🔗原文链接
在第一部分，我向大家介绍了一种名为“渐进式总结法”的笔记技巧，它能帮助我们轻松地整理出内容丰富、易于查找的笔记。继而，第二部分通过具体例子，展示了这种方法在实际中的运用。第三部分则聚焦于如何高效运用这一方法，而第四部分则拓展到了非文本媒体的应用场景。
在第五部分，我将向你展示渐进式总结法如何直接促进我们在信息消费中所追求的最终结果：学习。
完美记忆的负担
在我们熟悉的传统学校教育中，把书本上的内容准确无误地记住，常常被看作是学有所成的直接体现。这种方式就是我们所说的“复述模式”——学生越能原封不动地复述教材内容，不夹杂个人的理解或创新，他们得到的分数就越高。
但在现实生活中，拥有完美记忆并不总是理想的状态。
《纽约时报》曾刊登一篇引人深思的文章，讲述了这样一个故事：全球已知的超过60人患有一种称为“高超自传体记忆”（HSAM）的症状，他们能清晰地回忆起生命中的绝大多数日子，仿佛回想起昨天发生的事一般。比如，如果问他们1996年3月16日下午在做什么，他们能在几秒钟之内生动地描绘出那一天的详细情景。
这些人拥有完美的记忆力。然而，他们往往会觉得这是一种沉重的负担：
“人生的旅途上，每个人都会遇到这样或那样的分岔路口。我们常常会想，‘如果当时选择了不同的道路，去了另一个地方，我的人生会不会截然不同呢？’” 她淡淡地说：“但大多数人，都不会记住这些路口的每一个细节。” 而她的记忆就像一张充满遗憾的地图，记录着她本可以过的其他生活。
“我感到彷徨无措，害怕自己的生活再次被十年的阴影所笼罩。” 她回忆起2005年3月30日，那天，她的丈夫吉姆离世，年仅42岁。普赖斯的思绪又回到了2003年3月1日，一个星期六，在洛杉矶她家中举行的婚礼，那是在她父母决定卖掉这座陪伴了她大半生的房子之前的事。
那种压抑沉重的情绪，仿佛和2005年3月25日那个星期五重合。那天，吉姆突发中风，陷入昏迷，接受了生命维持治疗。普赖斯凝视着他那双空洞而睁大的眼睛，心中的感觉，和那时一模一样。
可见，完美的记忆并不总是我们想象中的那般美好。
遗忘的重要性
在我的理解中，遗忘对于学习来说，和记忆一样重要。在这个日新月异、变幻莫测的世界里，我们对过去观念和模式的过度依恋，往往会成为前进道路上的累赘。
目前大部分关于“高效学习”的书籍和课程都会提供的两种方法是：
1. 增加信息输入量
这涉及到各种技巧，例如使用spritzing（一款速读应用）、以双倍速度听有声读物、快速阅读、专注于高度浓缩的信息源、屏蔽干扰、深度集中等。
2. 提升对信息的记忆和回忆能力
相关技巧包括间隔重复、建构记忆宫殿（memory palaces）、发展记忆术，还有辅以音乐和押韵、使用缩写和思维导图等手段。
这些技巧都很有效，但它们忽视了一个核心问题。它们都基于一个错误的假设：把大脑视作一个空容器。我们将信息装进大脑，就如同把水倒进水壶，然后再取出来使用。在这种模式下，你的目标是最大限度地增加输入量和输出量。
但大脑与水壶或文件柜这类静态容器有一个本质的不同：大脑不仅能存储东西，还能采取行动。而行动才是真正的学习。
**问题就在这里：我们越是努力记住所有东西，就越会干扰行动。**我们努力吸收的信息越多，精心整理和频繁回顾的时间越长，留给实践、尝试、交流、沉浸、体验、合作和犯错的时间和空间就越少。
学习并不是一项能够通过调整和优化达到完美的活动、过程或成果。它更像是意识、注意力或爱情这样的自发现象。正如这些状态一样，学习在被过度强迫时反而难以实现，这种现象被称作“超意图”（hyper-intention）。
其实，我们没有必要去“加速”或“改善”大脑的学习机制——这正是它进化的初衷。无论是在白天还是夜晚，工作或休息，聆听还是交流，全神贯注或是心不在焉，我们的大脑总是在不断地绘制关系网络、建立联系、寻找关联。如果你愿意，你会发现自己根本停不下来学习。
我们的大脑不断地收集信息，因此我们的目标也应该从尽可能多地记住信息转变为尽可能多地遗忘信息。
信息瓶颈（Information Bottleneck）
我们对于完美记忆的模糊认知，可以与《新理论打开了深度学习的黑匣子》这篇文章中提到的人工智能深度学习新技术相对照。其中特别值得关注的，是被称作“信息瓶颈”的革新理论。
这篇文章试图回答的核心问题是：我们如何从众多信息中筛选出最关键的元素？比如当我们听别人说话时，怎样从口音、呼吸声、背景噪音，甚至是那些我们没听清的词汇中，提取出关键信息？这个问题对人工智能领域来说至关重要。因为它与人类大脑不同，计算机往往会平等对待所有这些输入信息，结果往往是一片混乱。
我们的大脑在处理信息时，其实是一个高效的筛选器。它能巧妙地抛弃那些杂乱无章的数据，只留下精华。这样做的目的，是为了减轻它的负担，让我们可以集中注意力在最关键的信息上。我们的大脑能够快速地“忘记”大量信息，恰恰是因为这种选择性遗忘，我们才能够关注到重点。
这个原理，其实和现在流行的深度学习技术不谋而合。比如说，有一个算法，它的任务是学会识别狗的图片。首先，我们得把成千上万张狗的照片输入到这个算法里。接下来，这些数据会经过一系列复杂的过程，好比是一层层的人工神经网络被逐渐激活。当这些信号最终到达神经网络的顶层时，算法就会根据最终的激活模式来判断这是不是一张狗的图片。
如果判断出错了，这个错误就会像是老师批改试卷那样，被反馈回去，从而调整和优化网络中的连接。这样一来，下次当它再遇到类似的图片时，就能更准确地给出正确的判断了。这就是高科技与人脑在处理信息时惊人的相似之处。
这个过程可以分成两个阶段。起初，是“拟合阶段”，这时算法像海绵吸水一样，尽可能多地吸收训练数据，努力学习如何分配正确的标签。紧接着，就进入了更为漫长的“压缩阶段”。在这个阶段，算法开始巧妙地运用它学到的知识，处理那些它之前从未遇到过的新图片。
压缩阶段的精髓在于迅速摒弃那些杂乱无章的数据，只留下那些最有相关性的信息。举个例子，随着时间的推移，算法会逐渐淡化狗和房子之间的关联，因为大多数照片里不会同时出现这两者。同时，它可能会强化“狗”与“皮毛”之间的联系，因为这种联系更为紧密。研究者们认为，正是这种“忘记细节”的策略，使得算法能够领悟普遍概念，而不只是记住成千上万张照片。实验显示，深度学习算法只有在这个压缩阶段，才能真正快速提升其泛化能力（译者注：在未见过的数据上表现良好的能力）。
要想有效学习，重点在于先对自己接触的信息加以筛选。这意味着我们得有意识地限制信息流，然后迅速摒弃那些无关紧要的琐碎细节。虽然这样做可能会丢掉一些细节，但我们的大脑并不是处理细枝末节的高手。它最擅长的是构建意义，在混乱中寻找秩序，在噪音中看到信号。
这篇关于遗忘在学习中的作用的论文使用了问题解决算法（译者注：Problem-solving algorithms 是指用于解决特定问题或类别问题的一系列有序步骤。）来确定遗忘的最佳程度。研究者通过一系列实验，测试了各种假设，结果显示：**最有效的学习策略是先积累大量知识，然后随机性地忘记约90%所学内容。**也就是说，随着知识的遗忘，学习效果会逐渐提升，直至忘记90%的内容为止，超过这个比例，学习效果就会急剧下降。
让人意外的是，研究发现，即便这90%的内容包括了已知的正确而有用的解题方法，最终结果也依旧不变。尝试只遗忘那些看似最无用的知识并没有什么效果，反而是随机遗忘的效果更佳。研究人员通过这些发现，提出了“负价值知识”的概念，也就是说，遗忘这些知识实际上能增加其价值。
渐进式总结不是一种尽可能多地记忆的方法，而是一种尽可能多地遗忘的方法。它的目的是尽量减轻你的思维负担，从而为你的想象力、创造力和自由思考腾出空间。这种方法中，底层的保留作用犹如一个安全网，它让你有信心在每一次阅读中将文本减少一个数量级。这样，你就可以自由而大胆地探寻隐藏在文字之中的核心信息，因为你知道，即便在探索过程中出现了错误或方向上的迷失，你还可以退回到之前的层级。
减少认知负荷
渐进式总结如何能够最大程度地减轻我们的思考负担呢？它在我们处理信息的各个环节——最初的消化理解、后续的复习和信息检索时，都能有效降低我们的认知负荷。
认知负荷理论（CLT）是约翰·斯韦勒（John Sweller）在 20 世纪 80 年代末研究「儿童是如何解决问题和学习」时提出的。他探讨了不同类型任务对人们工作记忆的影响：任务越是复杂、难度越大，对学习者造成的“认知负荷”就越重，完成这些任务所需的心智劳动也就越繁重。他认为，通过合理设计教材，可以有效减轻学习者的认知负荷，从而为教学设计带来革命性的进步。
认知语言学指出，在学习过程中，存在三种类型的认知负荷：
- 固有难度：题目的固有难度（例如，2+2 的加法与微分方程的解法）。
- 外来认知负荷（Extraneous cognitive load）：教学材料的设计或呈现方式（例如，向学生展示正方形的图片，而不是尝试口头解释）。
- 真正的认知负荷：为了建立长期的知识存储（如笔记、提纲、图表、分类或清单）所付出的努力。
受语言教学法的影响，教学设计重点放在两个目标上：
- 通过把信息拆分成更小的单元来减轻固有负担。这些小单元可以单独学习，然后再组合成更大的知识结构。
- 将无关的认知负荷转化为相关负荷，即将学习者的注意力集中在构建长期知识储备上。
渐进式总结实现了这两个目标。
这种学习方式减轻了你一开始就必须彻底掌握主题的压力，使得学习过程变得更加轻松。你可以将每一个段落视作一个独立的学习单元。你所需做的，仅仅是从每一章节、每一小节、每一个段落，甚至每一句话中，提取出关键信息，剩下的就留给未来的自己去思考如何将这些见解串联起来。
这好比是在脑海中构筑了一个长期的知识仓库，所有的“知识小块”在这里都能找到它们的归属。你不再需要努力记住文章中的每一个重要观点，也不必急于将新的信息揉合进已有的框架中。你只需专心于构建这些知识碎片，将它们深植于记忆中，在未来的某一天需要时，再将其取出复习。
然而，减轻认知负担的意义远不止于让学习过程变得轻松。当学习变得更容易时，它也会变得更快、更好、更深、更强。
记忆即抑制
为什么将认知负荷降到最低对学习来说至关重要？
这是因为，当读者试图同时记忆过多内容时，新的学习过程便会受到干扰。用于记忆和背诵的精力越多，在理解、分析、解释、联系上下文、提出质疑和吸收新知识方面可用的精力就越少。就像一个快要爆满的硬盘会让配备了最高速内存的电脑运行缓慢一样，头脑中塞满了事实和数据也会拖慢即便是最聪明人的思考速度。
一项名为《记忆形成的主动抑制 》的研究发现了大脑处理信息的一个有趣机制。当我们遇到新信息时，如果利用外部工具来帮助记忆，我们的大脑就会更轻松。实验显示，当人们被告知不必强记某个列表时，他们对另一个列表的记忆效果反而会提升。这说明，适当地借助外部辅助工具，可以增强我们的记忆力。
一开始，把阅读时的思维活动转嫁到外部工具，比如做标记，看似会削弱我们的记忆能力。信息好像直接从书页跳到笔记上，几乎不经过大脑的深度处理。但实际上，这种做法长期来看反而有助于增强记忆。当我们把阅读中的关键部分通过外部手段记录下来，就能减轻因为忙乱而产生的心理压力，使我们的思维更加清晰。这样一来，任何有说服力的想法，不管需要多少记忆技巧，都能被我们更好地记住和理解。
当我们竭尽全力去记住一本书里的每一个字时，我们往往会发现自己没有精力去挖掘字里行间的内在联系和深层规律。
你对旧知识的固执追求，可能会成为你接受新思维的障碍。我们过分依赖笔记、图表和死记硬背的方式，可能就会忽略了那种简单而纯粹的“当下（being present）”。别忘了，无忧无虑地沉浸在学习中，正是孩童们的学习法则。他们无疑是世界上最出色的学习者。
训练直觉
技术赋予了我们 “记住一切 “的能力。在信息匮乏的时代，这感觉就像一个巨大的祝福。但很显然，这种祝福已经变成了诅咒。我们的大脑和身体正承受着持续不断、海量的信息流的压力，濒临崩溃。
我们必须从知识囤积者转变为知识管理者。我们需要学会筛选阅读、观看和评论的内容，合理分配我们的注意力。这样做能让我们的视野更加清晰，而不至于在信息的洪流中迷失方向。
现在，我们需要质疑的是学习的真正目的。既然我们可以随时获取所需的任何知识，那么学习的真正目的又是什么呢？
学习不再仅仅是堆积数据的过程，而是训练我们的算法。我们的算法就是我们的直觉——它告诉我们什么是重要的、什么是相关的、什么是有趣的。即使我们以前从未见过它，也无法解释为什么我们喜欢它。
有意思的是，正如前文所述的深度学习实验那样，我们在学习的初期阶段依然需要海量的数据支撑。换句话说，我们需要多样化的个人体验。但是，我们通过这些经验收集到的数据中，有 90% 可以被忽略、丢弃或遗忘。剩下的就是智慧——经过提炼的洞察力，当这些智慧被懂得如何使用它们的人运用到现实世界中时，便能化为惊人的成就。这些智慧的结晶不仅适用于多种场合，还能在人与人之间传递，甚至有可能作为永恒的艺术作品，流传数百年。
渐进式总结，本质上是把你所获取的信息当作直觉的训练数据。你可以接收并处理更多的信息，因为你可以不断地丢弃这些信息。但更加重要的是，即便你丢失了所有这些数据，你依然能够收获最宝贵的成果：你成为了怎样的人，你对什么特别敏感，这一切都取决于你个人经历的多样性和深度。
学习的新目标，是让你能够适应日益加速的变化，因为变化的步伐正在快速增长，世界的不确定性不断上升。这种适应体现在各个层面：调整你的生活方式，以适应社会条件的变迁；调整你的工作效率，以适应工作环境的变化；调整你的沟通方式，以应对新的合作伙伴；调整你的思维方式，以适应解决问题的新方法。
想要在这个变化莫测的宇宙中留下自己的足迹，我们必须投入到那些想象力都难以触及的重大项目和复杂问题中去。当今时代所面对的挑战已远远超出了专家们所熟知的学科范畴。我们迫切需要的是那些跨学科的全能型人才，他们能够用敏锐的直觉在不同领域之间寻找规律和隐藏的联系。
许多人能够凭借直觉察觉到这一点，但他们往往试图记住和回忆起所有领域的知识。然而，这种尝试是徒劳的，因为需要掌握的知识实在太庞大了。这种做法只会让人感到焦虑、迷失、孤立无援。这就是我们为什么会失去一些最优秀、最聪明的人才的原因，他们在海量的信息中迷失了方向。
我们需要的是懂得如何利用网络为自己“获取知识”的人。这些网络包括人群、物件、图片、计算机、社群、关系网以及地点。他们能够建立联系，整合资源，激发灵感，并促进这些网络间的协作。
那么，要实现这一点，我们需要什么呢？首先，我们需要的是勇气，勇于放下那种对万事万物了如指掌的安全感。其次，我们需要的是脆弱，要明白我们的进步和成功是建立在他人基础之上的。
再来，我们需要的是敏锐的洞察力，能够察觉周围发生的事，并且愿意在还不完全明白原因之前，就去全力以赴。还有，我们需要的是好奇心，敢于提出那些尚无答案的问题，哪怕我们对通往答案的道路一无所知。
最后，我们需要打破对学习方式的固有假设，把我们所掌握的知识传递给需要它的人。