大哉问06 - 学习中最应该养成什么习惯？
大哉问系列
大哉问01 - 什么样的时间观值得拥有？
大哉问02 - 如何爱自己？拟一份爱的宣言
大哉问03 - 什么是赚钱之道？更新你的个人商业模式
大哉问04 - 为什么要学编程？
大哉问05 - 什么是学习中最大的误区？
上一篇大哉问我们讨论了这个问题：什么是学习中最大的误区？
以为学习的行动，就是学习本身
学习是以改变为目的的一系列探索活动。如果改变没有发生，没有形成新的视角或行动或规则，那么学习基本上可以说无效。
明确了应该避开「不改变」这个误区，那么下一个大问题来了：
什么是学习中最应该养成的习惯？
00 思考了很久，目前的回答是：
学习是一种训练
学习不是看书、做实验这些行为本身，学习是围绕目标和薄弱点的「训练」，它们指向思想或行动的改变。
学习不是孤立的阅读、孤立的理解、孤立的运用，一个学习的「迭代」包括：
设定目标 - 模块拆解 - 刻意练习 - 评估调整
完整的学习由很多个迭代循环构成，迭代的结果是行为改变。
向机器学习「学习」
最近在学习机器学习和深度学习。机器如何学习给我非常多启发。
机器的学习为什么高效？除了计算能力超强、根本不会疲劳以外，它们学习的方法——所谓算法——都是最聪明的人类精心设计的。
深度学习的基本思路是：
设定目标 Y
找到真实数据集（包含自变量 x 和输出值 y）
给出初始模型，喂入真实数据集
观察模型输出的损失（目标 Y 和实际值 y 的差值）
调整模型参数，使损失函数最小
（重复循环）
达到目标 Y ，停止训练
再打开「刻意练习」这本书复习一下。
刻意练习聚焦于提高绩效和表现，特点有：
有定义明确的特定目标
专注的
包含反馈
需要走出舒适区
产生有效的心理表征
构建或修改那些过去已经获得的技能
See? 机器学习完全遵守了这些规则，能不高效吗？！
GEXTE ：学习循环的模板
事不宜迟，在我们下一个学习计划，启用 00 为你准备的「GEXTE 学习循环模板」吧！
目标是什么？怎么评估做到了？可以拆分为哪些训练模块？模仿什么？训练步骤是？
可打印的模板也做好了。HackYourself 公众号回复 「学习模板」即可获得：
看吧，学习是远比我们想象要复杂但也更有趣的挑战。不妨在每个循环后面，增加一些奖励来激励自己。
虽然正儿八经地学个什么颇费力，但总比数十年喊着口号却原地打转强得多，是不是？
下面来看两个例子：编程学习和产品决策能力训练。
栗子1：学习用 Processing 模拟自然现象
Processing 是基于 Java 的一套编程语言和环境，有很强的图形、动画生成能力，被称为「设计师的编程语言」。现在我们就来尝试用 GEXTE 模板定义完整的学习循环。
G 目标
目标1：学习如何用代码可视化表达随机性、力与运动、震荡、粒子、分形等自然现象
现状 A
不了解模拟自然现象的算法
不知道如何用 Processing 实现
终点 B
能用基础的公式表示自然现象背后的数学和物理原理
用 Processing 实现动画程序
目标2：练习巩固 Python 语法
现状 A
会基本的 Python 语法
能看懂简单的 Java 程序
终点 B：用 Python 实现 Processing 动画程序
E 评估
用 processing.py 实现模拟自然现象的动画程序
程序运行结果是否如预期
抄程序：Java 没问题但 Python 有问题的地方，是需要加强的薄弱点
重写程序
是否理解原理
是否理解 Processing 如何实现
是否理清实现的思路
X 模块
自然现象的原理
Processing 语法和模块
Python 语法
debug 方法
T 对象
「The Nature of Code」配套视频和例子
E 训练
看 youtube 视频和书，学习自然现象的原理
看 Java 代码
用 Python 抄一遍
用 Python 自己写一遍
填写训练反馈
完成 9 个单元，把所有例子翻译成 python 版本
Bonus
上传 NOC python version 到 Github
每一章实现一个有意思的小动画
上面这个例子可能比较特殊，因为学习对象是界定非常明确的编程练习，学习产出也容易评估。
下面再举一个不太容易定义的例子。
栗子2：产品决策能力训练
G 目标
提升决策的质量并优化决策的流程
E 评估
决策是否达到预期目标
X 模块
逻辑思维、抽象、演绎、分析、综合等能力
决策信息的收集
提炼、表达和沟通能力
决策落地
评估标准制定和信息收集
T 对象
自己的决策：拥有最全面的信息，方便评估
上级/团队的决策：观察、评估上级或团队的决策，也是绝佳的练习机会
E 训练
决策问题产生和定义
情报收集和分析
决策制定和描述
推进和项目组织
结果评估
决策方法总结
每一步可能还有很多细分的练习模块，这里就不具体展开，产品同学们开启脑洞吧。
最后
打造有效的学习循环很难，几乎就像是打造一个产品循环。
这也就是为什么学习容易成为西西弗斯式壮（xiao）举（hua）的原因。因为富有成效的学习，太不符合大脑喜欢最短路径的构造，所以我们总是自欺自人。
但总有一些奖赏，要在经历之后才深明其义。
One of the first rules of science is if somebody delivers a secret weapon to you, you better use it.
— Herbert Simon
不要忘记本文福利：
关注 HackYourself 公众号，回复「学习模板」，即可下载 GEXTE 模板。