Latest Issue / 最新一期
第 04 期 · 2026 年 9 月 18 日
费曼的笔记本：理解的热情
8 篇 · 约 25 分钟
Editor's Letter / 编辑手记
我原计划总结最近掌握和正在应用的学习技巧。其中一些讲述“重构”的二手材料提到了理查德·费曼的笔记本，例如 Cal Newport [文章1] 引用了 Gleick 的叙述：“他打开了一个全新的笔记本。在书名页上写：关于我不知道的事物的笔记本(NOTEBOOK OF THINGS I DON’T KNOW ABOUT)”。在这个笔记本中，费曼把拆解了物理学的每个部分，从而理解每个领域的模式。Cal Newport 把这种方法总结为“费曼笔记本方法”(The Feynman Notebook Method)，即将困难的知识转化为具体可感的形式有助于坚持学习复杂的知识。
我是笔记本的狂热爱好者，但我怀疑笔记本的物理形式并非关键（那个时代也别无选择），真正令我好奇的是费曼本人究竟在笔记本里面写了什么。
引文和相关材料[文章2与3]说明，在他的笔记本中，费曼将每个物理学分支都拆解成基础元素和可以从基础元素推导出来的主体部分，然后又把一切按照自己的逻辑重组，并检查其中欠缺打磨与不协调的地方。更有趣的是，当他遇到不理解的内容时，他会尝试自己发明方法重新解决这个问题。
看起来，费曼并不只是在重新组织已知的内容，有时甚至会重新发明问题的解决思路。因此，说他在使用任何一种方法都可能过于偏颇，他追求的其实是真正地理解事物。实际上，在他的高中笔记本中，他也曾相当传统地按照自学教材的顺序记录笔记、抄写图表和公式，以掌握微积分[文章4]。
关键在于费曼是如何理解事物的。在[文章5]中，费曼自己陈述了“通过创造某事来学习它”的方法：从基础思路(basic ideas)出发，自己把问题带回家玩耍，也就是按照自己的理解和选择去解释或者解决问题，观察如果这样或者那样做现象会怎样；不需要强求重新100%解决问题，如果卡住了，就打开书获得一丝线索，“哦，漏了这个”，然后合上书继续尝试；完成以后，重新打开书从头到尾阅读完整的过程，此时我们会发现书上的做法有多聪明高效。从另一个角度来看，公式浩如烟海，远非记忆所能覆盖，但如果我们真正的理解事物的相互关系，我们就能从已知中再次重建整体[文章6]。
这两篇文章中更令人瞩目的是费曼对于理解问题的热情。尽管只是基础内容，但他依然兴致勃勃的展示这些问题的思考过程，像是孩子第一次遇到这些问题，仅仅为了发现事物(you should get a kick out of having discovered something)，仅仅为了享受问题本身的乐趣(for the fun of it)。
在第3期内容中，我们讨论过把握痴迷，现在，我们有了一个不能更鲜活的例子。在BBC名为“发现的乐趣”的访谈中，他陈述自己追寻令他好奇的自然规律，避开他不感兴趣的人文学科，从而保有解决问题的乐趣；他拒绝为别人的期望负责（拒绝普林斯顿的职位，因为觉得自己不够好），他告诉自己“我没做过什么重要的事，以后也不会”，从而可以继续享受玩物理和数学。如果只有有趣的问题才能激励人真正理解事物，即便对一个聪明绝伦的大脑来说也是如此，那么我们漫无目的地学习时，又怎能希望真正理解那些于我们灵魂毫无意义的知识？
怀疑学习技巧有问题很容易（“怎么又忘记了，肯定是方法不对”，我经常想），但复刻任何一种学习技巧同样简单，可是为什么中药西药到身上都不灵了？特定的技巧，结合意志力，能给人完成百米冲刺的爆发力，但往往是以牺牲热情为代价的。一旦陷入机械的学习模式，知识和发现将无法提供快乐，有限的乐趣只能从超越别人的领先快感、附属于知识的利益属性中取得；因此只有更多、更快地摄入更多哪怕毫无意义的知识碎片才能继续维持这种服从进食本能的学习模式。
不过，生活不是短期竞速，而是以热情、好奇、乐趣为燃料的长途旅行。结束中学时代的竞速进入大学以后，我没法对自己的专业提起一点兴趣；而我只是年轻人中热情丧失症状较轻的一个，我有些朋友甚至再也不想读书学习。
缺少热情其实很常见，但等待热情实际上远比缺少热情更加危险，正如第3期所警示的。当我们看见天才的时候，天才已成天才，我们误以为他们生来如此。我想请你一定要阅读[文章7]，看看费曼的父亲是怎样引导他注意自然的神奇之处，通过有爱的讨论培养他的痴迷，并早早教会他真正理解事物本身与仅仅知道事物名字之间的区别（观察鸟儿本身和知道鸟儿在不同语言中的名字之间的区别），然后你会知道，没有人天生带有命定的痴迷，即使天才如费曼也需要培养。你甚至会发现费曼所用的方法和技巧都源于培养，例如他的父亲会在讲到恐龙时告诉他二十五英尺的恐龙站在家院里能把脑袋搁在窗户上，教会他尽量把事物转化为可理解的现实，这正是他在[文章8]中和数学家辩论时所用的技巧。
因此最重要的就是找到属于你的问题。一旦明确属于你的问题，你会发现用于真正理解这个问题的方法不拘形态。
如果你幸运地已经知道自己的问题，你可以试试费曼的方法：与问题玩耍，自己重新发现问题，体验问题的乐趣。
如果你还没找到属于你的问题，如果你依然不得不学习那些无聊的内容，没有关系；你不妨先停下来，花几天时间浏览网页和视频，和AI聊聊，看看这些知识究竟和哪些问题相关，是哪些问题的一部分。这无穷的问题中有没有哪一个勾起了你的兴趣，让你想要探究它的答案？你可能之前脑中闪过这个问题，但没有留心，现在它又出现了。然后带着尝试理解这个问题的热情回来，分解它，挑战它，使用费曼的方法在你要学习的内容中重新发现它的每一块拼图。
这是一个奇特的时代：我们欣喜于智能强化智力，又恐惧于智能灭亡智力。AI在知识的不同分支之间随意跳跃，毫无障碍，因此AI能为我们的问题提供前所未有的广度和想象力，但它的存在又说明智力并非不可取代。
不过，如果你有一个令你热切、好奇、感到快乐的问题，一切都会不一样。确实，AI也许会超越人，如非今天，也许明天，"But so what? Do them for the fun of it."
P.S. 作为一个笔记爱好者，我有一张问题清单，用来收录我认为值得时常自省的问题，现在上面多了2条：
1. 我是不是在做令我好奇的问题？
2. 在我不得不做/学的内容里，是否能问出一个我感兴趣的问题？