学习的本质是改变大脑的神经突触。让这些突触更枝繁叶茂，或者有更多连接。
基于这一点，我们要想学习好，或者把工作中的技能学习好，目标就很明确了，想办法在大脑中生成相关的神经突触。（引用自coursera上的一门课程learning how to learn，以下大多引用也来自此处）
学习新知识的模型是什么？
尽管我们每天都在学习不同的知识，可能今天学习如何画画，明天我们学习如何编程，这些看起来都是很不一样的知识。但是，我们的学习的过程有没有可能是一样的呢？
如果掌握了学习不同知识背后的那个统一模型，应该对自己的学习是很有帮助的。
Coursera上的learning how to learn就提供了一个基于脑科学的学习模型：
第一，当我们遇到一个不熟悉的知识的时候，我们会在工作记忆区来处理他们。工作记忆区在我们大脑的前额叶，他通常只能同时处理3到5件事。就好像，你打开浏览器，然后开了很多tab，但是其实你只能在其中4个tab任意切换，其他的tab你早就不知道里面写的是啥了。
第二，如果我们把工作记忆中的一件事情用的熟练了，这个记忆就会存储在我们的长期记忆区。生理上的位置大概在前额叶后面的位置。还是以刚才的浏览器为例，如果有两个tab是讲如何编程的，你都记下来了，并且应用的滚瓜烂熟。你就可以关掉这两个tab了，下次想调用这两个知识，你就不用在工作记忆区打开两个tab，只需要去长期记忆区去唤醒这块的记忆。当然，要唤醒这两块长期记忆，也需要工作记忆出点力，但是相对只占用较少的工作记忆，比如一个tab。于是，你空出了一个 tab，可以去打开其他的信息， 比如如何用一种新的方法来编程。或者反过来说，如果你没有提前把前面两个关于基本编程的tab记到脑子里，你在实际操作的过程中，就很可能因为工作记忆没空闲，导致你不太可能把一种更新的编程方法学好[1]。
稍微总结一下，工作记忆只能处理3到5件事，多余的事情没地方处理。但是如果通过长期练习，把一些知识记到了脑子里，也就是说，在大脑里形成了神经突触，你调用这些信息的时候，就不用占用那么多的工作区域了。这样可以留出工作区域去学习新的东西。
背课文的例子更能说明这个道理。一篇课文有5个段落，你完整的读10遍课文，你可能还不能记下来。但是你先背下第一段，然后背下第一段和第二段，然后背下第1，2，3段，慢慢的多拱一点出来，你可能能把课文更快的背下来。
以上就是由工作记忆和长期记忆组成的一个关于学习过程的模型。
优化工作记忆的使用
基于刚才这个模型，工作记忆的就只能干不多的事情，要想更好的学习一些新东西，就要关掉其他并不相关的东西，保持工作记忆的大部分空间都可以用来处理我们想要学习的这个东西。或者用两个字来总结，就是专心。
优化长期记忆的形成
依照上面的模型，长期记忆这一块可以有很多可以优化的地方。
首先，让我们来看一个叫做组块的概念，长期记忆区存储的就是组块。
组块这个概念是这样的，就是我们的知识在脑子里是一个整体性的存在，而不是单独的一条数据。比如说，写字。这个知识包含拿起笔，写一横，写一竖，甚至顿笔，力度等等知识，你在写的时候，并没有仔细想这些具体的细节，而是一连串的就把他们做出来了。换句话说，就是写字在你的大脑中是一个组块。组块就是一个组知识交叉、连接，互相纠缠的地方。你提取一个知识，很可能就是去提取这个知识的组块。
以上是组块的概念。那要形成组块，是怎么回事呢？
我们在学习一个完全没有接触的领域的时候，我们可能相关的知识全都没有。比如我要学习阿拉伯语，阿拉伯人见面打招呼说什么，吃饭的时候聊什么，我全不知道，所以，想提取阿拉伯语的组块绝对是没门，于是我只能先建立一些小小的组块，通过看一点点阿拉伯语的书，用工作记忆处理阿拉伯语信息，然后不断重复，把工作记忆中这一小点东西记录到长期记忆中，在里面装上最初的一点关于阿拉伯语的知识（注意，这个知识不一定非得是字母，音标类的基础知识），这就形成了我对于阿拉伯语的第一个小组块。注意，这里提到了第一个形成组块的方法，重复。
比重复更好的方法是定期重复。相比于1天重复十遍，每天重复1遍但是持续10天，后者效果更好。
比定期重复更好的形成组块的方式叫做回忆，英文叫做recall。比如说，我听了一遍罗辑思维，觉得自己又获得了一点新知识，但其实这只是幻觉，用英文说就是illusion of competence。因为如果你上来就问我这期罗辑思维讲了啥，我只能说挺好看的，你要是过3天再问我，我更是说不上来节目的内容了。但是，如果你在看完节目之后，去回忆一下学到知识，就能在大脑里记得更牢固。或者，自言自语讲给自己听，也算是一种回忆。都能提高学习效果。
在生成组块之后，还有另外一件重要的事情可以做，叫做连接组块。
这里介绍第一个概念：网络效应。上面我们说到，当你研究一个新领域的时候，可以通过重复建立一个小组块，当你有了这个基础之后，再学习下一个相关的之后会更容易，因为你可以用组块中已经有的知识来帮助你理解新的知识，比如我学了阿拉伯语的字母，然后就能更好的背阿拉伯单词。也就是说，以前学习的内容，会促进你现在和将来的学习效果。这样，你大脑中原来很小的组块，可以慢慢连接成一个更大的组块。
帮助我们连接组块的，还有另外一个方法，Interleaving 交叉学习。比如说，你一天里先学2个小时数学，再学两个小时英语，有助于你把英语的一些知识和数学的知识联系起来，而不是数学只是数学，英语只是英语这个样子。
最后，运动和睡眠也能帮助我们的大脑形成新的神经元，帮助我们的组块进行连接。learning how to learn这门课程里面是这样说的，当我们没有在学习的时候，我们的大脑也是在活动的，而且这种活动更加随机，相当于在潜意识中帮你把已经学到的组块和其他组块随机性的联系在一起，形成一个更复杂的知识网络。
知识的调用
最后，我们来聊聊知识的调用。在前面，我们通过学习，已经在大脑中形成大大小小的很多神经网络，也叫做组块。但这些之后有时候我们却不能把这些知识做到很好的应用。有些问题的解决方案明明已经在我们的脑子里了，但我们就是想不起来；或者，想出来的方案特别老套，一点都不创新。
所以，要想应用大脑中的这些知识呢，可以采取一种叫做diffuse mode的思考方式。中文叫做发散模式。
首先说，大脑的思考模式可以大概分为两种，一种是聚焦模式，一种是发散模式。聚焦模式，是我在很专心的解决一个问题，比如我在写这篇分享的演讲稿时，我仔细的搜索我大脑的知识，然后看看有什么能用。这是聚焦模式。但是聚焦模式能让你非常仔细的搜索某个组块内的知识，但是却可能让你错失系统之外的某些信息，比如我仔细的搜索我关于如何学习的这些知识，但是系统之外可能有一个知识，比如黄段子更能丰富我这次分享的内容，但由于我聚焦在「如何学习」这一块，所以我可能错过了这一块。
另外一种思考模式是发散模式。当你放松下来，不去想解决具体问题，就北京躺，躺在沙发上，随便想点什么，这个时候，大脑不会仔细的搜搜某一个特定的组块，而是走马观花式的在大脑的各个区域跳转，或许你就能想到不一样的东西，然后把想到的，跟你要解决的问题相关的思考记录下来。这就是发散模式。
Recall
学习知识的模型是工作记忆到长期记忆的迁移。
工作记忆聚焦在当前处理的事情，记忆空间有限，所以要想办法清空，或者迁移记忆到别处。
长期记忆区可以通过形成组块来存储我们的知识，还可以通过连接组块，让我们的神经网路更为复杂。
最后，要调用组块，可以采用聚焦模式来更精确的搜索某个组块内的知识，也可以通过发散模式，来连接很多不一样的想法。
-
如果那个更新的编程方法真的依附于那些基本编程方法的话。 ↩