费曼学习法¶
参考：《费曼学习法（用输出倒逼输入）》(尹红心，李伟)【摘要 书评 试读】- 京东图书 (jd.com)
费曼学习法：当准备学习一门新知识时，最好用最简洁、清晰和易于理解的语言表达出来，让外行人也可以听懂。
费曼学习法可以分解为五个流程：
确立学习对象
理解学习对象（可靠、系统化、多渠道的信息）
以教代学
回顾和反思
简化和吸收
大脑有两种根深蒂固的学习模式：
越熟悉的概念，大脑越喜欢。（相关性）
在不同的概念之间强行建立联系，也是大脑的特长。
学习的本质¶
为现在而学习，而不是为了将来而学习！
好的思维需要正反馈
重点是你不要独自专研和学习，要多和外界互动。
输出加快思考的成熟
马太效应：“任何个体、群体或地区，一旦在某一方面（如金钱、名誉、地位等）获得成功和进步，就会产生一种累积优势，就会有更多的机会取得更大的成功和进步。”
让思考可以量化
方向：锁定思考的主要方向
归纳：确立思考的主要逻辑
验证：验证思考的效果
反馈：反馈正确和错误
简化：把复杂的思考过程简单化
吸收：消化思考的成果
确立学习对象¶
选择想要掌握的知识和技能只是第一步，还要找到学习它的必要性和重要意义，并且强化这些内在联系。
思考我们为什么要学习¶
当你希望掌握一门知识和技能时：
怎样正确的树立目标？（比如，“数学有什么用”和“学习数学有什么用”是本质不同是两个问题）
当锁定目标后，又如何发现学习它的必要性和它所带来的重要意义？
聚焦目标¶
在一两年的黄金时间内聚焦在正确的目标上，尽可能的取得不凡的成果。
任何事成功的关键都不在于你想做好几件事，而在于你能否做好几件事。
如何找到正确的方向？¶
对自己提出一些关键问题
把“最重要的那件事”变成自己的方向
在学习层面，最关键的问题是：对我而言最重要的那件事是什么？
设定目标时，可以沿着两条轨道提出问题：
未来的方向（帮助树立宏观目标）
未来我在 AI 方面的兴趣，是算法研究还是实际应用？
我的朋友中精通 AI 应用的人，他们是哪个方向？
除了 AI 图像处理技术，我没有其他方向吗？
研究 AI 图像处理技术，能在其他领域帮助我吗，比如更好的就业前景？
当下的焦点（指引你制定正确的行动和学习计划）
为了研究 AI 图像处理技术，我要解决的主要问题是什么？
我需要设置一个分阶段的目标吗？
在 AI 图像领域，我有哪些知识的不足？
我该如何收集真实有用的信息？
如何找到真正的兴趣？¶
评估自己的目标是否有价值，最好的方法就是分析它能否匹配已有的知识体系。
假如能做却不做一定会令自己终身遗憾，它就是你的目标。学习、工作和生活都是如此。
当你清楚自己的目标是什么，就要把它当作自己每天都要去做的“最重要的事”。
规划：和目标建立“强联系”¶
原因
论证学习这门知识/做这件事的必要性。（提供动机）
确认规划与目标的实质联系。（保证不会偏离目标）
确保目标是正确的：SMART 原则
明确而具体（Specific）
可衡量和量化（Measurable）
自身可以做到（Achievable）
可以产生满足感/成就感（Rewarding）
有时限（Time-bound）
做学习规划时，要为以下三件事预留足够的时间：
留出锁定最重要目标的时间
留出做正确规划的时间
留出调整目标和规划的时间
学习不是为了记住什么，而是我们通过学习建立起自己行之有效的思维框架，并将知识运用到实践中，解决生活和工作中的实际问题。
费曼技巧：目标原则¶
在 SMART 原则的基础上，费曼提出了五大原则。
目标的全面性原则¶
制定目标要有全局和整体的概念。
制定的目标要能够匹配你的阅历、经验和过去的知识累积，体现当下的任务。
目标的重点性原则¶
制定的目标要有侧重点。
制定的目标也要有针对性。
目标的挑战性原则¶
制定的目标要具有挑战性。（激发求知欲，增强学习动力）
制定的目标要能挖掘和激发自己的潜能。（倾其所有掌控它）
制定的目标不能在学习的过程中人为的调低难度。（享受学习的成就感）
目标的可行性原则¶
制定的目标要切实可行。
制定的目标必须符合我们的客观实际。