一项追踪研究，比较在多年累人的工作及准备伦敦计程车执照考试（《纽约时报》称之为世界上最难的考试）之前和之后，海马回的影像有何不同。经历这个过程之后，海马回扩大了 —— 但只有通过考试的人才会如此。¹

1.3敏感-学习的最佳窗口#

我们发现儿童学习语言的速度非常快，一旦成年后大脑就很难学进去新东西了。不止语言方面，我们能发现儿童几乎在任何领域都有着很强的学习能力。——不少成年人都后悔没有在恰当的时机多学一些东西。事实也确实如此，虽然神经会随着我们每天的行为而发生变化，但是它的调整终归比较细微。在许多脑区里，可塑性只有在有限的时间内才会发挥最强性能，这段时间被称为”敏感期”。它在童年早期被激活并达到峰值，然后随着我们年龄的增长而逐渐减弱。比如感觉区域就会在1-2岁的时候将可塑性提高，随后又渐渐降低，最长也是最晚的一个敏感期来自我们的”额叶皮质”，就是我们青春期才开始发育，一直到20岁左右才会停止的区域。

一个最好解释敏感期的例子来自我们对母语的声音的掌握——每个孩童出生时，他们就能很快的区分任何语言的所有音素。无论他们在哪里出生，有什么基因背景，他们只需要沉浸在语言环境里几个月（可以是单语种、双语种，甚至是三语种），他们的听力就会与周遭语言的音系相适应。成人则几乎无法做到这一点，比如大多数中国人一辈子也只会说中式英语；说日语的人在英语国家生活一辈子，也无法区分R和L的发音；部分国家的人会无法发出印度的卷舌音。对比孩童，一个成年人将需要付出巨大努力才能恢复区分外语发音的能力。

上述的例子虽然向我们展示了敏感期有多重要，但同样的，敏感期之所以是敏感期，就是因为在敏感期之后对应的学习能力虽然会减弱，但是不会消失，并且减弱的程度也因人而异。我们也能看到很多人错过了关键期依然通过大量的努力学会了英语。²

比如这里就有实验证明了，后期训练依然可以重建对语言的掌握（但也确实没有敏感期那么容易）。文中他们尝试训练日本听众识别英语中的R和L，最终结果显示，在完成感知训练 3 个月后，日本受训者在感知识别任务中的表现水平依然保持良好。此外，由以英语为母语的美国听众对日本受训者在训练前、训练后以及 3 个月随访期间的语音输出进行感知评估，结果表明，受训者在英语/r/-/l/词发音的整体质量、可识别性和可懂度方面均保持了长期的提升。³

1.4营养、运动与睡眠#

目前可以确定的是，我们在学习时会发生大量的神经重塑。但是任何重塑都需要一定量的时间，这段时间内也必然伴随着高能耗。那么如此高能耗就一定需要大量营养与高质量的休息。其背后正是饮食，睡眠，运动。但现代人们一般都不注重这些因素——就此埋下了一个长期的隐患。

先谈被忽视的营养，大量且充分的营养对于正在发育的大脑来说是必须的。在这里列举其中一个被严重忽视的物质：Omega-3（来自橄榄油，海鲜等物质）——一篇来自2013年的论文研究了它⁴：

• Omega-3是必需的不饱和脂肪酸。但遗憾的是，哺乳动物自身无法合成，必须从食物或补充剂中获取。
• 它们参与多种生理过程，据报道可能有助于保护神经系统疾病中的神经元，例如衰老或受损的神经元以及阿尔茨海默病。它们对认知和行为功能以及多种神经和精神疾病的影响也已被证实。

比较容易补充的是我们缺少的营养，但现代人不仅面临着营养不足，还面临着营养摄入过量的问题。现代食品工业让我们摄入了过多的糖分和油脂，一篇来自2002年的论文研究指出，高脂肪、精制糖饮食会降低海马体中脑源性神经营养因子、神经元可塑性和学习能力。⁵

不仅在营养方面我们严重失衡，我们还严重缺少日常运动——这也是影响神经可塑性的重要因素之一。一篇来自2014年的论文恰好研究了这点⁶：

• 运动对认知功能有积极影响，并能增加脑源性神经营养因子（BDNF）的水平，BDNF 是一种重要的神经营养因子。
• 体育锻炼与多种身心疾病的减少密切相关。现有大量证据表明，体育锻炼不仅能降低心血管疾病、结肠癌、乳腺癌和肥胖症的发病率，还能降低阿尔茨海默病、抑郁症和焦虑症等疾病的发病率。
• 多项横断面研究和纵向研究证实，超重与学业成绩不佳之间存在关联。有氧运动能力也与认知能力和学业成就相关。

最后是关于睡眠的研究，虽然在饮食和运动方面严重失衡，好在是肯定要睡觉的，只是睡眠质量一言难尽——这也是一个巨大的问题。此处找到了一篇2014年和2022年的论文，其中就提到了⁷ [⁸]：

• 睡眠被认为在大脑可塑性中发挥着不可或缺的作用。
• 充足的脑血流能够为活跃的神经元提供氧气，同时清除代谢废物，从而促进神经可塑性.
• 睡眠时长也会影响主动神经可塑性过程，睡眠剥夺对任务相关脑血流和认知功能的影响就证明了这一点。

1.5小结#

学习是让神经网络发生改变：一条通路被反复激活，突触效率提升、髓鞘化加速传导，甚至出现新的树突棘与新连接；相反，长期不使用的通路会在“突触修剪”中被削弱乃至消失。这种重塑贯穿一生，但在不同脑区存在“敏感期”，不过成人并非失去学习力，只是通常需要更高质量的训练、更多重复与更长巩固周期。最后，神经重塑是高能耗、需时间的生物过程，需要我们为其提供一个良好的环境。

2.1工作记忆-思考正在发生的地方#

现在，转头看看四周的环境，尝试去记住它们的样子，然后看回来。如果你真的认真去记了周围环境的样子，你会发现你忘掉了部分文章的内容。这并不是因为你能力不够，而是因为工作记忆容量有限、注意资源被重新分配，原本正在维持的信息就会被挤出。这就是工作记忆。

一个工作记忆包含一次活跃的思维呈现，它会维持几秒的时间。它主要依赖顶叶皮层区及前额叶皮层区里许多神经元的辛勤放电，从而支持其他周围神经区域的神经元。一般来说不会超过几秒钟，并且分散注意力后神经元活动立刻就会消散，会立刻忘记刚刚想起来的事情。就像当你读到这句话的时候，关于前面神经可塑性的记忆可能已经消散了，你已经忘记了什么是”突触”。

工作记忆一般被认为的上线是3-5个，这表示大多数人记不住超过5个的信息——当然，这5个信息被认为是5个独立的，无序的知识。多数人可一次性记住8位到10位的电话号码，网络工程师能一次记住12位的IPv4地址，这些其实都没有超过5个，他们只是把几个数字合并为了一组。——这同样表明针对某些特定任务，工作记忆是可以通过不断组块化提升的⁹——此处不过多展开，在后续章节我们会详细讨论这点。

工作记忆可以短暂维持，但并不等于’写入成功’。后文我们会用著名病例 H.M. 说明：一个人可以保留工作记忆与技能学习，却几乎无法形成新的可回忆经历。

2.2外显记忆-可以被回忆的知识如何被巩固#

当你熟睡在床上时，你的大脑就在飞速的回顾白天所见的信息。其中可能包括这篇文章，偶然间这篇文章又给你留下了强烈的印象，恰好被你的大脑所标记，浅浅的塑造了一些神经元链接。你就会在第二天起床的时候，发现你依然记得本篇文章的一些观点。这就是外显记忆，它以文字的方式存储在你的大脑里，你可以在需要的时候去回顾它。

与工作记忆不同，外显记忆并不是依赖短暂而持续的神经元放电来维持的，其关键在于巩固。我们会把白天不断触发的神经元回路连接在一起形成记忆。还有就是到了晚上休息的时候，大脑会反复“回放”这些模式，并在皮层相关区域同步加强连接。随着时间与多次回放，记忆对海马区域的依赖通常会下降，对皮层联结的依赖上升——这就是外显长期记忆逐渐变得更稳、更容易提取的原因。

正因如此，外显记忆并不是对过去的完美重放。几天之后，我们仍然记得某个公式、某个事实或一次重要的经历，但往往已经说不清当时的具体细节。记忆在保存的同时，也在不断被重构，成为我们理解世界的一部分。¹⁰

2.3内隐记忆-技能如何在无意识中自动化#

最后，也是最难理解的一个记忆，内隐记忆。它既可以从你记忆的外显记忆中转化而来，还可以从直接的动作或者思维中转化而来。它指的是我们对技能和行为方式的记忆。但它并不以具体事实或事件的形式存在，一般体现在”会不会做”之中。例如，骑自行车、打字、系鞋带或使用某种工具，当我们一遍又一遍的重复这些活动，皮层中的神经元和其他皮层下回路最终会调节自身，使信息在将来的使用更加流畅。神经放电会变得更有效、更能被复制，修剪掉依附性活动，像时钟一样不出差错、精确地开展工作。这些能力一旦掌握，往往可以在几乎不经思考的情况下被执行。

与外显记忆不同，内隐记忆通常难以被清晰地用语言描述。我们能够完成某个活动，却很难准确说出每一步是如何实现的。这类记忆的形成并不依赖对经历的回忆，而更多依赖反复的练习和反馈，在长期使用中逐渐被固化下来。从知识写入的角度来看，内隐记忆是一种高度稳定的存储形式。它的获得过程缓慢，却一旦建立便不易消退，甚至可以在多年未使用后被迅速重新激活。这也解释了为什么某些技能在学会之后，即使长时间不用，仍然”身体记得该怎么做”。

在内隐记忆的形成过程中，其他记忆系统往往在早期阶段发挥辅助作用。对于复杂技能而言，学习初期通常需要依赖工作记忆来维持操作步骤，并借助外显记忆来理解规则和目标。然而，随着重复练习的进行，这些显性的控制逐渐被削弱，行为执行开始转由更为自动化的神经回路所主导。当然，内隐记忆并非一定要经历显性的学习阶段。一些简单的技能可以在缺乏清晰意识参与的情况下直接形成。

注： 内隐记忆并不仅仅体现在肢体动作中，也包括大脑中高度自动化、几乎不需要意识参与的思维加工过程。且并非所有记忆都会变成内隐记忆，但部分记忆内容可以在反复使用中”程序化”其使用过程。例如，对多数成年人而言，3×4=12 这一结果往往会被直接提取出来，而无需重新回忆或复述乘法规则。这类过程虽然最初可能源自显性的学习，但在反复使用后，其提取方式已呈现出内隐化的特征。¹¹

2.3著名患者H.M.-“能记住 ≠ 学会”#

最后，让我们看记忆研究领域的一个被研究了无数次的经典案例病人H.M.，相信这可以增进我们对这几种记忆类型的理解。

H.M.（Henry Molaison）因严重癫痫接受手术，双侧内侧颞叶（包含海马体等结构）被切除 or 严重受损。术后癫痫在一定程度上得到控制，但他出现了典型且严重的顺行性遗忘症：从此几乎无法形成新的、可长期保存并在之后有意识回忆的记忆¹²。

重要的是，H.M. 并非所有记忆功能都受损。他的总体智力测验表现接近正常，语言与既有知识也相对保留；在实验室中，他的工作记忆在短时间窗口内可以正常维持——只要信息仍处于注意力支撑的”在线状态”，他就能复述 or 操作它；但注意力一旦被打断，信息迅速消散，随后他无法回忆刚刚发生的事情。这表示：工作记忆的短暂维持，不等于记忆已经完成写入。

更关键的证据来自技能学习。Corkin 总结的研究显示：H.M. 在”镜像描摹”等程序性任务中，虽然每次都声称从未做过该任务、也无法回忆训练过程，但他的表现会随着练习稳定提升、错误率逐日下降¹²。这表明他仍然能够获得新的程序性（内隐）记忆，即”会做”的技能可以在缺乏外显回忆的情况下被逐步固化。

综合来看，H.M. 清晰地支持了一个结论：记忆并非单一系统。程序性学习可依赖相对独立的回路继续发生。¹³

2.4小结#

3.2无时不刻在预测的大脑#

让我先假设你身为读者会仔细阅读标题，那么当你看到这一小节的标题的时候，大脑电波大概会激增。因为这与你所记忆的知识不符——所有的章节应该从1开始，所以这一章应该是3.1而非3.2。当然，这种事情很快就会被大脑所解释：“这只是作者的一个小失误”，从而在几秒钟后遗忘。

其实预测不止在你看到第三章第一小结的标题的时候会发生，它会发生在我们日常生活中的任意时刻。一篇来自1980年代的论文就对此有所论证：两位认知科学家在实验中逐字呈现“我的咖啡加了奶油和狗”并记录大脑活动。一般来说大脑自动预测空格里应该出现“糖”，但实验中最后一个词却修改成了狗。在这种情况下将上面这句话逐词呈现给参与者，同时记录他们的大脑活动。结果显示，受试者看到“不合预期”的单词“狗”时，大脑电波激增，约在刺激出现后400毫秒达到峰值，这种特异的脑电模式被称作 N400 效应。这强烈的信号并非因为其语义荒诞从而引人发笑这么简单，因为它打破了大脑的预测。¹⁴

除此之外，我们还能看见大脑在非语言之外的地方预测的样子。这里用一个最经典的现象——视错觉：

视错觉之所以会出现，是因为大脑的预测对身体的感觉输入而言拥有更高的解释权，换句话说，当感觉和预测出现偏差，大脑大概率更倾向于相信预测的那个。

在左侧的这张图中，虽然你的眼睛告诉你 A 块比 B 块深，但实际上它们的物理颜色完全相同。这是因为你的大脑不仅在看颜色，还在预测光影。它“预判”了圆柱体会投下阴影，为了让你在阴影中也能看清物体，它自动补偿了亮度。在这个视错觉中我们可以总结到：你的大脑并不关心原始的光波数据，它只关心它认为“真实”的世界。

而右边的这张图则展示了大脑预测的不确定性。当你预测这是一个兔子时，长条状的部分就是耳朵；当你预测这是一只鸭子时，它就变成了嘴巴。有趣的是，你很难同时看到两者。这说明大脑在同一时间只能维持一个主要的预测模型，并根据这个模型来过滤你所接收到的视觉信息。

由此可见，大脑并不是一台追求“如实反映世界”的设备。我们所见的世界，大概率是大脑依据某种事物加工而成的。

3.2记忆为未来构建预测模型#

在继续之前，可以先问自己一个问题——你期待在这一小结的开头看见什么？

在经过了一个本应是3.1的3.2小结后，你可能会开始预测，在这一小结的开头我同样会引入一些例子，目的是让你对大脑在预测这一事的记忆更加深刻。又或者你看见了本章的标题，试图猜测我要论证“我们会根据我们的记忆产生一系列预测”。——恭喜你，猜对了。这也印证一个事情，我们在不断地使用我们过去的记忆来预测未来。“一般来说，每一段小结的开头都会遵循一定格式”、“别的文章都这么写，我正在读的这篇肯定也这样”、“标题很大程度上可以概括作者在这一章想表达的内容”。

过去人们认为，记忆服务过去，而非未来。但越来越多研究指出记忆的核心价值在于面向未来的预测。Bar等人在2013年就在一片回应论文中提出，记忆系统的首要功能是帮助有机体针对未来行动做准备。大脑会将过去积累的片段重新组合、模拟未来情境，从而指导我们当前的决策。大脑中负责记忆形成与提取的关键结构——海马体，在我们展望未来时同样会强烈激活，这表明想象未来和回忆过去在神经机制上密切相关。所以，我们的大脑储存往事，是为了更好地预测将来。无论是工作记忆维持当前情境的信息，长期记忆提供庞大的背景知识，还是内隐学习在不知不觉中积累模式，这些记忆过程都是在为预测服务，帮助我们更有效地应对环境变化。¹⁵

更有力的证据来自另一项2007年神经科学的研究，研究人员发现，当负责记忆的形成与提取的关键区域海马体受损时，人们不仅无法回忆过去，同样无法构建连贯的未来情境。这一发现更进一步的表明，记忆系统的功能是为未来行动提供情境化预测的基础。¹⁶

归根结底，记忆是大脑通过模拟与重组历史参数来应对未来的生存方法。并非像我们所熟悉的存储介质。

3.3没有未知的信息，只有错误的预测#

请想象一下，如果你在大街上看到一个形状极其怪异、从未见过的物体，你的大脑会直接弹出一个“404 Not Found”的空白框吗？或者当你看到一个极其复杂的物理学公式，你真的会觉得自己对此一无所知吗？

绝对不会。你的大脑会立刻开始疯狂运转：“它看起来有点像个巨大的榴莲，或者是一个长满刺的外星飞船，又或者是一个现代艺术雕塑。”或者你的大脑开始对物理公式中的各种符号开始分析，比如假设V代表速度，T代表时间一样。看，哪怕面对你完全未知的事物，你的大脑依然在预测。

神经科学告诉我们，大脑极度厌恶混乱和不确定性。面对一个完全未知的概念对于大脑而言是极度危险且耗能的。因此，大脑采取的策略是：永远不让预测处于空白状态。无论面对什么新奇的刺激，大脑都会迅速检索记忆库中与之最相似的模型，将其强行套用在当前的事物上——哪怕这个预测非常牵强。

这就是为什么我们会在云朵中看到人脸，在火星的岩石照片上看到“大脚怪”。这种现象被称为空想性错觉。

一项2014年的研究揭示了其中的机制：当我们看到模糊图像时，我们的大脑并不是在被动等待图像变清晰，而是由额叶区域自上而下地强行“发射”一个预测信号——“这是一张脸！”，大脑宁愿通过错误的预测来构建幻觉，也不愿面对纯粹的未知。¹⁷

这个原理对我们的学习有着巨大的启示。

我们常以为学习是一个“从无到有”的过程。但从预测加工的角度看，学习实际上是一个“从错到对”的过程。

当你第一次学习量子力学中的“电子”时，你不可能凭空理解它。你的大脑会调用旧的预测模型：你会把电子想象成一个绕着太阳（原子核）转的小球（行星）。这显然是物理学上的错误的预测，因为电子云的性质远非如此。但正是这个错误的预测，成为了你理解新知识的脚手架。随后的学习过程，其实就是你不断发现“小球模型”解释不了衍射现象（预测误差），从而一点点修补、甚至推翻旧模型的过程。

这也解释了为什么成年人学习新概念往往比儿童困难。儿童的预测模型相对贫乏，也就是“先入为主”的偏见较少（Priors are flat）。而成年人拥有庞大而坚固的预测模型，当我们面对新信息时，大脑的第一反应往往是试图用旧模型去“同化”它，从而忽略了那些微妙的差异。这在心理学上被称为功能固着——因为你太确定盒子是用来装东西的（预测模型太强），所以你看不见它其实也可以被钉在墙上当烛台。

所以，真正的学习障碍往往不是因为“信息太新”，一般因为我们的“旧预测太强”。——旧知识会妨碍新知识的学习。

在这个意义上，世界上确实没有绝对的“未知信息”，所有的“未知”，本质上都是等待被修正的“错误预测”。

3.4模型更新的条件-预测误差#

当预测与现实状况出现了偏差时会发生什么？——嘿！是时候更新我们的预测模型了！什么？你不想更新？好吧，可能你现在的预测模型也够你生存了。不过总有模型更新的时候，也就是预测偏差且造成严重后果的时候。毕竟你不会想造成下一次严重的后果的。

——什么？你说你更新的是如何下跪给人道歉的模型，而不是如何避免再犯的！？哦天哪……

上面的那个笑话揭示了当我们预测失误且造就重大后果的时候，我们就会将错误信号传递到脑的高级区域，启动更新模型。一篇来自2018年的文章中提出了预测性编码这一理论，即各层次的大脑区域都会基于以往经验构建内部模型，持续对感知到的输入进行预测，并将这些预测与实际输入进行比较。当预测与现实不符时，就会产生“预测误差”信号向上传递，大脑据此调整内部模型，以减少未来的误差。甚至大脑各级神经回路会抑制可解释的差异，只把那些解释不了的误差当作有价值的新信息加以处理。换言之，我们主动地拿着记忆去丈量现实。例如阅读时，我们依据长期记忆中的语言知识不断预测下一个词，将注意力聚焦在意料之外的信息上。¹⁸

就此我们可以得出，预测失败才会促发学习（Philippe,2006）。如果一切都如预期进行，大脑反而学不到新东西。当预测吻合时，大脑觉得“不惊不喜”，神经活动也维持常态；只有当预测失败时，我们才会进行学习。经典的条件反射实验也揭示了这一点（Miami Symposium on the Prediction of Behavior）：如果一只狗已经学会铃声意味着食物，再同时伴随亮灯出现食物，狗对亮灯却几乎无法形成新的联结，因为食物奖励早被铃声完美预测了——没有预测误差，因而学习被“阻断”。这一著名的“阻断实验”表明，没有惊讶就没有新的学习：学习的发生需要有出乎意料的结果，或说需要“大脑犯错”。从理论上看，现代学习模型（如Rescorla-Wagner模型）指出，学习的驱动力正是期望与结果的差异，每次训练会让预测误差逐渐减少，直至预期与现实相符。只有在差异出现的那一刻，大脑才会真正忙碌起来，去更新相关的联结。¹⁹²⁰

当然，除了预测失误之外大脑一般还会去思考一个因素，就是这到底是否值得我去更新神经回路？毕竟神经回路的更新也是相当耗能的一件事情。所以体现在学习的情况中往往就是当预测失败且伴随重要后果（例如考的巨差）时，虽然这种更新的劲可能只会保持几天。值不值的因素一般与多巴胺这个令不少人熟悉的介质有关，这里有一项实验可以说明这点（Tobler, Philippe）。大脑中的多巴胺神经元会根据预测误差调整其活动：当实际奖励比预期好时，它们会异常的兴奋；当奖励不如预期时，它们沉默下来。无论是多巴胺无限爆发，亦或是多巴胺静默等待。这些都在指导神经突触做出可塑性改变，从而在生理层面“写入”新的经验。现在假设你参加了一场考完就出分的选择题考试，当你实际分数比预期分数高的时候，可能会强化你考前的行为（如认真复习，或者求神拜佛）；当你实际分数比预期分数低的时候，可能会减弱你考前的行为（如打游戏等行为）。¹⁹

这一小结我们就讨论了一条原则——预测偏差且造成严重后果的时候我们会触发神经塑造的回路（在此时开始学习）。这就是我们的核心学习原则，请务必牢记。

3.5为什么大脑可以同时相信矛盾理论#

前面已经提到，学习（模型更新）的第一步，始于产生了主观上的巨大代价的预测误差时，大脑才会愿意消耗巨大的能量，去启动“寻找新模型”的进程。不过在寻找新模型时，也会发生一定的冲突。

首先，让我们看一个最基础的学习场景。为什么我们在物理课上修正一个错误概念相对容易？假设一个学生坚信“重的物体比轻的物体下落快”（这是基于直觉的旧模型）。当老师在一个真空管里同时释放羽毛和铁球，学生看到它们竟然同时落地时，大脑瞬间接收到了一个无法忽视的“惊奇信号”。

在这种场景下，预测误差是清晰可见的。现实数据（同时落地）与预测（铁球先落地）完全冲突，旧模型被瞬间证伪。由于错误太明显，大脑别无选择，只能迅速搜寻并接纳那个能解释这一现象的新模型——牛顿力学。这种“旧模型彻底失效”的时刻，恰恰是知识学习最顺畅的时刻。

然而，当我们离开科学的视角（假设你真的清楚什么是科学的话），就会发现学习中存在的诸多bug。此时我们会发现的新模型往往无法在和旧模型的争论中胜出。

以经济学专业学生为例。他起初通过极其艰难的学习，在大脑中构建了完美的凯恩斯主义模型（政府干预、总需求决定论）。这个模型在他的脑海里运作良好，能解释大萧条，也能应付期末考试。然而，到了高年级，他突然接触到了后凯恩斯主义。新理论告诉他：原来的理解不够彻底，货币是内生的，不确定性是根本的。

此时，旧模型（凯恩斯主义）并没有被彻底证伪，它依然能解释很多现象；但新模型（后凯恩斯主义）似乎在某些情形中提供了更深层的视角。面对这种“没有完全对，也没有完全错”的预测误差，大脑陷入了进退两难的境地。

结果是什么？你此时会强迫自己的大脑执行“分区操作”。它会在脑海中强行开辟出两个区域：一个区域运行“标准凯恩斯模型”，用于应付解释现象；另一个区域运行“后凯恩斯模型”，用于应对另一个考试。这在神经科学上被称为多重模型共存。此时，大脑必须消耗额外的能量去判断当前处于哪个“上下文环境”，从而决定调用哪个模型。在解释经济现象的时候你可能偏向于凯恩斯模型，不过考试的时候解释经济现象可能偏向后凯恩斯模型。

一篇来自2001年的论文中就支持了这一论点。计算神经科学家 Wolpert 和 Kawato 提出的 MOSAIC 模型 指出，我们的大脑内部运行着多个模块化的‘微型专家’，它们根据上下文竞争上岗。普林斯顿大学的 Gershman 等人在 2010 年的研究进一步揭示了这一机制的算法逻辑：当预测误差大到一定程度时，大脑会执行‘状态分裂’ (State Splitting)——它不再试图修正旧模型，直接判定当前进入了一个全新的‘潜伏状态’，大脑并为此单独开辟一个新的记忆分区。这就是为什么那个学生脑中可以同时容纳两套矛盾的经济学理论：就像电脑里的双系统，大脑利用海马体的‘模式分离’功能，在物理层面将这两套模型隔绝在了不同的神经回路中。²¹²²

与之类似的情况还有科学和民科的对碰——随着互联网的发展，一帮民科或伪科学观点，或阴谋论逐渐占领了舆论高地。对于一个受过高等教育的人来说，这构成了巨大的挑战。如果在工作中，他必须使用严谨的逻辑和科学思维（模型A）；但在刷短视频或社交时，他又被那些极具情绪煽动性、但违背科学的观点（模型B）所吸引。如果大脑无法有效“分区”，这两套模型就会打架。最后的结果正如上面哪个经济学生一样，他可能在白天工作时，是坚定的科学捍卫者；但一下班回到生活场景，为了融入圈子或寻求心理安慰，他又会瞬间切换到“反智模式”，转发伪科学文章。大脑为了维持内部稳定，将互斥的两个世界彻底物理隔离了。

因此，寻找新模型的前提，是旧模型的预测失效。学习新模型也不需要你彻底否认旧模型，你可以同时持有两者。

也请记住，此处的“失效”是一个主观概念——它指的是“无法用旧模型解释你当前所处的情况”。

• 在物理课上，旧模型解释不了真空管现象（彻底失效，导致替换）；
• 在经济学里，旧模型解释不了新理论（局部失效，导致共存）；
• 在生活中，旧模型解释不了情绪需求（情境失效，导致割裂）。

3.6模型更新-打补丁or重构#

假设此刻的你可能已经下定决心要更新模型了，不过摆在你面前的往往是两条路线，一条是高耗能的彻底转变，另一条是低耗能的打上几个补丁。神经科学告诉我们，大脑是一个极其精明的能量管理者。它不关心模型是否“客观正确”，只关心模型能否以最低的能耗消除当下的预测误差——所以多数时候我们选择了打补丁，但仍有些时候选择彻底重构。

一项来自2012年的研究发现，当环境稳定时（误差小），大脑的“学习率”很低，倾向于忽略偏差或微调（打补丁）；当环境发生突变（误差剧烈），瞳孔会扩张（代表去甲肾上腺素释放），学习率飙升，大脑迅速抛弃旧值，接纳新值（彻底转变）。²³

因此当误差在环境稳定的时候出现时。我们试图在保留原有信念不变的前提下，通过增加一些附加条件（辅助假设）来解释当下的异常。这就是“打补丁”。

最经典的例子莫过于天文学中的“地心说”。古人坚信地球是宇宙中心（核心旧模型）。然而，观测数据却发现火星有时候会“逆行”。这完全违背了旧模型的预测。此时天文学家们没有抛弃地心说，而是给模型打了一个复杂的“补丁”，叫做“本轮” 。他们解释说：火星不仅绕地球转，它自己还绕着轨道上的一个小圈转。如果一个小圈解释不了，那就再加一个小圈。通过增加模型的复杂度，强行消除了预测误差，从而保护核心信念不崩塌。

当然，这种补丁在日常生活中更为常见，它是大脑维持连续性的本能。它可能会用于“维护”科学，比如实验数据对不上，科学家可能会想“是不是仪器坏了”或“有个干扰变量没排除”（给理论打补丁），而不是推翻物理定律；它也会被用于维护迷信，当求雨没成功，信徒会想“是不是心不够诚”或“祭品不够丰盛”（给信仰打补丁），而不是立刻推翻神的存在。

大脑不需要改变神经网络的整体拓扑结构，只需要调整几个参数，或者在海马体中存储几个“例外情况”。这非常省能，能让我们快速消除焦虑。然而，当“补丁”多到让模型变得臃肿不堪，或者预测误差大到无法修补时，大脑可能会倾向于——重构。

正如当地心说的补丁多达几十个时，哥白尼发现只要假设“地球绕太阳转”，所有逆行现象瞬间解释通了。于是，大脑为了追求简洁，抛弃了地心说。同样地，一个深受现代生活重压、感到虚无的人，可能会发现科学解释不了他的痛苦（预测误差）。而某个宗教或伪科学理论（哪怕看起来荒谬）只要一个核心假设——“这一切都是注定的”，就能瞬间解释他所有的遭遇。此时，大脑也会为了追求这种“解释的效力”，抛弃复杂的理性思考，彻底倒向迷信。

彻底抛弃对应的是结构学习。这需要抑制旧的神经回路，并生长出全新的突触连接。这是一次高能耗的行为，通常伴随着强烈的情绪震荡——无论是科学家发现真理的狂喜，还是普通人误入歧途时的狂热，本质上都是大脑完成了一次剧烈的模型重构。

3.7小结#

前几章我们讨论了神经可塑性和各种记忆，现在我们可以看到它们如何作用于大脑的预测功能。工作记忆会随时记下当前情境的关键信息，供大脑即时演算和预测下一步变化；外显记忆则为预测模型提供素材和依据，让我们可以根据经验之“旧”推知未来之“新”。内隐记忆则默默发挥作用，我们在无意识中习得的规律和技能（比如语言语法或骑自行车的平衡感），体现为一种本能的直觉，让我们对环境变化做出及时而准确的预测。所有这些学习形式都依赖于神经可塑性的基础——无数神经元连接的强化或削弱，这塑造出大脑内部不断更新的模型。当预测误差出现时，这些连接经过误差反馈进一步调整巩固，使得相关记忆变成持久的回路。最终，大脑在错综复杂的神经网络中塑造出一个或多个预测模型，让我们能在不可知的未来中稳步前行。

4.1组块与长期模型让专家“记得更多”#

该领域有一个极其经典的研究案例——人们发现国际象棋高手往往可以一眼记住复杂的棋子摆放，而新手往往不能做到这一点。在20世纪70年代初期，研究人员开始从事研究这件事情，以理解国际象棋大师怎么做到如此准确地记住棋子位置。

研究人员提出了一个简单的问题：国际象棋大师究竟是能够回忆每个棋子的位置，还是实际上只能记住当时的整个棋局，而把单个棋子的位置作为更大整体中的一部分而记住的呢？因此他们展开了一个简单而有效的实验。他们摆好两个棋盘，对国家级的国际象棋棋手（即国际象棋大师）、水平中等的棋手以及新手进行了测试。在其中的一个棋盘上，摆出一盘别人真正下出来的棋局，在另一个棋盘上，只是较为混乱地摆放了一些棋子。

当国际象棋大师看到别人真正下出来的棋局时，经过5分钟的研究，能够记住大约2/3棋子的位置，但新手却只能记住大约4个棋子.而当他们全都看到随意摆放棋子的棋盘时，无论是水平中等的棋手 or 优秀的大师（纯新手还是落后了），在记住棋盘上随便乱摆的棋子的位置方面，只能记住两三个棋子的位置。此时，经验丰富的棋手的优势不见了。对于大师而言，看到真实棋局时，大脑迅速调用先验模型进行预测。看到的棋子位置与大脑预测的位置高度一致。于是大脑不需要记录每一个棋子的坐标，只需要记录“这是‘西西里防御’变体”这一个信息然后稍加推演即可。²⁴

类似的实验也可以现在再做一次，相信正在阅读本文的每个人都是中文大师，那么现在请你尝试记住：

• 的在了不我有是人这中大为上个

请花几秒钟看一看，然后合上眼睛，尝试回忆这些字的顺序。

这项任务并不容易。虽然你对这些汉字都非常熟悉，但由于它们是随机排列的，缺乏语法结构和语义联系，导致你无法预测下一个信息，因此你往往只能记住其中的两三个，甚至完全混乱。当然，也许有人会取巧尝试编造某种谐音，或者记忆口诀——这当然是有效的，不过你肯定不会觉得上面这一行字容易记忆。而下一组材料恰好相反，你大概能在几秒之内轻松记住。

现在请再看一组材料：

• 我们正在研究人类记忆的工作机制

这一次，即使字数明显更多，你也会发现自己几乎可以完整复述。因为你的大脑在读到“我们”时，就已经基于语法习惯自动预测出了后面可能会跟“正在”或“认为”。当眼睛看到“正在”时，视觉输入完美符合预测，大脑几乎不需要消耗能量去处理它。然而在第一个例子里，你只能费劲的尝试去记住单个字词。

综合以上实验，我们发现国际象棋大师与新手之间的差异并不在于工作记忆容量，而在于大师拥有大量长期记忆中的”棋局图式”，能够将多个棋子的位置自动整合为少数几个有意义的记忆单元，从而做出更复杂的预测。而新手不可能做到这一点。不过在面对杂乱无序的棋盘时，他们的表现几乎一致，就如我们这些中文专家在尝试记忆第一组材料一样。由此，我们可以总结出预测复杂事物的前提，是在记忆中构建大量的“组块”（即预测模型）。组块的本质是将大量的不确定性压缩为一个简单的预测单元，从而极大地降低了大脑实时处理预测偏差的算力需求。

4.2认知负荷的来源#

如果在进行复杂推演时，你感到大脑过载（“烧脑”），这在神经科学上意味着你的大脑正在处理过量的预测偏差。我们可以把认知负荷看作是大脑为了消除“意外”和“不确定性”所消耗的系统资源。

那么，认知负荷从何而来？研究者根据来源将这些负荷分在了两个方面：

• 外在负荷——噪音干扰产生的无效偏差。它与你在学什么没有关系，纯粹是与材料的编排方式，注释程度有关。比如一篇文言文，但是每一段的每一个字都配上了注释，而且配上了彩图，导致原本简单的文章反而变得复杂起来。又或者一份产品说明书，里面写了太多的专业术语（就像我为啥要知道材料学上的名字，告诉我是干啥的不就行了，比如这个是1号，而不是膨胀螺丝）。处理这些无意义的预测偏差浪费了宝贵的脑力。
• 内在负荷——模型重构所需的必要偏差。比如 $\sqrt{2}$ 比 $1+1$ 难，是因为 $\sqrt{2}$ 涉及的概念（无理数、开方）在你的大脑中尚未建立完善的预测模型。你需要调动资源去理解它，这种由“新知识”带来的预测偏差是学习的必经之路。

好了，现在：

所以我们可以得出，当外在负荷（无效的信息呈现）占据了太多空间时，留给内在负荷（理解核心逻辑）的空间就变小了。这就是为什么当我们面对排版糟糕、废话连篇的教材时，即使我们智力正常，也会觉得“脑子转不动了”。

接下来的两节，我们将分别探讨如何通过“优化呈现”来降低外在负荷，以及如何通过“拆解信息”来应对内在负荷。

4.3降低外在负荷-去除冗余#

外在负荷一般与学习材料的呈现方式有关。很多时候我们都能感觉到，一句话能解释明白的东西，很多教科书就非得8句10句的往上累加，最后读完了反而觉得自己理解不了了。这里有一个1993年针对小学生在折纸任务中的研究，其中就很好的探究了相关因素对认知负荷的影响²⁵：

第一个实验是测试将圆形纸片折成一个等腰三角形，在这个任务中他们给A/B两组分配了不同的认知材料：

• 组 A (图示组)：仅提供自解释的图示，配以极少量的箭头和单词 。

• 组 B (冗余组)：相同的图示，但配上了完整的文字说明 。

在测试阶段，图示组的表现显著优于冗余组 。后续实验进一步证实了单纯使用图片的效果也远好于”图片+文字” or “纯文字” 。

由此可以总结——当图片已经足以说明问题时，额外的文字说明是否会变成干扰信号 。

当然，该论文中的后续实验进一步说明了多余信息于理解任务上的逆向帮助。第一个关于此的实验是多视图的影响——其中一组学生只看正视图 。而另一组学生除了正视图，还被要求查看折纸的背面图。结果显示无背面图的那一组在测试中完成任务的时间显著更短。

另一个实验则是区分了说明位置的不同，其中一组的说明书放在左边，纸片放在右边。学生必须在两者之间不断切换视线 。另一组的指令（线条、箭头、序号）直接印在要折叠的纸片上 。结果显示嵌入式组在习得阶段 or 测试阶段的表现都显著优于其他组

由此实验，我们几乎可以100%确定外在负荷是存在的，材料的呈现方式影响负荷程度。当图片已经能让大脑准确预测下一步动作时，额外的文字说明就变成了干扰信号。大脑不得不分心去处理文字，试图搞清楚“这段文字是不是在说别的？”，结果发现文字和图片说的是一回事。这种重复验证的过程产生了无谓的预测偏差处理成本。

当然，上述实验的对象是小学生，可能会被我们这些成年人所忽略。接下来让我们再看一个在解剖学在线教育中的研究案例。伊朗医科大学（IUMS）的一项针对104名基础医学学生的准实验研究，再次验证了这一物理逻辑²⁶。

研究者将学生分为干预组与对照组，在相同的Big Blue Button平台上进行消化系统解剖教学。干预组的教学材料严格遵循认知负荷理论进行优化。剔除了屏幕中不必要的颜色、线条、噪音以及与教学无关的额外内容 。且同步调动听觉与视觉通道，避免呈现冗余的重复文本，利用图像配合口头讲解。数据分析显示，两组学生在干预前的学术投入度无显著差异。但在干预后，遵循认知负荷理论的组别在学术投入度评分显著提升。

由此可见，哪怕在复杂度极高的领域，降低外在负荷对学习材料依然存在着很大的帮助。通过优化呈现方式（如减少冗余、图文整合），我们可以消除那些与学习目标无关的预测偏差，让大脑将所有算力集中在构建核心模型上。

4.4降低内在负荷-分割复杂#

内在负荷涉及知识的本质复杂度，我们无法消除它。例如面对像 Python 的 For 循环这样复杂的概念，如果你试图一次性理解变量、序列、缩进和迭代逻辑，你的大脑会瞬间面临巨大的预测彻底失败——因为未知变量太多，导致旧模型完全失效，无法做出任何有效预测。所以我们需要的是先形成组块，后学习整体的逐步学习，先形成什么是迭代器后再来看什么是For循环，其对应的方法名为——分割材料。

一项来自2024年的论文研究了分割材料在英语教学中的影响²⁷。其中表示面对高负荷材料，最有效的武器是“分割”。研究发现将信息高度集中的 PPT（整合组）拆分成 10 页信息分散的 PPT（分割组），后者的学习效果显著更好。并且论文中分析了分割知识点的逻辑，认为分割是分开了知识点。这给了工作记忆一个分块记忆的机会，让大脑在完成当前单元时只需同时记忆较少信息。其次便是分割材料为小片段，在面对极其复杂的系统时，我们可以先学习单个符号的名称和特征，再学习它们的交互逻辑。这样就可以控制预测偏差的幅度。

接下来以学习 Python 的 for 循环为例，一种低效的分割方式是：先讲变量，再讲列表，再讲语法格式，最后再讲循环逻辑——看似分开了，但学习者在真正写代码时仍需要同时调用所有信息，预测难度对比先前来讲并未降低。

更合理的分割方式是以认知单元为界：

第一阶段（建立序列直觉）： 只展示 print(1), print(2), print(3)，然后引入 for x in [1,2,3]。

• 预测目标： 让大脑建立“哦，这东西就是自动帮我数数”的简单模型。
• 负荷状态： 仅修正关于“重复”的预测偏差。

第二阶段（引入变量占位符）： 演示 for x 和 for y 的效果一样。

• 预测目标： 更新模型——“原来名字不重要，它只是个代号”。
• 负荷状态： 仅修正关于“符号命名”的预测偏差。

第三阶段（语法与缩进）： 最后讲解冒号和缩进规则。

1
for i in range(5):
2
    print(i)

预测目标： 精细化模型——“只有缩进的代码才会被循环”。

分割材料的本质，是避免让大脑同时面对过多的预测偏差。我们将一个巨大的偏差拆分成了多个小偏差。每一步，大脑只需要处理一小点意外，更新一点点模型。

4.5小结#

所谓“复杂”，不过是因为你的大脑缺乏对应的先验模型，导致预测彻底失效，工作记忆被海量的预测偏差淹没。 我们要做的，就是通过优化呈现（降低外在负荷）来减少噪音干扰，通过拆解组块（降低内在负荷）来引导大脑逐步修正模型。当你能下意识的自然的预测出代码的下一行，或者数学题的下一步时，你就成功早就了一个复杂准确的预测模型。

5.1起点-发现错误#

在讨论两种学习之前，我们有必要在此讨论一下学习发生的前提。一个常见误解是：只要犯了错误，人就会学习。事实恰恰相反——绝大多数错误都会被大脑系统性忽略。早在3.4模型更新的条件中就有所提及，只有我们遇到主观上的巨大代价的预测误差时，我们才会开始学习。请注意一个词汇——主观，因人而异，且此因素会收到各种环境制约。因此如何注意到错误也值得一提。

当然，这并不被人们所重视，学校也从来不会教你这一点。多数学生在日常学习的过程中会被动的发现错误。例如我们学习数学的路径——先学加减乘除，然后学习更复杂的坐标系到微积分等。只要沿着这个路径走下去，你就会自然的不断发现错误，然后学习到新的知识。这条路径不需要我们主动的去发现错误，我们也会因为考试自然的重视起这些错误。

那么，学校之外呢？

一般来说，在没有“教学大纲”和“标准答案”的现实世界里，大脑不仅不会主动寻找错误，反而会启动一种被称为“确认偏误”的防御机制。当现实与我们的内部模型不符时，大脑倾向于扭曲感知来维护旧模型，而不是推翻它。例如，一个网球初学者可能会把球打飞归咎于“风太大”或“球拍不好”，而不是“我的击球动作模型有误”。这种机制保护了我们的自信，却阻断了学习。²⁸

除了会自动维护旧模型之外，现实的错误往往难以溯源。比如当今社会经常会出现结果延迟，今天做错，半年后才吃亏；因果链太长，大脑很难把误差归因到具体模型。此外也可能会由多个因导致了一个果，而我们很难抓住关键点，如关系变差、工作不顺、学习停滞——这些信号不像数学题那样给你明确答案。

为了应对这些问题，在这里给出一些简单的方法。

首先是面对确认偏误。在这里要明确的是，学界在1990年的研究发现确认偏误一般由于我们的情绪引起，当然会外加一点小小的阻塞（大脑倾向于懒惰）。那么应对方法就很简单了——保持一个“我可能错了”以及“吾爱吾师 吾更爱真理”的信念。在下次面对错误的时候一方面可以减少情绪阻塞，因为你预知到自己可能错了，就不会有那么强烈的维护自尊心或者安全感的需求。另一侧则给我们提供了更强的探究真理的动机，让我们应对懒惰的大脑。²⁸

此外，我们要主动了解外界信息。主要是了解重要学科的重要结论，甚至主动深入了解某些学科的进展——它们往往正确，且颠覆认知。基本上每一条都能让你发现错误（正如本文的根基——大脑是个预测机器一样），了解这些结论后，你就能让你的预测模型覆盖大多数需要的场景了。

关于发现错误的方法，目前所拥有的研究似乎不是很多，因此文中只是简单的给出了两个方案，其中一个还是经验之谈。日后可能会有更多了解，到那时，再来更新关于发现错误的方法吧。

5.2模仿-最低成本的学习#

在99%的情况下，当你面对一个难题时，你并不是历史上的第一人。当你不知道为何苹果会落地时，牛顿已经为你准备好了公式；当你不知道如何烹饪时，菜谱已经为你验证了步骤。在这些时刻，大脑不需要去重新发明轮子，它只需要执行一种最高效的操作——模型迁移。

这在神经科学与进化心理学中被称为“社会化学习”。是指通过观察、模仿他人或从文化中获取知识，从而快速习得已有的技能和概念。这种机制被迈克尔·托马塞洛形象地称为“文化棘轮效应”——每一代人都不必从零开始试错，我们像棘轮一样锁定了前人的智慧，从而腾出精力去探索更高的领域。²⁹

社会化学习的神经机制得到了大量研究支持。科学家发现镜像神经元系统提供了模仿学习的神经基础：当我们观察他人执行某个动作时，大脑中与该动作相关的神经元会像自己执行时一样被激活。这种“脑内模拟”让我们无需亲身实践，就能在神经层面体验他人的行为，从而更容易复制。镜像神经元由意大利神经科学家里佐拉蒂等人在上世纪90年代首先发现，体现了大脑对他人经验的“共情性”再现功能。社会学习理论方面，心理学家阿尔伯特·班杜拉早在20世纪就提出人类可以通过观察他人而学习新的行为（著名的波波玩偶实验即验证了儿童通过观察模仿攻击行为）。班杜拉的观察学习理论强调，在许多情况下学习并不需要直接奖励或惩罚，榜样的示范就足以让观察者习得行为。³⁰³¹

社会化学习的一般步骤包括：

• 认为旧模型是错的（已在5.1讨论），找到可能的新模型理论

• 学习新理论，快速消除大量结构性误差

• 通过反馈精细修正习得新模型的残余误差

• 在时间与睡眠中固化稳定新模型

此外，需要注意的是，在此步骤中找到的新理论如果过于复杂。请回看第四章节——此时我们需要将复杂的知识分割成简单的知识，就像你一个学期的内容总会被分成一周一周的，然后一轮又一轮循序渐进的学习。最终就能掌握新理论了。

此时的步骤大概是：

• 认为旧模型是错的（已在5.1讨论），找到可能的新模型理论

• 学习新理论区块1，快速消除大量结构性误差

• 通过反馈精细修正习得新模型的残余误差

• 在时间与睡眠中固化稳定新模型

• 学习新理论区块2，快速消除大量结构性误差

• 通过反馈精细修正习得新模型的残余误差

• 在时间与睡眠中固化稳定新模型

• 学习新理论区块3

• ……

接下来，我们会逐步讨论如何高效的进行社会化学习。

5.3寻找可信新理论的方式#

学生不需要找到新理论，只需要看教科书就好了。

其实很简单，并且所有人都知道这个方法，那就是找论文。在这里我们简单的给信息源的可信度排个序：

一般来说，书籍、高质量论文、系统性论文元分析、学界指南是最为靠谱的一类，往下的信息源基本上不必再看。

比如你要研究“间歇性禁食是否有用”，先搜 “Intermittent fasting meta-analysis”（间歇性禁食 元分析）。看综述怎么说，这能帮你避免被个别极端的实验误导。然后再去搜索相关的高引用论文，或者是否有成体系的书籍（书内一定要有大量引用论文，而不是作者在侃侃而谈）。

当然，我也无意在这里否定全部的科普创作者。有些创作者确实做到了高可信度更新，如真理元素——最典型的特征是他们会在文末/简介或者视频结尾附上论文引用。这大大的增加了其作品的可信度，多数时候还包括他们自己做的统计学分析。

还需要注意的一点是，不同领域“可靠性最高的来源”略有差别，例如：

• 数学/逻辑：同行评审论文 + 形式化证明
• 医学/公共卫生：系统综述/指南通常高于单篇论文
• 经济/社会科学/心理学：识别策略、可复现性、外部有效性特别关键（心理学有一个著名的复现性危机，即学界发现部分心理学实验无法复现）
• 工程/计算机：可复现实验、标准、基准测试、开源实现非常重要
• 伪科学：别信！若有人说占星术能预言未来，那一定只是想赚你的钱。

5.4模仿-快速消除大量误差#

当你成功的找到了要学习的新理论，你应该做什么？一般来说我们都能在短时间内把一个合适负荷的概念成功掌握，除了还存在少量细节上的瑕疵。本小节关注的就是我们如何最快速的掌握一个理论模型的大概内容，从而获得一定程度的运用能力。

5.5模仿-精细修正残余误差#

快速消除大量误差之后，我们就需要改正那些反复阅读也体会不到的小误差了。——是的，反复阅读终归会忽略一些东西，忽略的东西可能会体现在考试成绩里。

5.6模仿-巩固#

短期内，我们记住了该理论，但是我们一定会逐渐的遗忘。所以要想记得长久，日后一定要反复调取它。

5.7模仿-小结#

本章把“学习”重新定义为一件更工程化的事：不断优化内部模型。先能发现错误，再以模仿迁移正确结构；用注意力与深度加工提高理解效率；用测试、交错与反馈完成精修；最后用间隔检索与睡眠完成固化。我们十分幸运地身处人类文明的积淀之中，绝大多数时候，我们无需从零开始“重新发明轮子”，而是可以通过社会化学习（模仿），高效地迁移前人的智慧。

5.8探索#

在1%的情况下，你面对的问题确实是历史上的第一人。当爱因斯坦发现牛顿力学无法解释光速恒定时，他没有任何教科书可供参考。

注：确实没有找到太多关于“如何探索”的文献，故本章节并不可靠，仅仅基于科学哲学和逻辑学简单阐述了一下探索新理论必要的步骤。

此时，大脑被迫切换到高耗能的探索模式。你不再有可复制的知识去应对场景。你需要调动海马体中的记忆碎片，在前额叶的指挥下，像拼图一样尝试构建新的解释框架。你提出一个假设，现实反馈给你一个耳光；你再修补假设，再次遭遇挫败。科学家发现真理前的长久焦虑，本质上是大脑在忍受极高的预测误差，试图凭空构建一个从未存在过的模型。

生成式构建的一般步骤：

• 旧模型失效。

• 搜索与试错：

  • 提出假设 A -> 验证 -> 失败（误差仍大） -> 抛弃

  • 提出假设 B -> 验证 -> 失败（误差仍大） -> 抛弃

  • 提出假设 C -> 验证 -> 成功（误差骤降） -> 选中

• 巩固稳定新模型

不要把探索想得太高大尚，这不仅是科学的前沿，心灵的秘境，很多时候还是民科产生的地方。多数人并不遵循一定的方法进行研究，从而总是得出错误的结果，这些错误的模型相当的有市场，然而总会在某些时候崩溃。所以探索并不是像个神棍一样，打个坐就瞬间悟道了一样。即使是天才的灵光一闪，背后也遵循着严密的认知逻辑。

5.9探索-溯因与多维验证#

在模仿模式中，我们直接复制别人的答案。而在探索模式中，我们必须自己去猜测原理，从而在多个可能的原理中确定一条最可符合当下情形的。探索事物极其艰难，但好在多数人在一生中都不必进行复杂探索。

5.10无效探索的兴起#

在我们理清”探索“的过程之后，我们就该将目光转移到现代舆论场了。本小节想说明的是，不要做无效探索，不要在对一个理论了解不全面的时候就肆意的进行溯因推理，且不检验。这么说的原因是现代互联网上已经开始弥漫多数离谱言论了。可能是因为科学概念往往存在滞后性——即一个理论在物理学界已经被修正或限定边界，但在大众文化中却刚刚开始流行，并被错误地泛化。

如笛卡尔的身心二元论，尽管现代神经科学已经通过大量的 fMRI 数据和神经电生理实验证明了意识是神经元复杂网络的属性，但在互联网上，通过“松果体”连接灵魂与肉体的二元论依然盛行。与之类似的还有量子力学，量子效应在宏观尺度下会迅速发生退相干。将普朗克尺度（$10^{-35}$米）的规律强行套用到宏观的人类社会学（米级尺度），是相当荒谬的。这就像试图用广义相对论来计算怎么炒菜一样毫无意义。哦，当然还有本文所介绍的大脑是个预测机器——多数人还将记忆当作事实存储。

这些理论被广泛的应用，大有成为新型宗教的潜力。而细看其内容，在根基上就站不住脚。且在验证方面大量内容依赖个案分析与错误理论之间的互相引用——这就是无效探索。

5.11探索-小结#

探索并非是某种神秘的顿悟，我们仅仅依靠打坐或者闭关是不可能有任何进展的。只有真正的去了解该了解的理论，然后进行溯因推理，最后对其进行验证。我们才能完成一次合格的探索。

最后的复习卡片：#

本文内容还大量参考了以下几本书籍的内容：

《精确学习》 — 作者：斯坦尼斯拉斯·迪昂（Stanislas Dehaene）。

《认知天性》 — 作者：彼得·C·布朗（Peter C. Brown）、亨利·L·罗迪格三世（Henry L. Roediger III）、马克·A·麦克丹尼尔（Mark A. McDaniel）。

《理解大脑》/《认识大脑：关于大脑的7½堂课》 — 作者：莉莎·费德曼·巴瑞特（Lisa Feldman Barrett）

欢迎留下你的评论QWQ

附上论文：