很多讀者可能都聽說過【費曼學習法】，這是傳說中公認的最有效的學習方法，我們今天就來分析下，這個所謂的最有效的學習法，他的精髓在哪裡？如何才能有效的掌控他？
【費曼學習法】的四個基本步驟：
確定一個學習的主題【比如學習量子力學的能量的不連續性】。模擬教學【比如將能量的不連續性的相關知識點，講解給他人聽】。講解時，發現卡頓，發現相關知識點掌控不清楚，或者別人沒聽懂，於是返回查閱相關資料，補全細節。以一種更簡單的方式，類比的方式，通俗易懂的具象方式再次講解給他人聽。
很多朋友初次看到這個學習法，會覺得這也太簡單了，不就是重複重複再重複嗎，不就是複習嗎。
我們來分析下，【費曼學習法】的精髓在哪裡，關鍵點在哪裡。
人類的大腦特徵
學習基本上就是腦力活動，因此在進一步分析之前，我們必須要大概了解下，我們的大腦，有什麼 特徵。
我們可以把人類的大腦分成2部分：
動物腦，也就是人類的意識，我們的本能反應部分。大腦新皮層，也就是大腦前額葉皮層，精密邏輯運算能力，學習主要是應用這一塊。動物腦：本能反應
人類的大腦重量佔我們人體重量2%，但人腦在動作時，卻要消耗20%左右的能量。要知道我們的大腦是我們在叢林中當猴子的時候進化而來的，那是個資源匱乏時代，因此，大腦的首要機制，就是能不用腦就不用腦，這是大腦的默認機制，叫「思維經濟原則」。
因此，在200-300百萬年的進化中，大腦將人體日常動作全部壓縮成一個個自動化反應的模塊，這就是我們的本能反應，本能反應是一種快速的場景化反應。
我們今天有電腦，你讓電腦識別一張圖是人臉還是動物臉，電腦要經過大量的計算，才能得出結果，而我們讓一個兒童就能快速識別，這就是我們本能反應的利害之處，他是經過200-300百萬年的基因突變與自然選擇的共同作用，才進化出來這種能力的。
這種本能反應具有如下特徵：
它經過200-300萬年的基因進化，壓縮到基因層面的。它是通過模擬與快速類比以達成判斷的。他被壓縮成模塊，具象化存儲在大腦裡面。調動時省能，快速，基本不用大腦的主動思考過程。所有動物都具有這類本能反應，靈長目猿類的本能反應最接近人類。大腦新皮層【前額葉皮層】，精密邏輯運算
人類的大腦新皮層，也就前額葉皮層，是近5000年左右才出現的，它的出現標誌著人類文明的開始，人類從此開始有了認識規律的能力，這就是我們的精密邏輯運算能力，我們給它一個名詞叫理性。用計算機的話叫算法，用哲學的話叫思想。
人類在邏輯運算時，主要就是運用這一塊的能力。
理性算法具有如下特徵：
他只有5000年時間，因此缺乏先天的進化，任何一個物種的形成需要上百萬年的進化。因此，理性算法很難調動出來，就算調動出來，也需要後天大量的訓練。這種邏輯運算在調動時，是極其耗能的。因為大腦的默認機制是「思維經濟原則「，因此大腦是拒絕主動運算的，拒絕長時間高負載運算的學習，運用的就是這一塊的能力。綜合上面大腦的這兩部分的特徵，學習就是運用這兩部分的過程，我們後天幾十年的訓練，有些類似的本能部分的上百萬年訓練，什麼意思?
本能部分的高效，是建立在上百萬年的基因進化的基礎上的。學習的過程，就類似這個基因的進化過程，運用理性算法將知識打包壓縮成我們本能的過程。我們可以這樣來理解，我們今天的電腦，有內存跟硬碟。
內存就好比大腦前額葉皮層的理性算法，我們這裡給他一個名詞叫【臨時工作站】。硬碟就好比我們的動物腦部分的本能反應。他們的作用分別是：
內存是電腦的運算能力及工作能力的一個指標，工作時，所有的應用程式及臨時數據，都是在【臨時工作站】運轉的。他的工作強度及工作能力，都是有限的。任何程序運行完，數據立即存儲到硬碟，退出這個程序時，他立即撤出【臨時工作站】，好讓其他程序進來工作。而硬碟，就像我們的本能那部分，他是存儲數據的地方，這些數據都是按照一定的原則被有條理的存儲著的，比如按照圖書館的那種方式。這樣，【臨時工作站】隨時可以從這裡調用數據，由於事先編排好的，所以可以快速的調用。【臨時工作站】的特徵
【臨時工作站】的核心能力是算法，算法需要精密，一環扣一環，因此他是專一的，單線程的，以確保他的精密度。【臨時工作站】每完成一個運算任務，立即把數據以一種具象的圖形方式存儲到「硬碟」裡面，並且按照某種條理性的規定存儲著。然後繼續下一個任務。【臨時工作站】在運算時，要消耗大量的資源，因此他一般不主動運算，碰到事情時，它優先從「硬碟」裡面調取資料匹配工作，因為這種方式高效省能。沒有經過【臨時工作站】編碼的信息，不會存儲到「硬碟」，因為「硬碟」也是有限的。好，基礎鋪墊完畢，我們回到費曼的學習法。
費曼的學習法的核心
費曼的學習法的精髓就是不斷地逼自己的大腦啟動【臨時工作站】模式，也就是我們的理性邏輯運算模式，由於教授給他人，要讓他人聽懂，就必須變得法講，特別是他這個法則是要求你講給一個10歲的孩子聽，你因此必須把知識點講得通俗易懂。
這個不斷的查閱資料，變得法講，簡化，類比的過程，本質就是迫著【臨時工作站】對一個知識點，從各個角度進行編碼，簡化，存儲的一個過程。
別人聽不懂，那麼你得換個角度講，或者重新查閱資料，這是重新編碼過程，這跟複習是有本質區別的，複習只是一個從」硬碟「調取資料的過程，【臨時工作站】並不主動工作。
被動學習特徵：
知識點進入【臨時工作站】，由於是被動學習，【臨時工作站】只是調取原先」硬碟「的資源進行匹配，因為這樣即高效又省能。因此，被動學習的知識點，沒有被【臨時工作站】運算及主動編碼存儲。因此很容易忘記。教授型學習特徵：
由於是準備教授他人，因此，一開始，【臨時工作站】就完全運行起來，對該知識點進行識別，編碼，然後存在到」硬碟「裡。教授時發現卡頓，回過來重新查閱資料，再次運行【臨時工作站】對這個知識點進行另外一個角度的編碼與存儲，把第一次漏了的細節補上。於是此時存在在」硬碟「裡的該知識點，就比第一次清晰很多，明確很多，甚至明確到細節。為了讓對方完全聽懂，或者以一種更容易的方式聽懂，於是再次運行【臨時工作站】對該知識點重新進行編碼，這次從另外一個角度來，把前面2次覺得複雜的地方去掉，簡化方式，甚至為了讓一個10歲的小孩也聽懂，必須把這個知識點，編成一個簡單得不能再簡單的具象故事或例子就是在這樣一個不斷啟動【臨時工作站】變著角度對知識點進行強化的過程，使得這個知識點最終被打包壓縮成有效模塊，存儲在」硬碟「裡，後繼就可以高速精準調用。數學家就是這樣打造的，在數學家的頭腦裡，整個世界都是被他有效編碼成公式，任何事情，他都能瞬間跟他大腦裡面已經清晰編碼好的模塊對應，形成公式。
心算，還是同時能跟幾十個人對弈的盲棋，也都是這個道理。
這個過程的核心，就是要把一個知識點講清楚，就得不斷地迫著我們啟動【臨時工作站】對知識點，變得角度進化編碼和存儲。這使得後續再從」硬碟「調用的時候，由於之前編碼存儲了非常清晰，有細節，有案例，因此可以實現更高效的調動，及更長時間的存儲，甚至融會貫通。
而被動學習默認情況下，【臨時工作站】都不主動對信息進行編碼的，他只是從」硬碟「調動信息進行匹配而已。