理解到可以舉一反三

記得一個答案，和理解一個問題，仍然有距離。

有人可以背出公式。

題目稍微改一下，就不知道怎麼辦。

有人可以熟練重複老師教過的解法。

遇到沒有看過的情況，原本的方法突然失效。

Scott H. Young 把直覺（Intuition）列為超速學習的重要原則，談的是一種更深的理解：

不只知道答案。

還知道為什麼。

知道條件改變時，哪些部分會跟著變。

知道什麼時候原本的方法不適用。

這種理解會讓知識開始有彈性。

熟悉很容易冒充理解

一個概念看過很多次後，會變得非常順。

例如「複利」。

知道定義。

看過公式。

也聽過很多例子。

這時候很容易覺得自己已經理解。

但如果要向完全不懂的人解釋：

為什麼複利後期會加速？

報酬率差一點，長期為什麼會拉開很大差距？

如果中間不斷把收益取走，結果會怎樣？

問題一變，原本的熟悉感可能很快消失。

這種情況說明：

理解不能只靠「看起來很熟」判斷。

先自己想一段時間

Scott Young 在談直覺時，很重視先和問題搏鬥。

遇到難題時，不要一開始就看完整答案。

先給自己一段時間。

試幾個方向。

錯也沒關係。

這個過程的價值，不只是增加解題耐心。

它會讓大腦建立對問題結構的感覺。

哪些線索重要？

哪個方向走不通？

為什麼會卡？

等到最後再看解答，吸收的內容會和一開始直接看很不同。

因為現在手上已經有一批自己產生的問題。

答案不再只是「老師這樣做」。

而是在回應剛才真正遇到的困難。

深度理解常常從「為什麼」開始

初學一個領域時，很容易滿足於規則。

「遇到這種題型就用這個公式。」

「這個文法後面接這個形式。」

「這段程式要這樣寫。」

規則可以很有效。

但當情境稍微改變，只記規則就容易失效。

所以需要再追問：

為什麼這個公式能用？

為什麼這個文法在這裡自然？

為什麼這段程式必須這樣安排？

這些問題會把注意力從表面步驟拉到結構。

真正形成直覺的人，往往不是記得更多規則。

而是能看出不同問題背後共享的模式。

費曼技巧：講到連自己都不能含糊

Scott Young 很常使用一種和 Richard Feynman 相關的學習方法，通常被稱為費曼技巧（Feynman Technique）。

核心做法很簡單：

挑一個概念。

不用教材，試著用自己的話解釋。

假設聽的人沒有背景知識。

遇到講不清楚的地方，就回去補。

例如要解釋「通貨膨脹」。

如果只能說：

「就是物價上漲。」

這還很表面。

可以再問：

為什麼一籃子商品價格會普遍上升？

貨幣、需求、供給和預期可能扮演什麼角色？

為什麼某一樣商品漲價不一定等於整體通膨？

當解釋需要越來越具體，原本模糊的理解會被逼出缺口。

能用簡單話說，不代表把內容講得幼稚

費曼技巧常被簡化成：

「能講給小學生聽，就代表懂。」

這句話有一定道理，但也容易被誤解。

有些專業概念本來就需要精確詞彙。

真正重要的是：

不要用術語遮住自己沒理解的地方。

如果一段解釋全靠專有名詞堆起來，卻說不出彼此關係，那個理解仍然可能很薄。

簡單化的目的，是讓因果與結構暴露出來。

不是把所有專業內容都改成很淺的說法。

題目變化，是檢查直覺的好方法

一個方法是否真正理解，可以看它遇到變化時的表現。

例如數學。

完全照例題數字替換，可能只是模式辨識。

如果改變條件、增加限制，還能重新選擇方法，才更接近理解。

學程式也是。

照教學完成一個待辦清單 App，並不代表已經掌握相關技術。

如果需求改成加入分類、加入搜尋、資料要保存、介面要支援手機，這些變化會迫使學習者重新理解原本架構。

每一次變化都在測試：

學到的是步驟，還是原理。

專家的直覺來自大量壓縮

一位有經驗的醫師看到症狀時，可能很快想到幾種可能。

資深工程師看到錯誤訊息，也可能立刻知道該從哪裡查。

這種速度很容易看起來像天分。

其中很大一部分來自大量經驗被壓縮成模式。

初學者看到十個彼此分離的細節。

專家可能只看到兩三個熟悉結構。

因為他曾經處理過很多相似問題。

他知道哪些差異重要，哪些只是表面變化。

這種直覺不是憑空猜測。

它通常建立在大量有回饋的經驗上。

不要太快接受第一個解釋

深度理解還有另一個敵人：

太快得到一個聽起來合理的答案。

例如有人問：

「為什麼股價下跌？」

很容易回答：

「因為市場恐慌。」

這句話可能沒有錯。

但它沒有解釋太多東西。

什麼消息改變了預期？

哪些投資人正在賣？

估值、利率、獲利預期有沒有變？

同樣是下跌，不同情境背後的機制可能不同。

理解越深，越能忍受「我現在還不知道」這個狀態。

因為太快填上一個簡單答案，反而會停止繼續找結構。

能預測，通常代表理解開始變深

一個很好的檢查方式是：

能不能預測。

如果真的理解供需，那麼需求增加時，大致知道價格和數量可能怎麼變。

如果真的理解某段程式，就能預測修改一個變數後會發生什麼。

如果真的理解文法，就能對沒看過的句子做出合理判斷。

預測不一定每次都對。

但它迫使學習者把自己的理解放到世界上測試。

結果和預測不一致時，回饋又會出現。

這種「理解 → 預測 → 結果 → 修正」的循環，會讓直覺慢慢變得可靠。

深度理解的價值，在陌生問題裡最明顯

考試如果全部都是熟悉題型，背方法可能已經足夠。

工作和真實世界比較麻煩。

問題很少完全照教材出現。

條件會變。

資訊不完整。

甚至連題目本身都要先定義。

這時候，死記步驟很快就會碰到限制。

理解原理的人比較有機會拆開問題，再重新組合已有知識。

這就是直覺真正重要的地方。

它讓一個人離開原本的例題後，仍然有辦法繼續走。