心智模型是可以用來解釋許多不同現象的一般概念
。一旦你好好觀察身邊的事物，如經濟學中的供給和需求、生物學中的自然選擇、計算機科學中的遞歸或數學中的歸納證明。
這些模型其實無處不在； 學習理解供需模型可以幫助你推理經濟學問題； 同理，學習的心智模型可以幫助我們更容易地學會如何好好學習。 其實，在系統性的教育中“ 學習 ”很少被單獨作為一門學科來教授，這意味着大多數心智模型隻有專家才知道。 在這篇文章中，我将分享十件最具影響力的心智模型的事。 搜索就是解決問題的方法 在《人類決策》一書中提到人們通過搜索“ 問題空間 ”來解決問題。 問題空間就像一個迷宮，解決問題就像在問題空間尋找出口； 你知道你現在在哪裡，你會知道你是否已經到達出口，但你不知道如何找到出口。 所以這一路上，你的行動受到迷宮牆壁的限制。 現實生活中的問題通常比迷宮更複雜； 什麼時候開始、什麼時候結束、什麼時候去移動都存在着很大的不确定性。 類似于我們解決不熟悉的問題時所做的事情一樣，像一隻無頭蒼蠅到處亂轉。 這意味着當他們還沒有一種方法或記憶可以直接引導他們找到答案時。 該模型的一個含義是， 在沒有先驗知識的情況下，大多數問題都很難解決 。 解決問題意味着我們面臨着很大的“ 搜索空間 ”。 我們需要做的是如何學習，如何更利用高效的模式和方法以減少暴力搜索。
這些模型其實無處不在； 學習理解供需模型可以幫助你推理經濟學問題； 同理，學習的心智模型可以幫助我們更容易地學會如何好好學習。 其實，在系統性的教育中“ 學習 ”很少被單獨作為一門學科來教授，這意味着大多數心智模型隻有專家才知道。 在這篇文章中，我将分享十件最具影響力的心智模型的事。 搜索就是解決問題的方法 在《人類決策》一書中提到人們通過搜索“ 問題空間 ”來解決問題。 問題空間就像一個迷宮，解決問題就像在問題空間尋找出口； 你知道你現在在哪裡，你會知道你是否已經到達出口，但你不知道如何找到出口。 所以這一路上，你的行動受到迷宮牆壁的限制。 現實生活中的問題通常比迷宮更複雜； 什麼時候開始、什麼時候結束、什麼時候去移動都存在着很大的不确定性。 類似于我們解決不熟悉的問題時所做的事情一樣，像一隻無頭蒼蠅到處亂轉。 這意味着當他們還沒有一種方法或記憶可以直接引導他們找到答案時。 該模型的一個含義是， 在沒有先驗知識的情況下，大多數問題都很難解決 。 解決問題意味着我們面臨着很大的“ 搜索空間 ”。 我們需要做的是如何學習，如何更利用高效的模式和方法以減少暴力搜索。
回憶能夠增強記憶力
有效地在腦海裡回憶知識往往比我們反複閱讀更能增強記憶力。 不斷地在記憶中進行測試，不僅僅是一種衡量你記住了什麼，學會了什麼，知道了什麼的方法； 它還能更好地提高你的記憶力。 事實上，記憶測試是研究人員發現的最好的學習技巧之一。 為什麼在腦海裡搜索如此有用？ 一是因為我們的大腦比較懶，隻會選擇隻記住那些可能被證明有用的事情。 如果手邊總是有答案，則無需将其納入在記憶中。 相比之下，在腦海中找不到答案會對人散發出一種強烈的信号，并告訴大腦需要記住搜索的知識。 在腦海裡回憶僅在有要回憶的内容時才有效。 這就是為什麼我們需要書籍、老師和課程。 當記憶失敗時， 我們會開始尋找如何回憶問題 。 通過回憶得到答案會比通過反複查看時會學到更多。 知識是乘指數級增長的 你能學到多少取決于你已經知道了什麼。 研究發現，保留的新知識量取決于你有多少相關的 先驗知識 。 先驗知識的現象的效果甚至可以超過一般的智力對人的影響。 當你學習新事物時，你會将它們整合到先驗知識中。 這種整合為大腦提供了更多接口，以便稍後調用該信息。 但是， 當大腦對某個主題知之甚少時，記憶新信息的幾率就會減少 。 這使得我們更容易忘記這種信息，因此一旦有了基礎，後續的學習就會容易得多。 當然， 這個模式是有限制的，否則知識會無限遞增 。 盡管如此，了解這一點還是有好處的，因為學習的早期階段通常是最困難的，并且可能會給我們的腦子傳播錯誤的信号，留下這個領域非常難學的刻闆印象。 你以為的創意其實是抄襲 通常我們喜歡給有創造力的人賦予近乎神聖的光環，但創造力在實踐中并不如你想象的那麼神奇。 正如馬特·裡德利 (Matt Ridley) 所說：“ 創新是循序漸進的 。” 很多時候，新發明并非以完整的形式突然閃現，本質上是更多舊思想的随機變化而成。 當這些想法被證明有用時，才被人們采用。 近乎同步的創新現象證明了這種觀點。 多個互不相關的人開發了相同的創新，這種事情在曆史的長流中時常出現。 即使在美術中，臨摹的重要性也被忽視了。 盡管藝術革命往往都是對過去模式的明确否定。 但反抗任何慣例首先需要了解該慣例，革命者本身幾乎無一例外地曾經沉浸在他們所反抗的傳統中。 技能是特定的 技能的遷移是指在一項任務中經過實踐或培訓後，在執行另一項任務中能力得到增強。遷移研究揭示了一個典型的模式： 在一項任務上多加練習可以讓你做得更好； 在一項任務中練習有助于完成相似的任務 （通常是在程序或知識上重疊的任務） ； 在一項任務上練習對不相關的任務幫助不大，即使它們似乎需要同樣廣泛的能力，如“ 記憶力 ”“ 批判性思維 ”或“ 智力 ”； 然而，人們很難對技能遷移做出準确的預測，因為它們依賴于準确了解人類思維的運作方式和所有知識的結構。 但是在給予更多限制條件後，約翰安德森發現了 對知識起作用 的 IF-THEN 規則與智力技能中觀察到的轉移形成了相當好的匹配。 例如，學習外語單詞隻有在使用或聽到該單詞時才有幫助。但是如果你知道很多單詞，你就可以有很多不同的表達。 同樣，了解一個想法可能無關緊要，但掌握多個想法會産生巨大的力量。 每增加一年的教育，智商就會提高1-5 分，部分原因可能是學校教授的知識廣度與現實生活 （以及智力測驗） 所需的知識廣度有所重疊。 雖然技能可能是特定的，但廣度創造了普遍性。 如果你想成為一個聰明的人，是沒有捷徑可走的—— 你必須學習很多東西 。 認知負荷——有限的心理帶寬 我們在任何時候隻能記住有限的幾件事。 George Miller 最初認為這個阈值是7 （加減2） 。即 人類的大腦最多能夠記住7件事情 。但最近的研究表明這個數字更接近四。 在人腦這個極其複雜狹窄的空間去學習、思考、記憶和累計經驗都會遇到瓶頸。 我們提高學習效率的主要方法是确保流經瓶頸的東西是有用的，将有限帶寬投入到不相關的信息上可能會減慢我們的速度。 自 1980 年代以來，認知負荷理論一直被用來解釋幹預措施如何根據我們有限的心理帶寬優化 （或限制） 學習。 研究發現： 當想要教會有一定經驗的初學者如何解決問題可能會更難 。但，當向新手展示可行的案例 （解決方案） 時，他們往往會做得更好。 材料的設計應避免需要在圖表的頁面或部分之間翻動才能理解材料。 冗餘信息會阻礙學習。 學習複雜的想法時，首先呈現部分内容有助于更容易地學習。成功才是更好的老師
我們總說失敗是成功之母，但相比起失敗我們總是能夠在成功中學到更多。 究其原因是在解決問題的過程中會發現大多數解決方案都是錯誤的 。 當知道什麼有效會大大減少試錯的可能性，而經曆失敗隻會告訴你一種特定的策略行不通。 一個好的學習規則是當我們在學習一樣東西時以有 85% 的成功率為目标。 我們可以通過調整學習的難度 （開卷與閉卷、有導師與無導師、簡單與複雜問題） 或在低于此阈值時尋求額外的培訓和幫助來做到這一點。 當你在學習一樣東西時超過85%的準确率，那就說明了你已經能夠很好的掌握這項技能，再去繼續學習你隻能是在練習這項而不是學習新技能。 舉個例子才是最好的學習方法 人們如何進行邏輯思考是一個古老的難題。 從康德開始，我們就知道邏輯不能從經驗中獲得。 不知何故，我們必須已經知道邏輯規則，否則一個不合邏輯的頭腦永遠不可能發明它們。 但如果是這樣，為什麼我們常常無法解決邏輯學家發明的問題呢？ 1983 年，Philip Johnson-Laird 提出了一個解決方案： 我們通過構建情境的心智模型來進行推理 。 比如說測試“所有人都會死”這樣的三段論 （三段論是指當其中一個命題必然地能從另外兩個命題中得出的一種推論） 。 蘇格拉底是人。因此，蘇格拉底會死。 我們想象一群人，他們都會死，并想象蘇格拉底是其中之一。 我們通過這個檢驗推導出三段論是真的。 Johnson-Laird認為這種基于心理模型的推理也可以解釋我們的邏輯缺陷。 我們學習的時候最難的是需要我們理解檢查多個知識模型的邏輯語句。當我們需要構建和審查的模型越多，我們就越有可能犯錯誤。 丹尼爾·卡尼曼 (Daniel Kahneman) 和阿莫斯·特沃斯基 (Amos Tversky) 的相關研究表明，這種基于例子的推理可以将回憶例子的流暢性誤認為是事件或模式的實際概率。 例如，我們可能認為符合模式 K_ _ 的詞多于 _ _ K _，因為與第二類 （例如 TAKE、BIKE） 相比，更容易想到第一類 （例如 KITE、KALE、KILL） 中的例子, 通過例子進行推理有幾個含義： 1. 通過例子學習往往比抽象的學習定義更快； 2. 我們需要很多例子去學習； 3. 幾個例子并不代表全部； （你确定你已經考慮了所有可能的情況嗎？） 知識随着經驗的累積會變得無形 當一項技能通過實踐會變得越來越自動化。這能夠降低我們對技能的自覺意識，從而減少我們大腦寶貴的工作記憶容量。 想一想開車：起初，在打轉向燈和踩油門的時候我們需要經過深思熟慮忐忐忑忑的。但當你有十年駕齡，你根本不用思考如何打燈還是要不要踩油門，怎麼刹車。 然而，技能自動化程度的提高也有缺點。 一、當你向他人傳授一項技能變得更加困難 當知識變得隐性時，就更難明确你是如何做出決定的。正如很多專家和教授們經常低估“ 基本 ”技能的重要性，因為長期以來大腦一直處于自動化模式，他們似乎并不需要在專業決策中考慮太多。 二、自動化技能不太容易受到有意識的控制 當你持續地按照你一直做的方式做某事時，這可能會導緻刻闆行為不再追求不同、創新和提升，即使你已經落後别人一大截了。 所以當我們熟練使用一項技能時尋求更困難的挑戰變得至關重要，因為這些挑戰會讓你的大腦動起來不再自動化做出決策，并迫使自己嘗試更好的解決方案。 再次學習比你想象中的快更多 當我們踏入職場多年後，你覺得回到學校你還能通過畢業所需的考試嗎？面對課堂上的問題，很多職場人都不得不好意思地承認他們都忘記了。 忘記不常使用的任何技能不可避免的。 Hermann Ebbinghaus 發現知識以指數級的速度逐漸減少—— 開始時最快，随着時間的流逝逐漸減慢 。 但重新學習通常比初始學習快得多。其中一些可以理解為阈值問題。想象一下大腦的内存強度在0到100之間。 在某個阈值 （比如3） 下，内存是不可訪問的。 因此，如果記憶強度從36下降到34，你就會忘記你所學的。 但即使是重新學習也會一點點提升并且修複記憶，最後讓你足以記得這些知識。 相比之下，學習新的事物塑造新的記憶 （從零開始） 需要更多的工作。 雖然重新學習是一件枯燥令人厭煩的事情，然而我們卻能夠用更快的時間來增強我們的知識儲備，何樂而不為呢？
有話要說...