ConanXin
ConanXin

connect the dots.

我们如何开发革命性思维工具?(第一部分)

编译自:Andy Matuschak and Michael Nielsen, “How can we develop transformative tools for thought?”, https://numinous.productions/ttft, San Francisco (2019).

现代计算起源神话的一部分是1960年代和1970年代黄金时代的故事。在这个故事中,有远见的先驱者追求一个梦想,在这个梦想中,计算机使强大的思考工具成为可能,即增强人类智能的工具。其中一位先驱者,艾伦·凯,在谈到个人电脑的潜力时,总结了这个梦想的乐观情绪:“使用个人电脑将会改变整个文明的思维模式(the very use of it would actually change the thought patterns of an entire civilization)”。

这是一个鼓舞人心的梦想,它促成了现代交互式图形、窗口界面、文字处理器和其他许多东西的出现。但回顾过去,我们很难不感到失望,因为计算机还没有像语言和写作等更古老的思维工具那样具有革命性。如今,在科技界,对过去的先驱性梦想说些空话是很常见的。但是除了怀旧之外,几乎没有坚定的努力去追求变革性新思维工具的愿景。

我们认为现在是再次努力实现这一愿景的好时机。在这篇文章中,我们概述了一套我们认为可以用来帮助开发变革性思维新工具的想法。在文章的第一部分,我们描述了一个我们已经建立的实验原型系统,一种旨在增强人类记忆的助记媒介(mnemonic medium)。这是一个正在进行的项目,详细描述了令人鼓舞的进展以及许多挑战和机遇。在文章的第二部分,我们拓宽了关注的范围。我们还设计了其他几个原型系统。我们提出了这样一个问题:为什么科技行业在开发这种变革性思维工具的愿景方面做得相对较少?

在开头我们提到了一些过去的先驱者。除此之外,还有许多人——伊万·萨瑟兰(Ivan Sutherland)、西摩·帕尔特(Seymour Papert)、万尼瓦尔·布什(Vannevar Bush)等等。网上对这些人有许多当之无愧的崇敬。但是这种崇敬可能会转变成对美好旧时光的不健康的崇敬,认为先驱者已经做了许多工作,而今天能做的事情较少了。是的,那些先驱者们做了令人惊叹的事情,并且可以说他们的工作方式是工业和学术界的现代技术专家都不具备的。但是他们也犯了错误,并且对今天可用的强大思维一无所知。因此,这篇文章的两个部分的主题都是找出那些以前不为人所知或没有付诸行动的强有力的想法。基于这种认识,我们相信,今天会有一系列非凡的机会。

“思维工具”(tools for thought)这个词既不会从舌头上滚落下来,也不会从键盘上滚落下来。此外,“工具”一词意味着某种狭窄。艾伦·凯认为,一个更强大的目标是开发一种新的思维媒介。比如说,Adobe Illustrator这样的媒介与Illustrator包含的任何单个工具本质上都不同。这样的媒介创造了一个强大的沉浸式环境,在这样的环境中,用户可以有新的想法,这些想法以前是不可能的。通俗地说,在这样一种媒介中所能表达的思想范围,是这种媒介中基本对象和行为的一种突现性质。如果选择得当,这种媒介将拓展人类思维的可能范围。

话虽如此,自艾弗森(Iverson)在20世纪50年代和60年代引入“思维工具”一词以来,“思维工具”一词已被广泛使用。因此,我们应该把“思维工具”作为我们的格言,同时允许我们自己去探索更广阔的领域,偶尔在适当的时候,我们也会更喜欢用“媒介”(medium)这个词。

让我们回到开头的那句话,关于改变“整个文明的思维模式”。这听起来很可笑,是一种科技预言。当然,这种变化在人类历史上发生过多次:语言的发展,文字的发展,以及我们其他最强大的思维工具。而且,无论是好是坏,在过去的60年里,计算机确实影响了我们文明的思维模式,而这些变化似乎只是个开始。这篇文章对理解这些变化是如何发生的,以及还有什么是可能的,做出了小小的贡献。

音乐家兼喜剧演员马丁·马尔(Martin Mull)曾说过,“用写作来描述音乐就像是用舞蹈来表现建筑一样”(writing about music is like dancing about architecture)。同样,用写作来描述思维工具也有其固有的不足。在某种程度上,这样的工具是成功的,它扩展了你的思维,超越了现有工具,包括写作所能达到的。工具的变革性越强,差距就越大。相反,差距越大,新工具越难用写作来描述。但是写作能做的,也是我们写这篇文章的原因,是作为一个引导。这是一种识别杠杆点的方法,可能有助于开发新的思维工具。让我们开始吧。

第一部分:记忆系统

介绍助记媒介

很少有比量子计算和量子力学更难的学科了。事实上,大众媒体经常引用著名物理学家的名言来取悦(并恐吓)读者:“任何认为自己了解量子力学的人,其实并不了解量子力学”(anyone who thinks they’ve understood quantum mechanics has not understood quantum mechanics)。

是什么让这些科目变得如此困难?事实上,对于具有技术背景的人来说,许多潜在的想法并不太复杂。人们必须快速地学习量子比特、矩阵符号、哈达玛门、受控非门,以及许许多多其他抽象的、不熟悉的概念。即使他们一开始能跟上,理解较晚的思想需要熟练掌握所有较早的思想。这势不可挡,最终令人沮丧。

作为一项实验,我们开发了一个网站,Quantum Country,探索一种解释量子计算和量子力学的新方法。表面上,Quantum Country似乎是对这些主题的传统论文介绍。这里有文字、解释和方程式,就像任何其他技术论文一样。这里有一段摘录:

但这不是一篇传统的文章。相反,Quantum Country是一种新型助记媒介的原型。令人向往的是,这种助记媒介让用户几乎毫不费力地记住他们所读的内容。这听起来像是一个不可能实现的愿望。认知科学家对人类如何储存长期记忆有相当多的了解,这似乎是合理的。事实上,他们所知道的几乎可以提炼成一个可操作的配方:遵循这些步骤,你就可以记住你所选择的任何东西。

不幸的是,现有媒介对这些步骤的支持很差。有可能设计一种更积极支持记忆的新媒介吗?也就是说,媒介会嵌入(理想情况下,几乎毫不费力地)记忆中的关键步骤。如果我们能做到这一点,那么记忆就不再是一种偶然事件、随机事件,助记媒介将使记忆成为一种选择。当然,就其本身而言,学习诸如量子力学和量子计算这样的学科并不容易——学习这些学科不仅仅是记忆。但这将有助于解决一个核心难题:大量新概念和符号。

事实上,有许多方法可以重新设计文章媒介来做到这一点。在向你展示我们的原型之前,请暂停片刻,考虑以下问题:你如何建立一个媒介来更好地支持一个人对他们所读内容的记忆?什么样的互动可以轻松愉快地帮助人们巩固记忆?更广泛地说:人们能记住两倍、十倍的东西吗?这会对它们的有效性产生长期影响吗?

让我们来描绘一下Quantum Country的用户体验。在撰写本文时,该网站包含三篇助记文章(即助记媒介的特定实例)。我们将专注于介绍性文章“非常有趣的量子计算”(Quantum Computing for the Very Curious)。在这篇文章里有112个关于这篇文章的问题。用户被要求创建一个账户,并在阅读时被问及是否记得这些问题的答案。下面是用户回答三个问题时的交互效果。


请注意,这种互动发生在文章本身的文本中。这是一个缩小的视图,所以你可以看到这样的问题是如何被上下的文本包围的:

我们使用“卡片”(cards)来描述这些将问题和答案配对的界面元素。

当然,对于长期记忆来说,仅仅测试一次是不够的。因此,在第一次阅读文章的几天后,用户会收到一封电子邮件,要求他们进行复习。在复习阶段,他们会再次接受测试,测试方式与上面显示的类似。然后,通过几天或几周的反复复习,人们把这些问题的答案巩固到他们的长期记忆中。

到目前为止,这看起来只不过是一篇整合了老式抽认卡的文章。但是请注意卡片底部显示的时间间隔:


高亮显示的图标表示在用户再次测试问题之前的时间间隔。问题以“文本内”的时间间隔开始,这意味着用户在阅读文章时正在接受测试。如果用户记住了问题的答案,那么这个时间就会增加到5天。然后间隔在每次成功的复习之后继续上升,从五天到两周,然后是一个月,依此类推。在5次成功的复习之后,间隔是4个月。如果用户在任何时间点不记得,时间间隔就会下降一层,例如从两周下降到五天。

这利用了关于人类记忆的一个基本事实:当我们被反复测试一个问题时,我们对答案的记忆会变得更强,而且我们可能会保留更长时间。这种指数式的增长也许看起来无害,但却是革命性的。这意味着相对少量的复习将使用户能够记忆多年。复习一个典型问题所需的时间仅为几秒钟,这意味着用户只需花费几分钟就可以实现长期的记忆。相比之下,传统的抽认卡需要几个小时的复习才能达到同样的持久性。指数时序安排要高效得多。

型助记媒介的早期影响

尽管Quantum Country还处于早期阶段,但我们可以开始看到助记媒介的一些影响。下图显示了每个用户保留答案的情况,对照助记文章中每个问题被复习的次数:

这张图需要一点时间来解释。我们所说的一张卡的“留存率”(demonstrated retention)指的是一张卡的成功复习和之前的复习之间的最长时间。更具体地说,考虑第6次重复(在水平轴上)。在这一点上,一个用户已经复习了这篇文章中的所有112个问题6次了。纵轴表示所有卡片的累计留存率,每个蓝点代表一个重复次数达到6次的用户。

例如,在重复6次之后,我们从图表上可以看到大多数用户的留存时间都在6000天左右。这意味着论文中每个问题平均需要6000/112 ~ 54天。从直觉上看,这似乎很好——如果你和我们一样,读了几个月的东西之后,你就只有模糊的记忆了。相比之下,这些用户以较低的时间成本完成了112个详细问题近两个月的记忆。

此外,你可以看到用户留存率随着卡的复习次数呈指数增长。在第一次复习之后,每张卡的平均留存时间只有2天多一点。但到第6次复习时,这一数字上升到平均54天的保留时间。这通常需要大约95分钟的总复习时间来完成。考虑到论文大约需要4个小时来阅读,这意味着少于50%的时间开销可以为论文中几乎所有重要的细节提供数月或数年的记忆。

这就是“间隔重复”最大的、违反直觉的好处:你付出的努力越多,得到的回报就越大。平均而言,在复习上每多花一分钟就会带来越来越多的好处。这与我们在生活中的大多数经历形成了鲜明的对比,在这些经历中,我们的回报在递减。例如,通常情况下,如果你将阅读时间增加50%,你所期望的额外阅读时间不会超过50%,甚至更少。但是对于助记介质,当你将阅读时间增加50%时,你可能会得到10倍的效果。当然,我们并不是指字面上的数字。但它确实传达了获得强非线性回报的关键思想。这是媒介质量的变化。

这种延迟的好处使助记媒介在许多方面与众不同。另一个是:大多数在线媒介使用短期参与模式,使用操作性条件作用的变化来驱动用户行为。这是通过Twitter、Facebook、Instagram和许多其他流行的媒介形式实现的。助记媒介更像是冥想——在某些方面,它是反产品,因为它违反了硅谷的许多传统智慧——因为收益被延迟了,很难立即产生任何感觉。的确,对于助记媒介,延迟越大,获益越多。

这些只是初步结果,还需要更多的调查。人们自然会想,果我们对复习时间表采取更积极的态度,将初始复习间隔设置为(比如)2个月,会发生什么?如果用户能够可靠地保留到那个时候的信息,那么图表会从很高的位置开始,我们就不会看到指数。我们需要调查这些和许多类似的问题,以便更好地理解用户的记忆。

用户的早期反馈让我们谨慎乐观地认为,他们发现助记媒介很有用。2019年5月,我们中的一个人在推特上发布了一个简短的帖子,解释了量子隐形传态的技术细节。Quantum Country的一位用户回复了帖子:

我只完成了第一个Quantum Country课程(到目前为止),但我发现它很了不起,我可以查看证明并跟随它,知道这一切意味着什么。这就像《黑客帝国》里的尼奥告诉墨菲斯,‘我知道量子计算’。

一位有着更丰富量子计算经验的用户写道:

我有量子信息/计算的博士学位,在阅读这篇文章之前,我已经知道了它的所有内容,但是我从给定的间隔重复抽认卡中获得的额外理解极大地提高了我对材料的理解。每个读这篇文章的人,都应该报名并尝试间隔重复。

另一位刚接触量子计算的用户告诉我们,Quantum Country “是我能想到的介绍这种材料的最好方式”。当我们问他如何使用他所学到的知识时,他解释说,当一位访客到他的公司做一个关于量子计算的技术研讨会时,他预计大约10分钟后就会迷失。然而:

哇,我实际上跟踪了40或45分钟,因为矩阵看起来很熟悉…(媒介的意思是)你一次又一次地碰到概念…它在更有效的抽象概念层次上提供交互。

网站分析显示,不断有人以我们希望的方式在稳步完成复习。在原型发布6个月后,195名用户在这篇文章中展示了至少80%的卡片保留了一个月的时间,展示了对这一过程的非凡投入。我们还没有一个准确的模型来描述这些人到底学到了什么,但是看起来似乎是要比从一篇传统的文章,甚至是一门传统的课程中学到的东西要多得多。

当然,这样的反馈和这样的结果不能全信。助记媒介尚处于起步阶段,有许多不足之处,需要在许多方面加以改进(很快还会改进)。然而,令人鼓舞的是,一些用户已经发现该媒介非常有用,并建议进一步开发和测试该媒介。至少,记忆媒介似乎是在真正帮助人们记忆。此外,它具有上述指数级增长的效率:人们学习越多,他们每分钟学习的收益就越多。

在另一个非正式的实验中,我们试图找出当用户没有被要求复习卡片时,这对他们的记忆有多大影响。为了做到这一点,我们特意对8张卡片中的一小部分进行了短暂的(两周)复习延迟。也就是说,一些用户会在第一次阅读时会看到这8张卡片,然后至少在两周内不能再重新查看它们。其他用户将继续照常学习8张卡片。通过比较这两组,我们可以估计出复习卡片对用户记忆的影响。

发生了什么事?对于那些复习被延迟的用户,准确率从91%(初次阅读)下降到87%(两周后)。这似乎是一个小的下降,但请记住,用户继续复习其他卡,这几乎肯定会放大他们的最终表现,因为这些其他卡在内容上与延迟的卡有些重叠。如果不延迟所有卡片上的复习,就很难避免这种重叠,这是用户体验中比我们想要强加的更剧烈的变化。对于那些被要求像往常一样复习卡片的用户,准确率从89%提高到96%。简短的总结是:当用户没有复习卡片时,准确率下降了4%;当他们复习卡片时,准确率提高了7%。

查看这个非正式实验数据的另一种方式是,询问哪些用户的表现得到了改善或没有改变,哪些用户的表现变得更差。事实上,每一个定期复习卡片的用户(100%)都发现他们的表现要么保持不变,要么有所提高。相比之下,用户复习被延迟中的40%,他们的表现变差了,而其余60%的表现保持不变或有所改善。

这些都是小而有希望的结果。当然,我们的实验只进行了两周,我们期望在更长时间的实验中会有更大的效果。而且,如前所述,这种效果可能会因为卡片之间的重叠而减弱。尽管如此,这个非正式的实验再次表明,助记媒介有助于人们的记忆,并建议进行更全面的研究。

尽管这些初步结果具有启发性,但还是很容易被忽视。这不就是一篇嵌有抽认卡的文章吗?当然,在某种程度上,这是正确的。同样,wiki只是可编辑的web页面;Twitter只是一种分享非常短的写作形式的方式;Facebook只是一种与朋友分享文字和图片的方式。事实上,书写本身就是在一页上排列少量符号的巧妙方式。虽然媒介可能很简单,但这并不意味着它不深奥。我们将看到,助记媒介有许多惊人的特性。事实证明,抽认卡的价值被大大低估了,在开发助记媒介方面,我们有可能比预想的要深入得多。

在我们更深入地研究助记媒介之前,让我们先提一下讨论中的一个挑战:在传达热情和那种适当评估的客观怀疑之间取得良好平衡的固有困难。一方面,如果我们对潜在的想法不感兴趣,不想发展这些热情,我们就不会建立助记媒介。为了更好地解释助记媒介,我们需要把读者带进这种思维。但在此之后,我们还需要退一步,以更怀疑的态度思考以下问题:这种媒介真的有用吗?它实际上对人们有什么影响?它能做得好10倍吗?好100倍?或者,反过来说,有没有阻滞剂使这是一个无可救药的坏主意,或者至多是个平庸的主意?无论如何,记忆在认知中扮演着多么重要的角色?到目前为止,我们一直关注媒介的热情案例,为什么人们会考虑这种设计。但是在这篇文章的后面,我们将逐渐后退,以一种更加怀疑的框架来思考。

扩大记忆系统的范围:它们可以用于什么类型的理解?

Quantum Country是记忆系统(memory system)的一个例子。也就是说,它是一个系统,旨在帮助用户轻松地将他们所学的知识整合到长期记忆中。这是记忆系统悠久历史的一部分,可以追溯到古代,演说家西塞罗(Cicero)和修辞学家昆体良(Quintilian)描述了可以用来记忆长文本的记忆技巧。

在现代,已经开发了许多记忆系统。其中比较出名的有Anki、SuperMemo、Quizlet、Duolingo和Memrise。像Quantum Country一样,每一个系统都使用增加的时间间隔来复习特定的问题。这样的系统有时被称为间隔重复记忆系统(或SRM系统,spaced-repetition memory systems)。它们通常以类似于我们对Quantum Country的解释的方式被证明是合理的:每次复习的一些概念逐渐增加了记忆的巩固强度。

SRM系统在语言学习中应用最为广泛。例如,Duolingo宣称每月有2500万活跃用户。关于成功的报告有好有坏。一些认真的用户对Duolingo的成功很感兴趣。但是其他人发现它的效用有限。当然,该公司吹捧的研究显示,它非常成功。在我们看来,Duolingo和类似的系统作为(但仅仅是)一个严肃的语言学习项目的一部分,对许多用户来说是有用的。

用于语言以外用途的记忆系统呢?Quizlet很受欢迎,每月有5000万活跃用户。它在课堂上被广泛使用,尤其是对于简单的陈述性知识——美国总统名单、国家首都等等。Anki和SuperMemo似乎最常用于类似的简单陈述性知识,但是它们的活跃用户基数比Quizlet小得多。

激发Quantum Country的一个想法是,记忆系统不仅仅对简单的陈述性知识有用,比如词汇和首都列表。事实上,记忆系统对于掌握抽象的概念知识非常有帮助,这些知识是学习量子力学和量子计算等学科所需要的。这在一定程度上是通过许多详细的策略来构造能够编码这种理解的卡片。但是,更重要的是,这是有可能的,因为助记媒介将间隔重复嵌入到叙述中。这种叙事嵌入使得上下文和理解以其他内存系统中难以实现的方式构建成为可能。

其他人也开发了使用记忆系统获取抽象概念知识的方法。或许最引人注目的是,SuperMemo系统的创始人彼得·沃兹尼亚克(Piotr Wozniak)写了大量关于他使用记忆系统的许多巧妙方式的文章。其他几个记忆系统的专家用户也开发了类似的策略。然而,运用这些策略需要相当的技巧。实际上,这种技巧障碍意味着只有很少一部分人使用这些策略。

相比之下,在Quantum Country中,专家负责写卡片,他不仅擅长论文的主题,还擅长对抽象概念知识进行编码的策略。因此Quantum Country提供了一种更可扩展的方法来使用记忆系统来进行抽象的概念学习。从某种意义上说,Quantum Country旨在扩大用户能够理解的主题范围。在这一点上,它与之前的所有记忆系统有着非常不同的期望。

更一般地说,我们认为记忆系统比以前实现的空间要丰富得多。现有的记忆系统仅仅触及了可能的表面。我们已经把Quantum Country看作是一个记忆实验室。也就是说,这个系统既可以用来更好地理解记忆是如何工作的,也可以用来开发新的记忆系统。我们想回答以下问题:

  • 除了过去系统的简单、陈述性知识外,还有哪些新的方法可以应用于记忆系统?
  • 通过记忆系统形成的理解有多深?什么样的模式可以帮助用户尽可能加深理解?
  • 我们能在多大程度上提高人类的记忆能力?有多轻松?优点和缺点是什么?
  • 也许有一天大多数人会有一个常规的记忆练习,作为他们日常生活的一部分?我们能让记忆成为一种选择吗?在某种意义上有可能解决记忆问题吗?

在接下来的几节中,我们将概述一些关于如何开发记忆系统的想法。我们将看到,记忆系统只是更大图景中的一小部分。认真开发记忆系统不仅有可能带来一种或多种变革性思维工具,我们还相信它将教会我们许多关于开发这类工具的一般问题。

改进助记媒介:制作更好的卡片

在写助记文章时,很容易把卡片的内容看得很随意。毕竟,卡片只是一个问题和一个答案,每个答案都包含一些文字,也许是一个图形。它们应该很容易写吧?

虽然这样想很诱人,但却是错误的。事实上,卡片是助记媒介的基本组成部分,而写卡片最好被认为是一种开放性的技能。如果做得不好,那么助记媒介的效果也不好。如果你把它做得非常好,那么助记媒介的效果就会非常好。通过发展写卡片的技能,就有可能扩大这种媒介的可能性。

一个有用的比较是与书面散文中的句子进行比较。对于初学写作的人来说,随意对待句子是很有诱惑力的。但是在一个伟大作家的手中——比如纳博科夫——句子可以发展成一种艺术形式。在书写助记媒介的卡片时,怎样才能获得精湛的技巧呢?

写卡片是一项如此丰富的活动,这并不是一个显而易见的推论。我们中的一个人写了一万七千到六千字的文章,主题主要是如何写好卡片。当他开始写作时,他没有意识到这个主题;只有在回顾卡片书写是多么丰富的时候才变得清晰。事实证明,回答“如何写好卡片?”这需要你认真思考你的知识理论以及如何表达它,以及你的学习理论。这些理论越好,你的卡片就越好。难怪这是一个丰富的、开放式的问题!

综上所述,让我们对写好的卡片做一些具体的观察。虽然下面的具体例子相对来说比较老套,但它们应该让你对改善助记媒介中出现的深刻问题有一些感觉。我们将从我们在Quantum Country写卡片时使用的三个原则开始。请注意,这只是众多原则中的三个——关于卡片构造的良好原则的更详细的讨论可以在增强长期记忆(Augmenting Long-term Memory)中找到。

  • 大多数问题和答案都应该是原子性的:在他个人记忆实践的早期,我们中的一个正在学习Unix命令在文件系统中创建链接。他在自己的记忆系统中输入了以下问题:“如何创建从链接名(linkname)到文件名(filename)的软链接”。连同相应的答案“ln -s filename linkname”。这看起来是个好问题,但是他经常忘记答案。为了解决这个问题,他将卡片重构为另外两张原子卡片。一张卡片:“创建软链接的基本命令和选项是什么?”(A: "ln-s")。第二张卡片:“当创建一个软链接时,链接名和文件名的顺序是什么?”(A: " filename linkname ")。把卡片分成更多的原子碎片,把一个他经常出错的问题变成两个他经常正确的问题。似乎原子问题越多,他忘记的东西就越容易被发现,这就为提高记忆力提供了一个更好的工具。原始卡片呢?最初,他删除了它。但他最终还是把这张卡片加了回去,用同样的问题和答案,因为它有助于将理解整合到更多原子卡片中。
  • 在一篇助记文章中,确保开头的问题是琐碎的:这有助于许多用户意识到他们在阅读时注意力不够集中。这是我们发表第一篇Quantum Country论文时的发现。考虑到用户可能会在新界面上遇到困难,我们故意让文章的前几个问题变得非常琐碎——有点像量子的“2+2 =?”——这样他们就可以专注于界面。令我们惊讶的是,用户在这些问题上表现不佳,比他们在后面的问题上表现得更差。我们目前的假设是,当用户不能正确地回答最初几个问题时,它就起到了唤醒的作用。这些问题显然很简单,他们意识到自己在阅读时并没有真正集中注意力,因此后来变得更加小心了。
  • 避免孤行卡片:这些卡片与其他任何东西都没有紧密联系。为了说明起见,假设你想学习非洲地理,有一个问题:“摩洛哥在非洲争议的领土是什么?”(A:“西撒哈拉”)如果你对西撒哈拉或摩洛哥一无所知,也不知道为什么会有争端,那么这个问题就成了孤行,与其他一切都脱节了。理想情况下,你会有一个紧密相连的问答网络,一切都以惊人的方式交织在一起。

最终,我们想提炼出一套有用的实用原则和习惯用法,帮助写好卡片,更一般地说,写好助记文章。从理想的角度来看,这样一套原则和习惯用法会很像《风格要素》(The Elements of Style)(或一些类似的散文建议书),并且会帮助其他人学会写高质量的助记文章。

当我们第一次描述上面的Quantum Country时,我们用简单的间隔重复模型解释了它:增强记忆的巩固力度,从而增加复习之间的时间间隔。这是一个有用的简单模型,但有可能造成一种误导的印象,即这就是系统中正在发生的一切。事实上,为了使助记媒介有效工作,间隔重复必须与许多其他思想配合使用。我们刚才描述的三个思想——问题和答案的原子性、使早期问题变得琐碎、避免孤行卡片——只是助记媒介中使用的几十个重要想法中的三个。我们不会在这里列举所有其他想法——这不是本文的目的。但是我们想强调这一点,因为人们通常有一个简单的模型“好的记忆系统=间隔重复”。这是错误的,而且是一种毫无帮助的思维方式。

事实上,以这种方式思考是间隔重复记忆系统经常失败的原因之一。我们经常遇到这样的人:“哦,我觉得间隔重复听起来很不错,我试过Anki[等等],但是对我没用。”稍微深入一点,就会发现这个人在以一种肯定会失败的方式使用他们的记忆系统。他们会写糟糕的问题,或者用它来学习他们不关心的话题,或者犯一些其他的错误。他们有点像一个认为“学习吉他听起来很棒”的人,拿起它半个小时,然后放下,说它们听起来很糟糕,因此是一种糟糕的乐器。当然,真正的问题是吉他和记忆系统都是需要时间来培养的技能。但是,尽管如此,我们还是希望尽可能多地为媒介提供支持。理想情况下,即使是新手也会从助记媒介中获益良多。这意味着建立许多超越简单的间隔重复模式的想法。

我们中的一个人曾断言,在间隔重复记忆系统中,用户需要自己制作卡片。原因是非正式的:用户在使用他人制作的卡片时,经常报告不满意和糟糕的结果。原因似乎是,制作卡片本身就是一种重要的理解行为,有助于记忆材料。当用户使用别人制作的卡片时,他们就失去了这些好处。

Quantum Country违反了这一原则,因为用户没有制作卡片。当我们开始研究Quantum Country时,这种违反是一个主要的问题。然而,初步的用户反馈表明,它已经充分发挥了作用。一个可能的解释是,如上所述,制作好的卡片是一项很难掌握的技能,因此,用户因为没有自己制作卡片而失去的东西,可以通过使用质量可能比自己制作的卡片高得多的卡片来弥补。在未来,有必要对这个问题进行更深入的研究,不仅要超越非正式的模型来理解它,而且要探索如何从主动制卡中获益。

以上我们讨论了好的问答结构的三个原则。当然,也有可能对卡片本身的性质进行更多的结构性修改。这里有三个问题暗示着这方面的实验:

  • 我们如何确保用户不仅仅学习问题的表面特征?Quantum Country的一个问题是:“谁在用量子计算机模拟量子场论方面取得了进展?”答案是:“约翰·普雷斯基尔和他的合作者”。这是唯一的“谁……?”的问题,许多用户很快就能从“谁……?”,然后鹦鹉学舌地回答问题,而不深入思考问题。这是记忆系统中常见的故障模式,对理解是致命的。我们计划很快尝试的一种回答是,以多种不同但相当的形式提出这个问题。所以用户首先看到的问题是“谁取得了进步[等等]?”但当这个问题第二次以填空题的形式出现时,“ _ _ _和他的合作者在使用量子计算机模拟量子场论方面取得了进展。”诸如此类,问题的多种不同形式,设计成让用户必须始终深深地理解问题的含义,而不是它的表面现象。最终,我们希望开发一个技术库,用于识别这种表面特征学习模式何时出现,并对其进行纠正。
  • 当用户忘记问题的答案时,如何才能最好地帮助他们?假设一个用户不记得问题的答案:“谁是美国的第二任总统?”也许他们以为是托马斯·杰斐逊,但惊讶地发现是约翰·亚当斯。在一个典型的间隔重复记忆系统中,这可以通过减少时间间隔来解决,直到问题再次被复习。但是,为了帮助用户上下文而设计的问题可能更有效。例句:“乔治·华盛顿的副总统是谁?”(A:“约翰·亚当斯”)。实际上,可能会有一系列的后续问题,都是为了帮助更好地将最初问题的答案编码到记忆中。
  • 如何在助记媒介中对故事进行编码?人们经常发现某些想法在故事形式中最引人注目。这里有一个简短而有趣的例子:你知道吗,在iPhone早期,史蒂夫·乔布斯(Steve Jobs)曾积极反对App Store的发展?相反,它得到了苹果另一位高管斯科特·福斯特尔(Scott Forstall)的支持。这样一个故事所承载的力量不仅仅是陈述性的事实。抽象地说,即使是新技术背后的梦想家也常常看不到它们的许多用途,这是一回事。听到史蒂夫·乔布斯与斯科特·福斯托尔就一项被认为是乔布斯发明的技术在今天的主要用途进行争论,那就完全是另一回事了。助记媒介能帮助人们内化这些故事吗?这样做可能会违反原子性原则,因为好的故事很少是原子性的(尽管这个特殊的例子很接近)。尽管如此,如果能够有效地将这些故事编码到卡片中,那么违反原子性似乎是值得的。

以类似的方式很容易产生更多的问题和想法。助记媒介不是一种固定的形式,而是一个实验和不断改进的平台。

思考如何改进助记媒介的一个有用的比喻是,把每一篇助记文章看作是一篇传统的文章,并伴有一种“反射文章”——所有卡片所编码的知识。用户可以很容易地选择想记多少就记多少。当然,反射是不完美的。但是,通过制定好的卡片制作策略,我们可以使反映出来的文章几乎忠实地反映所有重要的思想,即读者理想情况下希望保留的思想。

我们在上面说过,使用“良好的记忆系统=间隔重复”这个简单的模型是错误的。事实上,虽然间隔重复是介绍Quantum Country的一种有用的方式,我们当然不应该把助记媒介归类到现有SRM系统的范式中。相反,最好还是回到最初的原则,问一些问题,比如:怎样才能让Quantum Country成为一个好的记忆系统?除了间隔重复之外,我们还能在系统中建立其他强大的记忆原理吗?

事实上,有些关于记忆的想法与间隔重复非常不同,但力量相当。其中一个想法是精心设计的编码。粗略地说,这就是我们对一个概念的联想越丰富,我们就越容易记住它。因此,我们可以通过丰富联想网络来提高记忆力。

从某种意义上说,这是一个显而易见的想法,与日常经验相符。例如,这是我们更容易在自己擅长的领域里学习新知识的部分原因——我们很快就会对现有知识形成联想。但是仅仅因为这个想法很明显,并不意味着它得到了现有媒介形式的特别好的支持。在助记媒介中,我们可以积极地支持许多唾手可得的成果。实际上,上面的一些建议已经隐含地建立在精心编码的思想上——像“避免孤行卡”这样的原则就是基于此。这里还有三个建立在精心编码基础上的建议:

  • 以多种形式提供问题和答案:1971年,心理学家艾伦·派维奥(Allan Paivio)提出了双重编码理论,即语言信息和非语言信息分别储存在长期记忆中。派维奥等人研究了图片优势效应,他们发现图片和单词放在一起比单独的单词更容易被记住。例如,这就暗示了这样一个问题:“谁是乔治·华盛顿的副总统?”如果附有华盛顿的照片,或者如果答案(约翰·亚当斯)附有亚当斯的照片,回忆率可能更高。对于记忆系统,双重编码理论和图像优势效应提出了许多问题和想法。以多种形式提出问题和回答有多大好处?也许甚至有多张图片,或者是音频或视频(也许有多位不同性别、不同口音的演讲者,等等),或者是计算机代码?也许是需要某种形式的互动?在每种情况下:什么最有效?
  • 改变环境:1978年,心理学家史蒂文·史密斯(Steven Smith)、阿瑟·格伦伯格(Arthur Glenberg)和罗伯特·比约克(Robert Bjork)报告了几项研究地点对人类记忆影响的实验。在他们的一个实验中,他们发现在两个不同的地方学习材料,而不是在同一个地方学习两次,在以后的记忆中能提高40%。这是一个更广泛的实验模式的一部分,表明改变复习的背景可以促进记忆。我们可以使用记忆系统来支持这样的事情:改变复习地点的位置;更改一天中的复习时间;复习时改变背景声音或没有背景声音。在每种情况下,实验都表明对回忆有影响。并不一定清楚这些结果有多可靠,或者可再现性有多强——可能有些(或者全部)是其他效应的结果,在最初的实验中是无法控制的。尽管如此,构建系统来测试和(如果可能的话)改进这些结果似乎还是值得的。
  • 这些卡片是如何相互作用的?什么是理想的知识网络结构?这是一个非常复杂和微妙的问题。让我们举一个简单的例子来说明这个想法。我们在助记媒介中呈现了这些卡片,就好像它们是独立的实体一样。但是卡片之间有联系。假设你有一张卡片:“乔治·华盛顿的副总统是谁?”(答:“约翰·亚当斯”,配一张亚当斯的照片);“约翰·亚当斯长什么样?”(答:亚当斯的照片);也许这个问题涉及到亚当斯和华盛顿在某个关键时刻的关系;等等。现在,这组卡片形成了一个相互关联的卡片网络。你可以使用Quantum Country这样的记忆系统来研究这个网络。如果你拿走一张卡片,人们观察到的回忆会发生什么?有关键的关键卡片吗?是否存在特别有效的网络结构?卡片之间特别有效的关系?至关重要的是:在这个系统中,我们能否找到最深入、最有力的表达知识的方法?

现在很明显,我们开发的助记媒介原型只是冰山一角。更重要的是,我们在这里提出的建议和问题也仅仅是一个开始,让你了解什么是可能的。

为记忆技巧欢呼两声

当我们与人讨论记忆系统时,许多人立即回答说,我们应该研究记忆技巧。这是一种记忆系统的方法,与Quantum Country、Duolingo、Anki以及我们讨论过的其他系统非常不同。你也许熟悉学校里简单的记忆技巧。一种常见的形式是技巧,如记住彩虹的颜色——Roy G. Biv(红、橙、黄、绿等)。或者用一首歌来记住元素周期表。

一个更复杂的变化是可视化技术,如位置记忆法(method of loci)。假设你想记住你的购物清单。为了用位置记忆法做到这一点,你想象自己在某个熟悉的地方——比如你童年的家。然后你想象自己从一个房间走到另一个房间,把购物清单上的一件物品放在每个房间的显著位置。当你去购物时,你可以通过想象自己走过房子——你所谓的记忆宫殿(memory palace)——并查看每个房间里的物品来回忆起清单。

如果你从未使用过记忆宫殿,这听起来似乎是不可能的。但是即使是新手,只要少量练习,也会对这些技巧的效果感到震惊。努力发展这些技术的专家可以做一些非凡的事情,比如记忆一副洗牌的纸牌的顺序,或者数百位数字的列表。这是一种利用人们极其强大的视觉和空间记忆作为其他类型记忆杠杆的方式。

考虑到所有这些,我们经常会遇到这样的人,他们告诉我们记忆技巧是一种比间隔重复更有前途的记忆方法,这也许并不奇怪。

我们对这种助记技巧很感兴趣。但是理解它们的局限性很重要,不要被那些能很快记住一副牌的人的印象所迷惑。

需要注意的是,使用助记技术可以记住的内容范围很广。在实践中,它们通常是非常专业的。例如,助记专家将使用稍微不同的方法来记忆数字列表和纸牌。这些方法必须分别掌握——对于两种狭窄的记忆来说,这是一项巨大的时间投资。此外,与抽象的概念知识相比,记忆技巧更适用于具体的物体——比如,很难将《凡尔赛条约》中的要点储存在你的记忆宫殿里。这并不意味着不可能——助记专家已经开发了将抽象概念知识转化为可存储在记忆宫殿中的具体对象的巧妙技术。但是,总的来说,间隔重复的一个优点是它比任何助记技巧都适用于更广泛的知识范围。

第二个注意与精心编码有关。正如你可能已经意识到的,助记技巧是一个精心编码的例子,它把我们想要记忆的东西(比如说,我们的购物清单)和已经对我们有意义的东西(比如说,我们的记忆宫殿)联系起来。相比之下,当专家在他们的领域中学习新信息时,他们不会人为地建立与记忆宫殿的联系。相反,他们找到了与他们已知的有意义的联系。这些联系本身就是有用的专业知识;他们正在建立一个紧密的相互理解的网络。这是一种更深入、更令人向往的专业知识,是与主题本身的联系,而不是人为构建的记忆方法。

所有这些都让我们对记忆技巧持消极态度。事实上,我们是热情的,而且到目前为止,在助记媒介中还没有充分利用它们。我们在这里所写的只是为了缓和我们有时会遇到的过度热情。有些人甚至告诉我们,记忆技巧可以解决记忆问题。这完全是错误的。但是了解了它们的局限性之后,它们就成为了一个强大的工具。对于具有任意、特殊结构的知识尤其如此。例如,很难记住彩虹的颜色,因为这些颜色与其他任何东西都没有明显的联系,除非你碰巧因为其他原因记住了可见光的光谱!这使得像Roy G. Biv这样的助记符非常有用。因此记忆技巧应该被认为是建立强大记忆系统的有用工具,尤其是当它与间隔重复这样的想法相结合时。

记忆到底有多重要?

当提到助记媒介时,人们往往分成两类。一组人对这个想法很着迷,想要尝试一下。第二种人持怀疑态度,甚至是排斥态度。在漫画中,他们说:“我为什么要关心记忆?我想要更深层次的理解!我就不能在网上查资料吗?我想要创造力!我想要概念上的理解!我想知道如何解决重要问题!只有乏味、注重细节的人才会专注于死记硬背。”

这种反对意见值得认真思考。为了开发尽可能好的记忆系统,我们需要理解和解决潜在的问题。在某种程度上,这意味着深入挖掘,以识别这些问题的错误或表面部分。这也意味着要尽可能敏锐地提炼出问题的真相。这两种方法都有助于我们改进和超越目前的助记媒介原型。

对这些反对意见的一个回应是来自亲身经历的论证。在过去,我们中的一个人(MN)经常帮助学生学习诸如量子力学之类的技术学科。他注意到,人们常常认为自己陷入了深奥复杂的问题。但是,正如本文导言中所提到的那样,通常真正发生的是,他们在基本符号和术语方面遇到了困难。当你不清楚每三个单词或符号时,很难理解量子力学。每一句话都是一场斗争。

就像他们试图用法语写一首优美的十四行诗,但只懂200个法语单词。他们很沮丧,认为问题是很难找到一个好的主题,引人注目的情感和形象,等等。但真正的问题是他们只有200个单词可以写。

那时,MN多少有点自我满足的信念是,如果人们更关注于记住基本的东西,而不是担心“困难的”高层次的问题,他们会发现高层次问题会自己解决。他没有意识到这也适用于他。当他开始使用记忆系统Anki来阅读新领域的论文时,他发现Anki让学习这些学科的基础知识变得如此容易,这几乎让他感到不安。这让他开始思考,在学习新领域时,记忆是否常常是一种约束。

对助记媒介一个特别常见的负面反应是,人们不想记住“不重要的细节”,而只是在寻找“广泛的、概念性的理解”。很难知道如何理解这个论点。坦率地说,这些人似乎是在愚弄自己,把享受的感觉与任何持久的理解混为一谈。

想象一下,你遇到一个人,他告诉你,他对如何说法语“有一个宽泛的概念理解”,但结果是,他不知道“bonjour”、“au revoir”或“tres bien”的意思。你会认为他们声称对法语有广泛的概念理解是可笑的。如果你想真正理解一个主题,你需要知道基础知识的细节。更重要的是,这意味着不只是阅读后立即了解它们。这意味着长期内化它们。

一个更好的模型是,概念的掌握实际上是由对细节的掌握来实现的。Quantum Country的一位用户告诉我们,她发现阅读的体验出乎意料地放松,因为她“不再需要担心”是否会记得内容。她只是相信媒介本身会确保她做到。她报告说,她反而能够在概念问题上花更多的时间。

当人们对助记媒介的反应是“你为什么要专注于那些无聊的记忆材料?”,他们没有抓住重点。助记媒介在很大程度上自动消除了记忆问题,使人们更容易花更多时间关注学习的其他部分,如概念问题。

反对间隔重复系统的另一个常见论点是,自然重复更好。例如,有人说,如果你正在学习一门编程语言,你不应该记住这门语言的每一个细节。相反,当你在实际项目中使用语言时,你会自然地重复使用,并最终记住语言中最需要学习的部分。

这里有一些重要的部分事实。把你学到的东西作为你创造性项目的一部分是很好的。事实上,一个理想的记忆系统可能会帮助你实现这一点,在你工作的时候提醒你,而不是在一个基于人工卡片的环境中。此外,记忆系统的一个常见故障模式是,人们试图记忆那些他们不太可能用到的东西。例如,如果一个人只打算在一个小项目中使用一种编程语言,那么记住这种语言的很多细节是不好的(但也很常见)。或者记住细节“以防万一”。这些模式是错误的。

但是,最后一段的真理也有其局限性。如果你正在学习法语,但不认识讲法语的人,那么等待“自然机会”说法语是行不通的。即使你确实有(或创造)说法语的机会,加速尴尬、不舒服的早期阶段是可取的,因为这是使用语言的障碍。

正是在这个阶段,记忆系统大放异彩。它们可以加速人们在学习一门学科的初期阶段的尴尬。理想情况下,它们会支持创造性项目的工作。要使这一方法有效,需要对任何特定的人应该记住什么进行很好的启发;对一个人有好处的东西对另一个人可能有坏处。在记忆系统的设计中,处理这样的启发式是一个持续的挑战。

(顺便说一句,数量惊人的人说他们被间隔重复记忆系统“排斥”,或一些类似的强烈词汇。他们的论点通常是不同的:据说间隔重复系统有助于记忆;如果这是真的,我必须使用这些系统;但我讨厌使用这些系统。回应是否认论点的第一步。当然,错误在其他地方:绝对没有理由任何人“应该”使用这样的系统,即使它们有助于记忆。讨厌使用它们的人应该选择不这样做。使用记忆系统并不是道义上必须的!)

关于记忆与掌握的关系,已经做了大量的研究。这项研究的大部分内容都很详细,而且是根据具体情况而定的。但是从更广泛的结论来看,赫伯特·西蒙(Herbert Simon)和他的合作者在20世纪70年代做了一系列特别有趣的研究。他们研究了国际象棋棋手,发现当国际象棋大师观察一个位置时,他们不会从单个棋子的角度来观察,这里是车,那里是兵。相反,经过多年的下棋和分析,棋手学会了识别25000到100000种棋子的模式。这些更复杂的“组块”是棋子的组合,玩家将其视为一个整体,并能够在比单个棋子更高的抽象层次上进行推理。至少在一定程度上,是对这些组块的识别和推理能力使他们技术比新手好得多。此外,尽管西蒙在国际象棋的背景下做了这项工作,后续的研究在其他专业领域也发现了类似的结果。虽然还需要进一步的研究,但似乎有可能的是,助记媒介可以帮助更快地获取这种组块,从而加快掌握的习得。

那么,这一切是否意味着我们都是死记硬背的拥趸呢?

当然不是。我们确实认为,许多人不喜欢死记硬背,这导致他们普遍不喜欢记忆,因此低估了记忆在认知中的作用。事实上,记忆是认知的核心部分。但正确的应对方法不是大量枯燥的死记硬背。相反,使用好的工具和好的判断来记住什么是真正重要的。

我们已经发现了一些对记忆系统的批评是错误的或没有抓住要点。但是这些批评有什么深刻的见解呢?记忆系统的缺点是什么?我们应该在哪些方面对它们保持警惕?

我们已经含蓄地提到了这方面的几点。想想像避免孤僻问题的必要性。或者确保用户不只是学习问题的表面特征。如果使用不当,记忆系统可能会以这些方式失败。这里还有几个关于记忆系统的关键问题:

  • 记忆系统不容易决定要记住什么:最明显的是,我们遇到了很多人,他们使用记忆系统的目的选择得很糟糕。下面是一段我们都曾多次交谈的记录,令人惊讶地接近:
“我不喜欢(记忆系统)。我试着去记住非洲的国家,但很无聊。”
“你为什么要记住非洲的国家?”(茫然困惑的表情。)

这种事很容易被人取笑。但是我们都在自己的记忆练习中做了同样的事情。就连Quantum Country的一些用户似乎也是出于某种错位的责任感才这么做的。“什么对记忆是有益的”这个问题是最基本的,回答好这个问题并不是无关紧要的。

  • 助记媒介对人们认知的真正影响是什么?它是如何改变人们的行为的?一个著名的拳击手应该说过,每个人都有一个计划,直到他们被打中脸。经常使用记忆系统的用户有时会报告说,虽然他们可以在系统测试时记住答案,但这并不意味着他们可以在真正需要的时候回忆起答案。你可能会有一种“哦,我知道这个”的感觉,但并不是真正的回忆,更不用说人们最终想要的有效行动的流畅性了。此外,用户甚至可能没有意识到使用他们所学知识的机会。更广泛地说:记忆本身不是一个终极目标。它嵌入在一个更大的背景中:创造性地解决问题,发现问题,以及世界上采取行动的所有方式。我们怀疑记忆系统的影响会有很大不同,这取决于它们的设计。它们可以作为人们依靠的拐杖。或者它们可以被用来极大地帮助人们发展他们认知的其他部分。我们还不太清楚如何确保它们是推动者,而不是拐杖。但在这篇文章的后面,我们将描述一些其他的思维工具,当它们与记忆系统集成时,可能会更好地实现向更有效的行为的转变。

如何发明印度-阿拉伯数字系统?

让我们暂时远离记忆系统。想象你是一名居住在古罗马的设计师,为MDC(Mathematical Designs Corporation,数学设计公司)工作。一天,一个客户来了,表示想要改进罗马数字。当然,这并不是他们向你描述他们问题的字面意思——更有可能的情况是,一个想要更有效地制表收税的人,并且有一些模糊的概念,认为MDC可能会提供帮助。但是对你,一个有经验的设计师来说,一个改进的数字系统似乎是他们所需要的。

你应该如何回应这个请求?从我们现代的角度来看,我们知道一个更好的数字系统是可能的,即印度-阿拉伯数字系统。事实上,印度-阿拉伯数字是思维工具历史上的一大飞跃。作为一名设计师,你能实现这样的飞跃吗?从罗马数字开始,发明印度-阿拉伯数字需要哪些创造性的步骤?是否有一种创造性的做法,使这些步骤有可能发生?

需要说明的是:这是一个有点异想天开的思维实验。事实上,在巴比伦人、希腊人和其他文化中,人们早就知道了获得印度-阿拉伯数字所需的许多想法。算盘和类似的工具也处于早期阶段。所以我们并不是在问一个字面意义上的历史问题。相反,这是一个旨在激发思考的问题:什么样的设计过程可以让你从罗马数字变成印度-阿拉伯数字?

我们不能肯定这个问题的答案。但是值得指出的是,印度-阿拉伯数字不仅仅是一个非凡的设计。它们也是非凡的数学洞察力。如果你只知道罗马数字,它们包含了许多不明显的想法。也许最显著的是,一个数字的含义实际上是变化的,这取决于它在一个数字中的位置。同样值得注意的是,当我们将数字72和83相加时,我们可能会使用2+3=5;同样地,当我们把27和38相加时,我们也会用2+3=5,尽管2和3在第二个“和”中的意义与第一个“和”中的意义完全不同。在现代用户界面术语中,数字具有相同的启示,尽管它们在两种情况下的含义非常不同。我们认为这是理所当然的,但这种行为上的相似性是数字系统深层事实的结果:交换性、结合性和分布性。所有这些特性(以及更多的特性)都表明设计和数学洞察力是纠缠不清的:在某种意义上,数学洞察力是设计洞察力,反之亦然。

事实上,似乎可以公平地说,任何一个能从罗马数字开始发明印度-阿拉伯数字的人,都将是有史以来最伟大的数学天才之一,也是有史以来最伟大的设计天才之一。他们必须在这两个领域都有非凡的能力,能够形成一个洞察循环,这个循环利用不断发展的数字系统不仅改进他们自己的数学思想,而且对数学有独到的、世界级的见解;并利用这些数学见解来改进他们不断发展的数字系统。

与传统的现代设计实践相比,这是相当发人深省的。在典型的实践中,你会采访领域专家(在本例中是数学家),并阅读任何相关的文献。你可以和现有系统的用户交谈,分析重要的行为,无论是个人行为还是大规模行为。简而言之,你会做设计社区的人所说的把自己沉浸在目标领域中。

这是一个强有力的实践。在最好的情况下,它导致系统的存在,否则是不可想象的。如果应用于罗马数字(在假设的古罗马,不是今天),这种做法可能会大大改善它们。但是它不能提供接近达到印度-阿拉伯数字所需的数学洞察力。

我们关于印度-阿拉伯数字和数学的故事是虚构的。但它表达了一个普遍的真理:最强大的思想工具表达了对潜在主题的深刻洞察。就记忆系统而言,这意味着它们不仅仅是“应用认知科学”,即利用现代设计实践,将认知科学的现有观点拼贴在一起。相反,它们将表达对记忆的深刻独到见解,这种见解是世界上从未有过的。一个真正伟大的记忆系统将是最高层次的认知科学。

从这次讨论中,我们带走了一个警告和一个愿望。

警告是这样的:传统技术产业的产品实践将无法产生足够深刻的主题洞察力,从而无法创造出革命性的思维工具。事实上,这也是科技行业在思维工具方面进展如此之少的部分原因。这听起来像是对传统产品实践的冲击,但事实并非如此。这种做法在其目的上取得了惊人的成功:创建伟大的企业。但这也是艾伦·凯所说的流行文化,而不是研究文化。为了构建思维的变革工具,我们需要超越流行文化。

对于任何一个认真致力于开发变革性思维工具的团队来说,这都是一种渴望。它是要创造一种文化,将现代产品实践的最佳部分与(非常不同的)现代研究文化的最佳部分结合起来。你需要一个有洞察力的循环来运作,在这个循环中,关于这个主题的深刻的、原创的洞察会反馈给你,从而改变和改进这个系统,而系统的改变会产生关于这个主题深刻的、原创的洞察。

请注意,我们并没有提出一个常见的观点,即制作新工具可以为工具制作者带来新的主题见解,反之亦然。这是正确的,但比我们所说的要弱得多。相反:制造新的工具可以为整个人类带来新的主题洞见(即重要的原创研究见解),反之亦然,理想情况下,这将是一个快速发展的循环,以开发最具变革性的工具。

这是一场文化斗争。在这种情况下,似乎很难找到一种能让人洞悉一切的方法。在这个循环的一端有专业知识的人常常很难理解(更不用说理解和参与)在这个循环的另一端工作的性质。你有在他们的领域里很有才华的研究人员,他们认为做一些本质上很琐碎的事情,“只是执行的问题”。还有一些根本不懂研究的制作者,他们认为研究只是一个相当缓慢、不正常(且无利可图)的制造过程。这在硅谷当然是正确的,在那里经常遇到一些有成就的技术创造者,他们在阅读了理查德·汉明(Richard Hamming)和理查德·费曼(Richard Feynman)的一些故事后,认为自己对研究有足够的了解,可以“创建新的贝尔实验室”。通常他们是达克效应(Dunning-Krugeritis)的受害者,无知到甚至意识不到自己的无知。

当然,Quantum Country还有很长的路要走。它还没有产生足够深刻的关于记忆和认知的想法;它还不是世界上最重要的记忆实验室之一。作为一种产品,它也是在最早期;我们还没有足够快地迭代,也没有足够快地从系统中学习。让洞察循环全速运行,将意味着部分重新创造研究文化和传统产品开发文化;这将意味着新的规范和参与关键决策的新型人。但这就是我们的愿望,我们相信这是开发革命性思维工具所必需的。

CC BY-NC-ND 2.0 版权声明

喜欢我的文章吗?
别忘了给点支持与赞赏,让我知道创作的路上有你陪伴。

加载中…
加载中…

发布评论