自学？#

在大学入学后，我一直很想弄明白一个问题：我应该怎么学习？究竟如何学好一门课？如何高效的自学？我不由得开始回想这两年来是如何学习的。我高中没搞竞赛，跟着家长的建议报了课外班、强基班，跟着网课和他们规划好的路线顺利通过了科大少创营一营二的笔试，面试比较依托。高考分数侥幸比录取分数线高 2 分，便来到了高手如云的少院

秋季踏入这片红砖建成的校园，同学的背景似乎个个比我强，不敢喘大气。不敢选代数学基础几何学基础，怕课程太难吃不消，选了个先进制造实践来划水，剩下的时间在好好看数学分析和力学。程艺的数分讲的确实棒，像听故事一样，上课认真做了笔记，课下认真写作业对答案（B1 有完整的答案可以核对），期中期末都发挥不错。力学课老师就没有程艺那么好了，有点难以更上，书也写的比较奇怪，又是自主命题，花了好久才似乎搞清楚相对论但考试时又算错了，心里有点难受，最后考出来也还行。

力学课遇到许多大佬。印象深刻的是坐我旁边的哥们，力学课上课看数分 B2 ，看累了就看会 B 站或者写点作业，永远坐在第一排看量子物理，在小组作业上大谈量子力学的哥们。还有与我一个高中，高中时自己看四大力学致力搞物理的同学。不知道他们现在在物理追寻的道路上走得怎么样了，祝福他们。室友擅长数分，考丘赛退役下来学过数分和线代，学的也十分轻松。

冬季在捣鼓网络爬虫，这一年没有下雪，在家里硬啃菜鸟教程学 python 学了两周，把数据爬出来了。大一下时学习也很忙碌。数分、线代、电磁，每一门课对我来说都难度很高，每周的时间几乎都在写作业和课下复习。他们之前学过的照样学的很轻松。课上有勤奋的有摆烂的。到课率这一块，王作勤数分一开始座无虚席，后面到课大概一半左右吧。秦敢电磁后面到课大概三分之一。王作勤上课较快，把定理放到黑板上详细解说与证明，用的他自己的讲义。我定理证明抄写的云里雾里的、

初春在为美好的成绩幻想着焦虑着，但随之而来的期中考试有点糟糕。此时遇到一位贵人。和他一起讨论主课的时候收获超级大。讨论的时候，他用自己的体系把知识点串联起来，而我却只能按课本上教的顺序背书——高中思维。回想起来，高中时一直做的是灌输式教育。老师教的框架虽好，背下来做题就完了，自己没有去探索什么。初三时偷看的化竞教辅被我爸发现后视为“闲书”而处理掉了，之后的生活几乎就和做题绑定：学习已成熟的高中知识框架，背诵框架下的知识点，刷题练习考试。我将一切课外书视为闲书不看一点，晚自习提前 20 分钟进教室只为多做点题。背单词、学习，不看作文素材（然后作文写的很拉跨，但英语上来了），晚上有空去跑跑步。周末没有电脑，手机每天只能玩半小时，高一下的时候，这 30 分钟就完全被 phigros 占领了，生活纯粹：学习—游戏—休息。社交也被压缩到极低点。

但事物是联系的，认知是多方面的，这种方法或许适合高中考试，但面对大学学习时，用这种方式处理课本总会手无足措。也没有现成的知识点和做题框架教你了。好的老师把上课当讲座讲，一般的老师就读 PPT ，有时，PPT 和课本还混乱不堪，考试与教学正交（不过大一没出现过这种情况）受此启发，我开始主动去思考如何组织我所学的知识。开始主动整理，但没有自己探寻，课也是照常上着。大一最“骄傲”的事情或许是一节课都没有翘

现在回望大一，那是遥远的时光，又感觉很近。水上报告厅周围还留着我为准备力学考试，丈量水池大小的脚印。大一上印象最深的是程艺的故事与离职演说。大一下忘不掉的是二教的树。电磁、数分、英语、微观经济学的教室，每次吃饭和上课都会经过它。当时的日记里充斥着“今天要学这个/这个作业没完成/ 不能再打游戏了！”这样的话语，似乎每天就为完成学校作业而生，没有独自去探寻过一项爱好，去学某一门课。哪怕大一寒假就开始念叨的画画，也是大二上才开始动笔的，大一下倒是有个速写技法课可以去玩，郭浩老师很好很和蔼…不过到现在也才断断续续临摹过几幅。我似乎被学校困住了，但离开学校，又什么事都做不成

大二秋，再次步入同样的校园，我却有个不一样的想法：把课翘了，自己去学。实践首先是从计算机网络和数据结构开始的：不点名。没有早八，睡眠和起床时间越来越晚，计算系统概论和概统成为早餐课，每次都到课的就只剩下算法基础了。高新食堂成为每周五早餐的地方。AI 发展起来了，作业不需要答案，直接问 AI 就能划水做对。编程，AI 生成的更快了，摆在我面前的任务似乎只有抄写 AI 生成的作业答案，并去理解他。期末周靠着 AI 梳理框架与教我的神力平均一天半一门搞的差不多了，感觉大家都是这种进度吧，不过这真的算学习吗，我不禁怀疑

回到开头，那究竟什么是学习？我认为，学习是以我为主做自己的事的过程，伴随着坚持、反思与螺旋式上升。ChatGPT 认为学习是个闭环：建立最小系统、制造“我不懂”的点、主动以输出代替输入，并保持自己的节奏。学习的目的是掌握复杂世界的规律，理解整个系统运作，减少自身对于复杂系统的无力掌控感。我似乎对数学方面，对一个公式怎么来的并不关心，只知道他是对的就好，直观理解并背诵运用他，偶尔看两眼证明。但我对计算机、整个计算系统到底是怎么搭建，模块之间的抽象与配合，怎么造出更强大的人工智能充满好奇，想理解整个系统运作的方式，获得掌控感，并以此创造新东西获得正反馈。这是我想要的

分数的游戏#

绩点与知识的背离，大一上时就发现了。力学课，他们学了很多量子力学，却应付不过一个力学考试。当时的我嘲笑之，认为这是没打牢基础，擅自学高大上名词吓唬人，后来发现这更像是一个对待考试态度的问题。知识是自己的，长期积累着，但通过考试来展现自己的知识，则需要对考试本身进行拟合。大作业、各种报告也是一样，为老师的心写而写，去迎合老师的喜好。有知识且有心应付考试取得好成绩的人也大有人在，而我是属于没知识但想取得成绩的人。显然，除去最顶尖的那批，成绩好坏并不意味着你在这一领域探寻和成就的深浅，而依赖于考前的态度，不妨称为分数的游戏。

分数的游戏在高中和大学表现出完全不同的形态。高中时我们拼搏三年，去学完整的知识体系，去耐心的练每一套题，去应变那灵活多变的模拟卷，每道题都有严格的时间分配保证做题的下限。而大学期末考题却高度重复，这个领域浩浩荡荡的知识被高度压缩成作业题考试题。但不同科目考察内容的体系化不同。如算法基础，题目格式固定，知识点就那些。但像数学类专业课，考题更注重体系化、平时积累的那种，考各种变换的证明，速通效果就不太清楚。

如何用最少的时间取得自己满意的成绩？假如学校开出一门课，不妨称之为刷绩导论。那么我认为刷绩导论由两部分构成：选课方法与速通方法。选课方法网上很多，速通方法以快速掌握知识点构建解题工具集并拟合考题为主，这块不太想写了。

但分数的游戏之外呢？课程是人为设计的，作业是人为设计的，考试也是人为设计的。时间固定，预先通知，有标准答案，有奖惩，上课是人在整个预设好的系统下运转。但课程系统之外呢？科研没有及时反馈，努力与回报高度随机，失败换方向是常有的事。工业界反馈及时，但需要的能力是课内学不到的。我们可以走出考试去看外面，去适应新的系统吗，必须。