在读博的时候，我总结了身边很多博士、研究生学霸的学习方法，发现了一个事实： 学霸们学习好，并非是他们热爱学习、智商超群，也不是意志力坚定，而是掌握了学习的诀窍。
通过总结这些诀窍，我发现了学习的本质。下面这篇文章，大家一定一定要耐心读完，对你的未来会产生巨大影响，给你带来很多收获。
1
我们玩王者荣耀，究竟是为了什么
对于非职业玩家来说，打王者荣耀，是为了什么？除去消遣时间这个客观因素，是为了推掉对方水晶？还是拿到5杀？抑或只是为了和朋友一起，享受在游戏中畅快地倾泻技能？
这些都不是本质原因，单次的获胜或5杀，并不能促使我们打开下一局游戏。本质上，我们对游戏的快感，都是大脑对游戏反馈机制的一种奖励，它由我们的多巴胺所决定。
人们常以为多巴胺等同于快感，但事实并非如此。
多巴胺(dopamine)只是脑垂体腺中的前体物质，它不是快感本身，而是对快感的预期，或者说，对快感的追求。当你获胜，或拿到击杀，你的肾上腺素、催产素和内啡肽分泌增多，你会感到愉悦、兴奋。但对大脑神经来说，这些情绪只是暂时的体验，突触上的电信号一触即转，不带走半点云彩。而多巴胺所构成的信号机制，才是决定你会不会接着玩下去，并且以后还会打开游戏的关键。
换句话说，多巴胺赋予你沉迷游戏的欲望。在多巴胺的信号机制中，你不会感到“我玩王者荣耀很爽”，而是让你觉得“这把我能翻”、“下把一定赢”“再赢一把排位我就升段位了”。
也正由于多巴胺是直接作用于大脑的奖励回路，于是，一次又一次地，我们打开手机或电脑，点开了游戏，周而复始。
这，就是我们玩王者荣耀的根本原因。
2
反馈回路
我们已经知道，反馈回路是促使大脑沉迷游戏的底层原因，在将反馈回路应用到学习之前，我们先来简单了解它的工作原理。
假设你是一个刚玩MOBA类游戏的玩家，并且只知道要推掉敌方水晶。当你进入游戏（环境），孤身进入敌方防御塔范围（动作），被击杀（状态），你的大脑感觉失望（奖励）。
于是，从泉水复活后（环境），你孤身进塔的动作概率被降低（更新），并选择跟随兵线一起进入（动作），推掉了防御塔（状态转移）。经历数十个动作和状态转移后，最终胜利（更远状态），你获得了满足（奖励）。
根据奖励结果，大脑判断第二种路径更好，因此下一次循环，你选择跟随兵线的概率会继续增加，并随之做出更多正确操作，最终强化这条反馈回路的效果。这，也是职业选手得以脱颖而出的原因——他们的反馈机制更为迅速，且响应更快。
由此可见，反馈回路并不复杂，它只是一种“信号-动作-反馈”机制，由5个部分组成，每个部分都对应例子中的一个描述
- 环境 – 你的交互环境，比如游戏
- 状态 – 你所处的状态，比如击杀、被击杀、以及获胜
- 动作 – 打开游戏，操作角色，或关掉游戏
- 更新 – 提高或降低你做出某个动作的概率。概率-可以理解为大脑信号的强弱
- 奖励 – 获胜的愉悦、也即快感预期
并且满足以下5个规则：
- 当你进入游戏，你会以不同的概率，在每一个时间点上，做出不同的动作
- 你的动作，决定了下一刻所处的状态
- 每个状态都对应一个奖励，也即大脑所获得的反馈
- 每一步动作，都不只影响下一步的反馈，也可能影响更远的状态和反馈
- 反馈可以为正，也可以为负
3
反馈强化
游戏带给玩家的反馈是否足够，是否迅速，是决定一个游戏是否有趣的基础。而游戏厂商在做的事情，就是将反馈回路，竭尽所能的加强和加快。比如，提高动作的收益，推掉水晶，你获得的不只是胜利，游戏分数也会提升。或者增加不确定性，让玩家耗费更多次的尝试，来确定反馈回路，比如部分皮肤的随机性。
学习带给学习者的反馈，也是决定这个学习模式是否有趣的基础。在将学习和游戏连接起来之前，我们先来看看游戏是怎么对反馈机制进行加强的。
常见的游戏系统，有以下三种反馈强化模式：
- “固定比率强化”(Fixed Ratio)，比如“打败10个哥布林一定可以升1级”，“连胜10场一定可以升段”；
- “固定时距强化”(Fixed Interval)，比如“《皇室战争》里的白银宝箱3小时后一定可以解锁”；
- “不固定比率强化”(Variable Ratio)，也就是“《阴阳师》每抽一次卡，有1%的几率抽到SSR”。
这三种方法，将强化学习中的不确定性奖励，固化成为确定性收益，比如分数、卡牌。
分别对应了游戏厂商的3项核心KPI：留存率，在线人数，和净收入。
4
强化学习
反馈回路与反馈强化，就是构成人工智能理论中，强化学习的基础机制。
强化（reinforcement），是指在不断尝试中，个体所学习到的反馈回路不断更新，并最终优化到可能目标的过程。它和监督式机器学习一样，是构成人工智能的基石。
监督式机器学习，就好比你做历年真题，它由往年题目（旧数据）和答案（标签）构成，通过做题，你获得了从题目和答案中学习到的解题方法，并将这种方法应用到下一次考试中去。本质上，它学习出的是问题和答案之间的关系，这种关系数学上也叫做模型。
而强化学习，学到的是反馈回路。反馈 （reward），可以用来衡量一个行为的好坏。一个优秀的强化学习系统，可以不需要旧有的数据，就直接进行学习，也就是说，当没有前人经验可借鉴时，强化学习就派上了用场。
从生物学的角度讲，强化学习更符合人类的进化方式， 从古代的尼安德特人开始，不符合正反馈回路的行为或族群，就注定被“环境”所“更新”，也意味着淘汰。人类之所以进化成人类，是因为除了总结旧有知识并发现规律（机器学习）外，还会不断尝试和探索（强化学习）。
现如今，最完善的强化学习系统，就是谷歌的AlphaGo。在特定任务上，它拥有人类望尘莫及的学习能力，每日与自己对弈数十万局，根据对弈结果，强化棋盘落子的反馈回路。如果说，监督式机器学习是一种方法抽取，那强化学习则是方法探索。在某种意义上，强化学习更接近想象中的人工智能。了解强化学习的机制， 我们就能发现“学习”这个动作的本质。
学习，究竟是为了什么？
不打游戏，是为了更好的学习。更好的学习，是为了更好的生活。那，什么是更好的生活？可以痛快地玩游戏，算不算更好的生活？我们从小被教导要好好学习，却从来没有真正思考过为什么要好好学习。如果连成因、机制都不了解，看再多的思维教学、学习导论，也没有办法让自己高效地执行“学习”这件事。
“我们真的厌恶学习吗？”
其实，站在人工智能的角度看，学习和玩王者，没有本质区别。
学习是一个枯燥的过程，你要背单词、背公式、还要练习。
玩游戏也是如此：你要记忆每个英雄的技能、走位技巧、出装顺序，也要通过很多次的对局来练习。
在学习系统中，它们都是同一种东西，即“动作”，动作无所谓枯燥和有趣，关键看它所处的“状态”和预期的“奖励”。
人类厌恶枯燥的东西，所以当学习变得索然无味，我们就会讨厌学习，这是天性。学习并不能带来做爱一样的快感，否则的话，没有人会讨厌学习。但是，有的人却能坚持学习并乐在其中，为什么？答案是反馈机制。
当学习的“动作”带给人的收益为正，就会获得我们所说的快感预期，也即前文提到的多巴胺。如果只靠意志力去坚持学习，就像不断绷紧一根弦，强行违背生理感觉，到最后早晚会断掉。
我们绝大多数人，没有移山填海的毅力，因此这样的学习方式是不科学的。大脑发出指令的动机其实和海洋馆的海豹一样，是为了眼前那一条小鱼干，顶一次球，给一条鱼，再顶一次，再给一次。只有不断收到正向的反馈，才会自然而然地保持前进的动力。搞清楚这点，我们就可以思考，
如何让自己像打王者荣耀一样的学习我们该怎么做？
学霸和学渣的区别，就在于对快感的预期不同。预期不同，形成的反馈也就不同。学霸，可以看作一个高效的强化学习系统，他具备完整的反馈回路，以及有效的反馈强化。
具体到现实中，成为学霸，有以下几点建议。
1. 缩短反馈周期
反馈周期长，意味着半衰期长。半衰期是什么，下期视频我会讲。这里只需要知道，反馈周期太长是大多数人无法坚持的主要障碍。举个例子，有的人高中时成绩很好，为何到大学时成绩就一落千丈？有人说，是因为高考之后人松懈了，就容易变笨。很可惜，这个说法并没有研究支撑。真正的原因是反馈周期的拉长。
在高中时，一个月会有3-4次测试，努力学习一个周，就能看到努力的效果，班级名次很容易进步。接着，同学吃惊，家长表扬，你觉得特别开心，打了鸡血一样继续学习，这种感觉可能会持续几天，还没等它消退，下一次考试又来了。不出意外，你会接着获得下一次正反馈。
在这样的反馈回路中，“动作”带来的“奖励”被极大加速，整个系统变得完全正向。上了大学以后，认真学习一个学期，才能有一个好的GPA，这个反馈周期变长了几倍，而且也很少有人因为GPA受到表扬，因此，大多数人坚持不来。
取而代之的，很多人习惯考试前1个周开始执行“学习”动作，因为只需要1个周就可以获得相当可观“奖励”，比如及格。所以，想办法减少你的反馈周期，比如，将大目标分解为小目标，会更容易塑造一个连续的回路
2. 增加反馈强化
我们提到过三种反馈强化模式，那么把“游戏”替换成“学习”，我们需要做什么？可以是考试累计进步10名就请自己吃烧烤，也可以是隔壁班的小爱刮目相看的“SSR”，又或是再看3小时书就去打王者荣耀。对应到游戏厂商的三种收益上来，就是提高学习留存率，延长学习时间，增加学习收益。
3. 调整反馈难度
斯坦福大学行为科学研究人员曾发表过一篇论文，大意是玩家在高难度游戏获胜的那一刻，大脑多巴胺回路会异常激活。也就是说，适当的高难度游戏，能够最大化地激活反馈回路。
这也是各大竞技类游戏排位赛机制的由来，通过匹配不同难度的对手，即不会让你一直输下去，也不会让你永远赢，而是塑造一种“升段”“掉段”的奖励机制，让你的反馈回路一直处于半激活状态。在学习中，如何设置难度，需要根据个人情况制定，比如，下一次考试提高10分，和成为班级第一，就是两种不同的难度。难度可以递进，既不要太简单，也不能太难。
最后
一旦大脑形成了正反馈回路，那么尝过一次甜头，食髓知味，你的动力将会更加充足，久而久之，甚至会享受学习这件事情本身，像打王者一样石乐志一般的学习。这，就是学霸的诞生规则。
关于反馈机制，其实还有很多东西可以讲，具体的学习方法也远不止这些，有一种叫做“心流”的东西，是增强学习能力的利器。但是因为时间关系，我不想把文章写的太长。欢迎关注我的下一期文章，谢谢大家。
閱讀更多 圖靈的貓 的文章
