在「聪明的学习者如何学习？」中，作者 00 做了一次关于学习的主题学习，归纳出几个高效学习的原则：1）发现和提出问题比解答问题更重要；2）主动深度加工比信息量更重要；3）刻意练习比记忆时长更重要；4）融合、拓展和应用比理解更重要。那么，开始学习新知识时，该怎么做？为了更加科学地解释，00 梳理出一组问题和行动清单，作为不同学习阶段的「脚手架」，辅助实践。
不同知识粒度的学习
虽然我们总想找到以一敌万的方法，但是稍微回顾一下过往的学习经历，很容易发现，学习一个学科、一个交叉领域、一个知识点、一项技能，其实需要不同的路径和方法。
（点击查看大图）
问题/行动清单
学习本来就不是一件轻松的事情。与其纠结，不如试着列一张清单，开始做。
I. 热身
明确预期
简要写出以下问题的回答：
动机何在？—— 赋予意义，通过音视频（如 TED，如看大师的作品）激发对领域的进一步热情
现状如何？—— 简单写下目前对领域的理解，之前的学习情况，理想和现实的 Gap 是什么？
要改变什么？—— 学了之后带来哪些新视角，可以做什么，在生活中解决哪些问题？
提出问题 —— 列出尽可能多的子问题并筛选和排序，思考对人生母题可能有什么贡献？
搭建环境
切忌陷入在热身阶段无法自拔，现在流行用一个词形容这种情况 —— 拖延症。
II. 建立「输入-编码-提取」闭环
陈述性知识 — 主题式学习
（关于陈述性知识和程序性知识，请回顾：聪明的学习者如何学习？）
A. 提取领域知识脉络，识别学习路径
通过 wiki、wolfram、经典论文、多本书籍（从豆列开始）目录和概要，提取出粗略的知识脉络，然后在收集到的材料中，识别出较优的学习路径。比如在「关于学习」的主题学习中可以按照这样的顺序看：
心理学教材里学习相关章节
教育心理学领域的专著
看综合学科体系视角的名人传记
具体的、不同学科的学习方法
B. 多种材料集中阅读
主题学习的要义之一就是对比。通过不同时期、不同人的观点对质，建立起知识的时空观，并且让更有生命力的学说和观点自动浮现。
对比阅读时一边做笔记，试着在勾画前找到中心思想，减少划线和高亮的内容，在空白处总结出关键概念，也可以记下想到的比喻、图像等，阅读完一部分或全部内容后，试着将笔记浓缩到包含知识间关系的一幅「地图」中。
C. 小黄鸭提问法
受「小黄鸭调试法」的启发，我们可以试着在知识学习和消化过程中，在手边（或脑海中）放一只小黄鸭，不停地回答它提出的问题。下面是可供选择的问题（需要持续增改）：
它说了什么？
主要观点是什么？
作者为什会这样想？
有什么论据？
逻辑是什么样的？
这些观点有多重要？
它是什么？
我们从谁的视角来看、读、听？从什么角度、什么观点出发？
我们如何得知自己已经知道了某事？证据是什么？这种证据是否可信？
某种说法中，哪些部分是新的？哪些是旧的？之前接触过这种观点吗？
为什么这种观点很重要？它意味着什么？
假如不是呢？事情的另一面是什么样的？
这件事情有何利弊？
它是怎么得出/实现的？
它如何拓展？
深度拓展：知识从何而来？结论来自何处？事物为什么以这种方式存在？
横向拓展：与此类似的结论有哪些？异同？同一时期还有哪些其他发现？同一人还有哪些发现？同一领域还有哪些发现？
纵向拓展：我知道知识从何而来，与哪些知识有关系吗？更宏观和更微观的相关知识有哪些？
哪些知识是可以复用的？为什么？可以用在哪里？解释什么？解决什么？
可以怎样将知识用到实际生活中？具体情境是什么样的？
D. 回答在学习前提出的问题和小黄鸭问题，并输出
我们很喜欢重读笔记或课本，因为看书比回顾做起来简单，但这会产生知识已经在自己的脑海里的错觉。最直接的输出方式，是上一篇文章中提到的费曼技巧，比起写作，它更能检验是否真正理解和掌握了所学知识。
Oliver Ding 在信息架构专家 Peter Morville 的故事中提出专业服务人士的七种兵器，是一个非常值得参考的分层级输出体系：
通过实践，把新知识和旧知识共冶一炉；
通过写作，把经验和体会书面化；
通过讨论和交流，把知识社会化，获得建议和反馈；
通过准备演讲幻灯片，把知识系统梳理，形成骨架和模式；
通过演讲，在更正式的场合把知识社会化，传播到行业社群中，同时提升个人品牌；
通过书籍的写作，为知识系统的骨架添砖加瓦，将知识系统细化；
通过书籍的出版及发行，将知识系统转化为有形商品，进一步将知识传播到更广泛的社会层面。
E. 制定回顾计划和评估方法
每天和每周找一个相对重复出现的场景（注意，不是固定时间，执行意图需配合场景触发器使用），用来回顾新学习的知识。比如每天上下班通勤时，在头脑中重「画」一次笔记地图。
更多复习和评估的方法，可以参考下表（via 采铜）：
程序性知识 — 操练学习
跟陈述性知识「在脑中学」不同，程序性知识强调「在做中学」。几乎所有的程序性知识，比如编程、运动、手艺、技术，都是一种「语感」培养的过程，即在大量操练中建立条件反射式的动作序列（组块）。
步骤其实很简单，关键还是「做中学」：
仔细观察新手和专家的区别
向若干专家取经
找出核心操练点，细致解构要素和过程（组块拆分）
寻找每一步骤更优的「算法」
在真实情境中刻意练习，通过反馈中修正
III. 融合操练
陈述性知识和程序性知识是一种简化而理想的划分，其实有不少领域需要同时涉及这两种类型的学习。比如设计，既要理解人的需求、动机、行为，要对人-物系统做整体分析，要理解认知过程如何影响理解和行为，同时又要掌握的各种用于表达和制造的工具，把解决方案呈现并实现出来。这就需要频繁地融合操练：
对陈述性知识：使用费曼技巧，反复进行知识回顾和提取
对程序性知识：锚定标杆，自创方法，适度挑战，输出-反馈 反复迭代
创造应用场景，设计实践项目去操练（写作式；游戏式；设计式)
提取可复用模块，纠错，模型化
回顾热身阶段提出的大问题，调整目标
总结
一图胜千言
——- 学习人工智能，实践学习方法 -——
掌握深度学习原理
搭建神经网络模型
熟悉自然语言处理
开发智能个人助理
戳原文，马上预约下期！
