始まり - The Beginning -

曾经有高中的老同学问我：我是如何学习的？我是如何将学习转变为某种兴趣的？

这并不是一个很复杂的问题，但我觉得有必要将学习这件事作为一个系统性工程向大家介绍。

我并不是什么学习大神，甚至于说，我应该是一个学渣。我并没有在学习上取得太多的成就。但我能快速掌握新事物的本质，也有些许诀窍。就在这篇文章稍微聊聊我的学习方法吧。

这里的文章，我就用钢琴学习和计算机科学两个方面举例子。当然，我并非钢琴大师，我的钢琴停滞在G大调音阶。因此这里只是一个比喻，方便大家理解。

无知性问题：多翻翻Encyclopedia？

首先我们将问题、正如文章标题所言，分成两大类别吧。

一种是科学问题。在我看来，便是当前人类知识总储备都无法解决的问题。另一种则是无知性问题。这样的问题则是人类的知识储备已经足够解答，但你的知识储备并不足的情况。

我们先聊聊最常见的、无知性的问题。

生而无知，生而无罪。

没有人生而就全知全能。承认自己的无知，是变得全知的第一步。

万事万物都有一定的发展规律。从最简单的开始。

例如你想要学习钢琴演奏，你就要从最简单的地方开始。或者说，是从他最表面、最肤浅但也是最基础的地方开始。钢琴的第一课，是学会如何像大师一样有一个好的、正确的坐姿。第二课，是如何抬起和放下你的手指、以及手指的机能训练。第三课，才是最简单的哈农指法循环练习。

又或者你想学习计算机这一庞大的系统，自然要先了解最基础的理论。比如，学习冯诺伊曼架构的最基础的那部分理论，又或者，试着在休息时间编写一些8位机处理器的汇编。更或者，去接触一些单片系统。这有助于你理解计算机的工作原理，以及他们的发展历程。

不要着急去大跨步。不要试着一步登天。

如果你不耐下心去做这些看似简单和无所谓的工作，就比如你跳过了手指练习直接开始练习音阶，等到后续接触了较为长篇的钢琴奏鸣曲便会因为手指无力而没办法完成舞台。

又或者是，你选择长按ESC跳过枯燥的冯诺伊曼。总有一天你要接触底层的，生产环境也好，开发环境也好，他们都是有着一定个体差异的东西。我就遇到过一个Java项目在Intel处理器能正常工作，到了AMD处理器却内存泄露的情况。JRE版本不同、乃至底层处理器的设计不同，都有可能出现故障。

当你感慨——“还好我接触过Linux底层，这下我就可以在写盘完成后sync完成磁盘同步避免丢失数据了”的时候，你会感谢你曾经学过有关的知识，不需要去Stack Overflow或是CSDN沙里淘金了。

理论与实践都很重要

不要只停留在应试。知识均有价，

经常有人问我，我是如何做到一个单词不背就达到8000的英文词汇量的？这其实很简单，让英语融入生活就可以了。

我的语法知识还停留在小学六年级，但语言不需要理论。即便如此，我经常犯语法错误是事实，我犯了语法错误也能被老外听懂也是事实。

如果你的实践学习出现了瓶颈，请试试去实际生活中验证一下你的理论吧。

就如你如今正在学习乐理——看不懂？那就拿起实实在在的视唱谱例感受一下吧。

就如你如今正在学习Windows API——看不懂？那就进DevC++调用试试吧。无论是编译出错，还是功能异常，你总得试试才知道是什么情况的。

理论与实践是抽象与具象的两个极端。而真知是二者相互融合所得出的。理解本身既有先验的属性，也有后验的属性。

语言学习的秘密：将言语抽象化，将语言具体化。

我正在学习日语。已经有一年了，却还没有完全掌握五十音。

原因其一便是日语并非我的主修外语。我的英语已经达到了身边各位的平均水平，我想多余的时间用于学习日语也是一个办法。

我用我学习英语的方法去学习日语。其中一个很重要的方法，便是将理念与具体的单词所结合。这是一个举例：

青空に線 -> 航迹云

うしお -> 大海

なぎさ -> 海岸（理解为海湾也可）

ほし -> 星空

進め -> 冲锋，或是坚定地前行的场景

这里的举例并非是具体单词意思，但这些映射关系有助于建立你对一个单词的意象。语言总而言之都漂浮在感性至上，最好是将语言与感受相结合，而不是试着建立一本粗暴的单词本。

事实上，同样的方法也能用于音乐学习。例如：

F46 - F - C6 的和弦走向，取自一首《东方Project》同人曲，有着夏日的基调。总体来看，这个和弦具有卡农下行的趋势。总体色彩丰富。

科学性问题：系统建构很重要

而现在要讨论的，则是有史以来我们未曾遇到的问题了。

这里的讨论，则更适合学术项目选题。如何发现自己的问题是一个前无古人、后无来者的问题？以及，如何解决这样的问题？

当然，笔者暂时没有遇到过这样的问题——最起码没有在本质上遇到过这样的问题。但从科学史上来看，无论如何，都遵循了从无知到一知半解，再从一知半解解构，最后重构的认知过程。

而其中的过程，也是一个熵增的过程。系统在不断增长。起初，问题只是一个简单的问题。但随着人们对本质的深入理解，这个问题会变得越来越庞大与抽象。例如，人们曾问：如果有一天，机器取代了人类怎么办？

先问是不是，再问为什么。机器可以取代人类吗？也许可以。但这取决于算力。我期待着量子计算的发展能够让机器取代人类的步骤迈出一大步，但量子计算遥遥无期。量子物理本身也和心理学类似，是一个新兴学科。 而基于硅基的计算机系统，我想差不多也走到了尽头。量子遂穿便是悬在硅半导体计算机技术的一把达摩克利斯之剑。

受限于上课时间，先写到这里。我后面找一个更充足的休息时间补充后续内容。