怡居地產

加入怡居

過去7年，我司每年平均捐出52%純利作慈善用途，款額動輒以百萬元計，可稱實至名歸的社會企業。閣下光顧我司，是變相自己做善事！日後請多多光顧為感！

尖沙咀總行 : 2569 2192

太古城華山分行 : 2569 1339

沙田銀禧分行 : 2636 1380

太古城明宮分行 : 2560 3738

沙田第一城專責組 : 2647 1838

杏花邨專責組 : 2898 0007

尖沙咀總行 : 2569 2192

太古城華山分行 : 2569 1339

沙田第一城專責組 : 2647 1838

沙田銀禧分行 : 2636 1380

太古城明宮分行 : 2560 3738

杏花邨專責組 : 2898 0007

(原文發表於2026年7月31日)

高手擅长把“全量信息”转化成关键信号

2026年7月17日，北京大学的一支联合团队在《自然·通讯》上发表了一篇论文，标题叫《压缩学习支撑高阶网络结构以增强人类知识获取》。

研究团队用脑磁图、认知心理学、图论、计算建模四种方法交叉验证，这些研究也许能解释一个很多人好奇的问题，为什么有的人学东西又快又深？

这个问题过去有很多解释。有人说是记忆力好，有人说是天赋，还有人提出过“一万小时定律”。但北大团队的研究，给出了一个不太一样的答案：高手和普通人的差距，不在于记性好，而是他们擅长“压缩”。

什么叫“压缩”？简单说，就是把“全量信息”转化成关键信号。

比如，一个很有经验的医生，他不会去死记硬背所有的疾病知识，而是会把成千上万的疾病知识，压缩成几个关键信号，只要看到这几个关键信号，就能对病情有大致的判断。

再比如，一个资深的调查记者，读一份文件时能快速抓住重点。因为他关注的不是文件里的每个字，他关注的是那些“异常”的部分。他已经把信息压缩成了“异常信号”。

这些资深人士做的都是同一件事，压缩学习。

其实关于“压缩”这件事，学界过去也讨论过。比如认知心理学里有个概念叫“组块化”，说的是人脑会把零散信息打包成组块。但北大团队这次的突破在于，他们第一次用脑磁图这样的技术手段，直接观察到了大脑压缩信息的过程，并且量化出了什么样的信息结构最容易被压缩。这就把一个模糊的经验判断，变成了一个可以被验证、可以被复制的科学结论。

而且在今天，这个问题更值得关注。毕竟，假如在记忆力这个层面硬碰硬，那么人类何止不是AI的对手，我们甚至不是老式计算机的对手。人的优势从来都不在于死记硬背，而是靠“压缩学习”。

北大团队的实验过程大概是这样的。首先，他们设计了几种不同的“星图网络”。有的是“均匀网络”，类似于网格图，每个节点的连接数量和连接方式都一样。有的是“随机网络”，没有什么规律可言。

还有的是“无标度网络”，特点是极不均匀，里面少数几个枢纽节点，占据了绝大多数连接。

紧接着，研究人员把这几类网络结构，分别拆开，变成一组组图片序列。受试者看到一张图片之后，猜下一张会是什么。就这样反复练习，慢慢从图片的出现规律里，摸索出整个网络的结构。

先搭建框架，就会越学越轻松

那么，你猜猜哪一类结构规律，最容易被受试者掌握？

按照通常的设想，均匀的网络应该最容易被掌握，因为它看起来均匀、对称、工整。但实验结果正好相反，异质性越强的网络，也就是有明显枢纽的网络，反而更容易被人脑掌握。

换句话说，一个有主有次、有轻有重的信息结构，比一个一视同仁的信息结构，更容易被大脑掌握。

由此延伸，为什么同样一本厚厚的教科书，有的人读完只记得几十个零散知识点，有的人却能把它整合成一张大网？不是因为后者记性好，而是因为后者的大脑找到了这本书里的枢纽。

再比如，为什么同样是听一场讲座，有的人越听越清楚，有的人越听越糊涂？清楚的人不是抓住了每一句话，而是抓住了那几个反复出现、串起全场的关键词。

而且，既然人脑喜欢有枢纽的结构，那我们能不能在学习的时候，主动搭建这个枢纽呢？

能。

在北大团队实验的后半部分，他们设计了三种学习路径。第一种叫HubToLeaf，从枢纽到边缘，可以称之为“枢纽优先”组，也就是先学最重要的几个枢纽节点，再一层一层扩展到边缘。第二种叫LeafToHub，从边缘到枢纽，也就是反过来，先学最外围的细节，再慢慢收敛到核心。第三种叫随机游走，完全按照网络本身的自然顺序，没有任何策略。

注意，三种学习方式接触的信息完全一样，学习时长也一样。唯一不同的，就是学的顺序。

结果研究者发现，在学习刚开始时，三组人几乎没有差别。但随着学习深入，枢纽优先组慢慢地拉开了差距，到最后，成绩明显高于另外两组。

研究人员进一步用脑磁图观察了三组人在学习时的大脑活动。结果发现，枢纽优先组的大脑，在学习一开始就形成了一个稳定的“信息框架”，之后每接触一个新信息，大脑只需要判断“这个信息挂在框架的哪个位置”，认知负担很低。

而边缘优先组的大脑，一直到学习后期才开始尝试整合信息，但这时候大脑已经积累了太多零散节点，反而运转不动了。

说白了，先搭建框架，就会越学越轻松。而先切入细节，会越学越累。

这个发现，其实也印证了一个大脑运作的基本规律。人脑不是一个存储器，而是一个压缩机器。它天然擅长把复杂的信息压缩成简单的结构。而在后续的信息输入过程里，你输入的信息都会不断地强化这个结构。

注意，每个人因为最初接触的信息不同，会导致他们大脑里那个原始的框架结构不同。而且这个结构一旦形成，后续输入的信息，大概率上不会改变这个结构，只会强化这个结构。

这么说可能有点抽象。举个例子，你看，同一件事，不同领域的学者会有完全不同的视角。比如，情绪消费，心理学有一套解释，经济学又有一套解释。而且心理学家在解释这个现象的过程中，会进一步强化自己的心理学框架。

经济学家会进一步强化自己的经济学框架。但不管你使用哪个视角，一旦这个基础的知识框架形成，它就会成为你理解世界的视角。并且这个视角会随着使用，不断强化。

最重要的不是你“使用”了什么视角，而是你一开始得“有”个视角。

三步，成为学习高手

那么，知道了这个原理之后，我们怎么把它转换成具体的方法？

有三个步骤可以参考。

第一步，找到枢纽。

学任何新东西之前，先花20分钟，不干别的，就干一件事：找这个领域的枢纽节点。

枢纽节点，就是那些解释别的概念要用到它，但解释它自己却不需要太多前置知识的核心概念。比如，经济学领域里，供需、边际、机会成本是枢纽。心理学领域，注意、记忆、动机是枢纽。学编程，变量、函数、循环是枢纽。

这些枢纽性的知识，一般会频繁出现在书的目录，或者网络百科的开头，更简单的方法就是问问AI。这一步不需要钻研得太深入，关键是在脑子里先给这些枢纽性知识留出足够的空间。告诉自己，这几个知识点是最重要的，后面再看到任何细节，它都跟这个枢纽有关。

举个例子。假设你今天读的是《思考，快与慢》。按照枢纽先行，你会发现这本书最关键的枢纽性知识大概有三个：系统一、系统二、偏见。

第二步，建立联系，填充细节。

找到枢纽概念之后，下一件事是弄清楚它们之间的关系，然后在这个关系的基础上，再去学更多的细节。

比如《思考，快与慢》。这三个枢纽之间的关系大概是：系统一是快速自动的直觉思维，系统二是缓慢费力的理性思维。人类大多数偏见，来自系统一在不该出手的时候出手了。

尽量用一个自己能理解的描述，把枢纽之间的关系说清楚。然后再基于这个理解，去学习细节性的知识，比如什么是锚定效应，什么是可得性启发，卡尼曼做了哪些实验。

第三步，转述。

学完之后，尝试把你学的东西讲给一个完全外行的人听。不用讲全部，就讲那几个枢纽性知识以及它们之间的关系。假如你能用三五句话把它说清楚，让对方听懂，那说明你的压缩成功了。

为什么转述这么关键？因为只有当你尝试把知识从脑子里往外拿的时候，你才会发现，哪些地方你以为自己懂了，其实没懂。哪些细节你以为记住了，其实是模糊的。转述就像一次压缩测试，它会强迫你的大脑，把散落的信息重新组织成一个有骨架的结构。

其实，类似的方法，物理学家费曼早就提出过。他说，假如你不能把一件事解释给六岁的小孩听，那说明你自己也没真正理解。这句话背后的机制，其实就是压缩学习，你必须先在自己大脑里搭建一个有主有次的结构，才能用最简单的方式表达出来。

关于学习，关于阅读，过去一直有两种论调。有人说学习是做加法，是获取更多的信息。也有人说，学习的重点是做减法，要懂得从海量的信息里减去不重要的部分，留下重要的部分。

但从“压缩学习”的角度看，学习其实更像是在做除法，或者叫做编码。你要先在脑子里搭建一个知识结构的四梁八柱，有一个属于你的独特视角。之后输入再多的信息，你只需要看一眼，就知道这个信息应该存放在哪里。

之后学到的多数知识，都是往这个结构里填充血肉。它们不会让这个四梁八柱变得混乱，随着信息的摄入，它只会更加坚固。