“If you’re not making mistakes, you’re not really learning.”

Barbara Oakley 是個讓人很有共鳴的作者，因為她的起點不是天才，而是數學很差的人。

她在高中和大學時期數學和科學都不好，後來從語言學轉行，在三十幾歲去念了工程學，最終成為教授。《學習如何學習》就是她把這段學習旅程和認知科學研究結合在一起的成果。

兩個模式：專注和發散

這本書的核心框架是：大腦有兩個不同的思維模式。

專注模式（Focused Mode）：你刻意在思考一件事，注意力集中在已知的知識框架上。解一道你已經大致知道怎麼解的題，用的就是這個模式。

發散模式（Diffuse Mode）：大腦在放鬆狀態下的廣泛連結。你去散步、洗澡、發呆的時候，大腦其實在後台建立新的連結，把不同的知識點串起來。

大多數人只重視專注模式。但很多突破性的理解，反而發生在發散模式裡——你對一個問題想了很久解不開，去做別的事，然後突然靈光一現。

Oakley 說：學習困難的東西，你需要兩個模式輪流使用。專注模式處理細節，發散模式建立大框架。

發散模式的力量：離開問題反而找到答案 發散模式的力量：離開問題反而找到答案

等等，這跟《快思慢想》的雙系統一樣嗎？

我第一次讀到 Oakley 的「專注 vs 發散」時，腦中立刻浮現另一組熟悉的雙模式——Daniel Kahneman 在 《快思慢想》 裡講的 系統一（快思） 和 系統二（慢想）。

都是兩個模式，都在講大腦如何運作，那它們在講同一件事嗎？還是其實互相矛盾？

我花了一些時間追蹤這個問題，發現答案比想像中有趣。

其實是在解決不同問題

Oakley 的「專注 vs 發散」是學習框架——處理的時間尺度是分鐘到小時，對象是你正在建構的知識。 Kahneman 的「系統一 vs 系統二」是決策框架——時間尺度是毫秒到幾秒，對象是你即時的判斷。

兩者之間的對應關係沒有那麼乾淨：

  • Oakley 的「專注模式」 約等於 Kahneman 的「系統二」——都是刻意的、費力的、有意識的思考。
  • Oakley 的「發散模式」卻不等於「系統一」。 這是最容易混淆的地方。

發散模式是大腦在放鬆狀態下、在背景對某個你最近載入的問題進行廣泛連結。系統一則是自動化、瞬間、依靠模式匹配的反應——看到老虎就跑、看到熟面孔就叫名字。

兩者都是「不費力」的，但運作機制完全不同。發散模式需要你先花力氣把材料塞進大腦，然後才有東西可以連結；系統一是現成的、已經在那裡的反應。

專注模式 ≈ 系統二，但發散模式 ≠ 系統一——這是兩本書最容易被混為一談的地方。

— Lenny

現代腦科學：其實不是「兩個模式」

更有意思的是：近十年的神經科學越來越指出——大腦並不是在「兩個模式之間切換」，而是多個網路同時運作、彼此競爭與協調。

三個關鍵網路：

  • 預設模式網路（DMN, Default Mode Network）：當你放空、做白日夢、回想過去、想像未來時啟動。這跟 Oakley 的發散模式重疊度最高。
  • 中央執行網路（CEN, Central Executive Network）：專注解題、工作記憶、目標導向的思考。這跟專注模式、系統二重疊。
  • 顯著性網路（Salience Network）：像個交換機，決定什麼時候該從 DMN 切到 CEN、從 CEN 切回 DMN。

真正決定學習與決策品質的，是你的「切換能力」，而不是你待在哪個模式。

這個觀點同時解釋了 Oakley 和 Kahneman：創意需要 DMN 持續在背景運作，加上 CEN 時不時抓回主導權把洞見轉成可執行的步驟；糟糕的決策往往是顯著性網路沒有及時把控制權從自動反應（S1 雛形）交給審慎思考（S2）。

那「直覺」到底好還是壞？兩本書其實不矛盾

這是最容易讓讀者打結的地方：

  • Oakley 說：發散模式（看似直覺式的想法）是學習的好朋友。
  • Kahneman 說：系統一（直覺）常常讓你做出錯誤決策。

怎麼會同時對？

關鍵在於，「直覺」在兩本書裡其實是兩種不同的東西：

Oakley 的發散模式Kahneman 的系統一
來源你剛剛用專注模式載入的材料過去經驗累積的模式庫
需要前置作業？需要（先專注才能發散）不需要（自動觸發）
可靠度視你專注模式的深度而定視你處在不在熟悉領域而定

換句話說：

  • 當你是該領域的專家，系統一的直覺很準——西洋棋大師掃一眼棋盤就知道該走哪步，外科醫生摸一下腫塊就感覺「不對勁」。Kahneman 自己也承認這點：專家直覺（expert intuition）在訓練有素的領域裡是可信的。
  • 當你處在不熟悉的領域，系統一的直覺等於「胡猜」——你大腦硬套進最接近的舊模式，結果常常錯。

Oakley 的發散模式一直是在你自己剛學的東西之上運作，所以它比較接近「深耕領域的專家直覺」，而不是「陌生領域的憑感覺」。

實際應用：三種情境，三種策略

一旦搞懂這個分別，實際操作就清楚了：

  1. 遇到創意/學習問題卡住——用 Oakley 的方法：先高強度專注，再離開去散步、洗澡、睡覺，讓 DMN 接手。
  2. 遇到陌生領域的重大決策——用 Kahneman 的方法：不要相信直覺。強迫自己啟動系統二，列清單、算數字、找不同意見。
  3. 遇到你深耕多年領域的快速判斷——相信你的系統一。你已經練出專家直覺了，不需要每次都重新算一遍。

所以回到最初的問題：兩本書矛盾嗎？ 不矛盾。它們在講大腦的不同側面，而現代腦科學的網路理論（DMN / CEN / Salience）提供了一個把它們都裝得下的更大框架。

「先試，再看」vs 「先看，再練」

書裡有個對我影響最大的概念叫做「先努力嘗試，再看解法」。

大多數人學新東西的習慣是：看完範例，然後照著練習。這個順序有個問題：你在看範例的時候，會以為自己懂了，但沒有真正建立起自己解決這個問題的能力。

Oakley 的建議：先試著自己解，哪怕解不出來，再去看解法。

在嘗試的過程中，大腦會主動搜尋已有的知識、嘗試各種路徑——這個搜尋過程建立了「準備接受新資訊」的框架。當你後來看到解法，它會嵌入一個已經被激活的框架裡，記得更牢。

這跟大多數人的直覺相反。很多人遇到不會的就立刻查，效率感覺更高，但實際學習效果更差。

組塊：把知識變成「一個單位」

Oakley 提出「組塊（Chunking）」的概念，這是她從認知科學借來的術語。

初學者學鋼琴，每一個音符都是分開的決策。熟練後，「C-E-G」的和弦變成一個「組塊」，不需要每次都想三個音。

學任何技能都有一樣的過程：把分散的知識和動作，透過重複練習打包成更大的單位，讓你的工作記憶不用處理細節，可以專注在更高層次的問題。

如何建立組塊：

  1. 專注在你要學的東西上，排除干擾
  2. 理解這個概念的核心邏輯（不只記公式）
  3. 練習到能夠不假思索地應用

你學不好，可能只是還沒花夠時間

這本書讓我放棄了一個我持有很久的想法：「有些人天生擅長某些科目，我不行。」

Oakley 本人就是最好的反例。她曾經以為自己「沒有數學腦」，後來發現自己只是從來沒有用對方法學。

她說：大腦是有可塑性的，幾乎任何東西都可以學會。差別往往不在天賦，在方法和時間的投入。

掙扎是正常的，掙扎代表新的神經連結正在形成。感到困難，不代表你不適合學這個，而是大腦正在認真工作。

AI 時代的雙模式學習法

在 2026 年，我們擁有能隨時提供「最佳解答」的 AI。這對學習是福也是禍：

  • 禍在於破壞了掙扎的過程：當你一卡住就問 AI，大腦就永遠停留在表層的「被動認定」，不曾真正進入能產生結構變化的深層專注模式。
  • 福在於可以成為發散模式的催化劑：當你在散步時有了靈感，你可以用語音跟 AI 腦力激盪，它能幫你把發散階段不可描述的雛形，收斂回具體的專注框架裡。

如何正確使用 AI 來訓練這兩個模式？ 在專注時段：拒絕 AI 的直接答案。叫 AI 給你「提示（Hints）」而不是「解答（Solutions）」，逼自己走過大腦痛苦的迴路。 在發散時段：把你在專注時段卡住的點輸入給 AI，並要求它「用三個完全不搭軋的領域（如建築、音樂、料理）來比喻這個概念」。利用 AI 強大的「跨界匹配」能力，觸發你大腦的 DMN 網路。

跨書對照：學習科學系列的位置

書籍核心概念定位主要貢獻
《超牢記憶法》機制層（認知科學實驗）提供「提取」與「間隔」的操作性證明
《學習如何學習》思考層（大腦模式切換）解鎖了「為什麼在書桌前苦思無解，洗澡時卻豁然開朗」的腦科學機制，並把抽象理論化為可操作的組塊 (Chunking)
《學習大腦解鎖》生理層（神經科學）提供發散模式的極致版本：睡眠與潛意識
《學習的藝術》應用層（精通境界）將組塊理論應用在西洋棋殘局中，展現由局部建構全局的真實威力

如果只能留一條建議

當你卡住超過 15 分鐘，大膽地站起來走開。

去洗個碗、散個步、睡個覺，放心地把問題交給發散模式。真正的學習，有時候不是發生在你皺著眉頭盯著螢幕的時候，而是發生在你轉身離開的那一刻。

📚 延伸閱讀

🖼️ 圖片說明

文中插圖為 AI 生成插畫（Gemini Pro Vision）。本站使用 AI 圖作為視覺輔助，依書中概念意象生成，非實拍紀錄。