刷题的手与不动的大脑

还记得那个在屏幕里对着你微笑的人吗？他传授的口诀与秒杀技巧，无意中加固了我们心底一个更古老的直觉：做得越多，就会得越多。于是，当“刷题不是存款”这个判断摆在面前时，大多数人的第一反应就是抗拒。

在这个直觉的支配下，学生、家长和一部分教师把“题海战术”当作数学学习最后的、也是最可靠的防线。当概念听不懂、公式记不住、考试分数上不去的时候，“多做题”成了一个不可反驳的方案。它可以被量化，可以被执行，可以在每晚的台灯下转化为一种踏实的疲惫感。三十道的踏实理应比十道多三倍。

但认知心理学家在实验室里摆出圆内接四边形的证明题时，这个算术就不成立了。

实验的设计简单到令人不安。两组中学生面前摊开同一套几何题，题目要求证明圆内接四边形的对角互补，或者外角等于内对角。A组拿到三十道题，做完一道接下一道，目标是完成全部题目。B组只有十道，但每写完一步证明，必须在旁边空白处写一句话解释自己为什么选这一步。不是解释定理的内容，而是解释决策——“我连接了这两条弦，因为题目给出了弧相等，需要构造圆周角。”或者，“我用了四点共圆的判定，因为对角之和可证为一百八十度。”研究者没有给这句话命名，没有讲任何理论。他们只说，写下来。

一周后两组学生全部返回实验室，接受两套测试。第一套是同类圆内接四边形证明题。第二套是迁移题，题面换了，把平面上的圆内接四边形性质搬到球面几何里，证明由大圆弧构成的某个四边形的类似性质，或者转化成解析几何的坐标证明。

数据出来时，第一套测试的结果已经让人需要停下来想一想：三十道题的A组和十道题的B组，正确率没有显著差异。三十道的练习量没有在同类题上换来任何优势。

但第二套迁移题彻底拉开了差距。B组的平均得分显著高于A组。那些只做了十道题、但每一步都写下一句理由的学生，在新的地形里走得更远。

量没有兑现它承诺的利息。这个结果直接挑战了一个根深蒂固的信念：数学能力的提升遵循一条简单的线性路径，投入的题量直接兑换为理解与分数。但实验数据指向一个不同的形状——练习量与真正获得的可迁移能力之间，更接近一条倒U型曲线。

这恰好回应了上一章结尾的那个问题：一个口诀或技巧，如果只是被记住而没有被推导过其成立的条件和边界，它就无法在新的情境中被灵活调用。B组学生通过写下决策理由，正是在主动推导每一步的“条件和边界”，从而让知识扎根。

在达到某个临界点之前，练习帮助建构知识。越过那个临界点之后，额外的、无意识的重复不仅收益递减，还可能固化僵化的思维模式。

要理解这个倒U型曲线，必须先理解重复解题时大脑究竟在强化什么。当A组学生连续做三十道圆内接四边形证明题时，他们的大脑确实在学习。视觉系统越来越快地识别出圆的图形、四边形的顶点排列、题目给出的已知条件组合。

这种识别能力叫作模式匹配。它让大脑学会了一种高效的捷径——看到特定的图形配置，直接调取对应的证明套路。

就像长时间玩同一款游戏的人，眼睛扫到屏幕边缘的某个颜色块，手指已经按下去了，不需要思考。模式匹配消耗的认知资源极少。它把复杂的推理过程压缩成一个刺激-反应链接。圆形加四边形加一个已知角——对角互补证明套路启动。

这种压缩的效率在同类题测试中表现得淋漓尽致。A组学生正是因为模式匹配的高度自动化，才在正确率上与B组持平。他们的大脑不需要重新推理每一步的逻辑连接，只需要识别题目的“长相”，然后执行已存储的解题序列。

但问题出在迁移题上。球面上的四边形不是画在平面上。大圆弧看起来不像直线。视觉输入完全变了，模式匹配的识别系统找不到匹配的模板。捷径走不通。这时候A组学生站在原地，手里握着三十道题的练习量，却找不到可以用的工具。三十道题的重复练习，强化的是一个只能在固定路线上运行的自动程序。

B组学生为什么能在新地形里走得更远？他们做的那件事——写下一句解释自己决策理由的话——在认知科学里叫自我解释。这个术语容易让人误解为给自己讲一遍定理。但自我解释的核心动作更小、更精确。

它不是复述定理内容，而是把大脑里那个隐性的决策过程拉到工作记忆的台面上来，变成有意识的分析对象。当学生写“我用这个判定因为对角之和可证为一百八十度”，她做的事情是把一个本可以自动滑过去的思维步骤拆开，检查其中的逻辑连接点。

这个过程发生在工作记忆里。前几章讨论过，工作记忆是一块很小的黑板，容量有限，通常只能同时处理大约四个信息组块。

模式匹配之所以省力，正是因为它绕过了工作记忆——视觉系统直接识别，解题程序直接执行，不需要占用黑板的空间。自我解释正好相反。它强行把那套快要自动化的路径截停，拆成一步一步，重新在工作记忆的台面上摆开，检查每一步的依据和下一步之间的逻辑关系。

这个“拆开检查”的动作，才是真正建构可迁移知识结构的过程。大脑在两种练习方式中长出了不同的东西。三十道题的模式匹配练习，强化的是识别与执行之间的条件反射通道。十道题加自我解释的练习，强化的是对结构关系的深层表征。前者在同类情境里足够好用，后者才能跨越情境的边界，在新的题型面前仍然可以被提取和使用。

但这个机制解释还差一块。如果三十道题的A组在同类题上并没有获得更高的正确率，为什么会有那么多人坚信刷题有效？为什么连续做对五十道题之后，人会真实地感到自己在进步？这种进步感如此强烈，以至于很少有人会停下手来问自己一个问题：如果现在换一道完全没见过的题，我能做出来吗？答案有一部分藏在多巴胺里。

二十世纪九十年代，神经科学家沃尔弗拉姆·舒尔茨做过一系列关于多巴胺与奖赏预期的经典实验。他用猴子作为研究对象，记录多巴胺神经元的电活动。实验设置很简单：猴子面前有一个灯和一个杠杆。灯亮起，猴子按杠杆，几秒钟后一滴果汁送进嘴里。一开始，多巴胺神经元在猴子尝到果汁时大量放电。这是预期之内的——多巴胺与奖赏紧密相关。

但接下来发生的事改变了神经科学对多巴胺的理解。猴子学会灯亮和果汁之间的关联后，多巴胺放电的时刻提前了。果汁本身不再引发多巴胺峰值。灯亮的那一刻，多巴胺就涌上来了。

进一步的实验揭示，多巴胺系统记录的不是奖赏本身，而是奖赏预测误差。实际发生的事比预期好，多巴胺大量释放。和预期一样，多巴胺维持基线。比预期差，多巴胺骤降。

多巴胺信号是一套追踪预期与现实的差距的系统，不是一套记录“我学到了什么”的系统。

把舒尔茨的猴子实验套回刷题的情境里，机制就变得清晰了。每做完一道数学题，核对答案，看见那个红色的勾——这个瞬间就是灯亮之后的果汁。

第一道题做对了，多巴胺释放。第二道又对了，多巴胺再释放一次。第三十道，同样的题型，同样的解题路径，同样正确的红勾，多巴胺还在释放。

但它的源头已经不是解题过程带来的理解质变，而是预期被确认带来的愉快——我做对了，和上一道一样对。

这套多巴胺信号持续向大脑发送一个信息：你在进步。但舒尔茨的实验已经说明，多巴胺信号和真实的学习进展并不必然对应。它跟踪的是预测误差，不是知识建构的深度。

刷三十道同类题，每一道都在确认同一个预测——我能解这种题。预测误差越来越小，实际结果与预期完全一致，多巴胺依然在每一次红勾出现时释放。但它传达的那句“我正在变好”，可能仅仅是模式匹配越来越顺畅的神经信号，而不是你在新情境下能调取这些知识的证据。

认知流畅性又出现了。上一章讨论过，认知流畅性是在当下给人“我懂了”的错觉的那种轻松感。阅读一行清晰的字句、听懂一个步步推进的讲解、连续做对十道同类题，都会触发认知流畅性。

它让人感觉知识正在顺利进入大脑，但实际上可能只是在识别加工之路上滑行，并未建构深层结构。刷题的快感，是认知流畅性的多巴胺版本。每做对一道题，轻松感叠加一次微小的奖赏脉冲。三十次叠加下来，人会产生强烈的进步感。

这种进步感如此真切，以至于它天然地抵制怀疑。但实验室里的B组学生也经历了核对答案的瞬间。他们也看到了红色的勾。他们也得到了多巴胺脉冲。

但他们还被要求做另一件事——写自我解释。自我解释破坏了认知流畅性。它让学生在流畅地做完一道题之后，停下来，回到那道题内部，重新搅动那些本已安顿下来的认知过程。这个过程没有额外的多巴胺奖赏。

它更接近舒尔茨实验中那种预测误差为负的状态——你以为你已经会了，但当你要解释自己为什么选这一步时，你可能发现自己说不清楚。这种说不清楚的不适感，正是学习的信号。

认知科学家罗伯特·比约克在二十世纪九十年代提出过一个概念，叫“必要难度”。

他的核心论点与日常直觉相悖：学习条件越难、越容易引发错误，长期记忆和迁移的效果往往越好。必要难度不是指把题目出得超纲，或者刻意刁难学生。它指的是在编码和提取阶段引入适度的障碍，迫使大脑进行更深层的加工。

自我解释就是一种典型的必要难度。它要求学习者把已经开始自动化的思维重新变成思考对象。这个“重新变成”的动作，比流畅地再做一道题要困难得多，也因此更可能产生可迁移的知识。

但必要难度有一个容易被忽略的边界。它不等于“越难越好”。如果一个学生面对一道题完全不知道从哪里下手，自我解释就无从谈起。你不能解释一个你根本看不见的决策。

必要难度发挥作用的前提，是学习者已经具备了基本的问题解决能力。难度必须叠加在这个基础之上才有效。这就是为什么实验中的B组学生做的也是同类圆内接四边形证明题——他们首先需要能做出这些题，然后自我解释才能把“能做”升级为“理解为什么能做”。

这个边界引向一个实际操作的问题：如何判断自己当前的练习是在“练手感”还是在“长脑子”？

手感是一个有用的东西。模式匹配在应对固定题型、限时考试时极其高效。一个经验丰富的学生看到某类题目，自动调取解题步骤，又快又准。这本身不是问题。

问题在于，模式匹配会给大脑发送一个虚假的安全信号——“我已经掌握了”。而真正掌握的标准，不是“看到熟悉的题型能做对”，而是“能用这道题背后的原理，去解决一个表面上不相关的题目”。

测量这种掌握程度，有一个粗略但有效的指标：正确率。如果连续做同一类题，正确率长期维持在百分之八十五以上，这意味着模式匹配已经主导了解题过程。

继续做同类题的边际收益在递减。如果正确率低于百分之七十，意味着基础结构还没建立，需要回头补的不是自我解释，而是更基础的概念理解。介于百分之七十到八十五之间，大概就是必要难度的甜点区间——基础结构已经有了，但还没有完全自动化，这时候嵌入自我解释的收益最大。

甜点区间里的练习，可以嵌入一套改装的程序。第一步是控制量。不必追求做完所有能拿到的同类题。选定一个有限的数量，比如八到十道。

第二步是在解题过程中插入自我解释节点。不是每道题都要写一整段话，但至少每做完两三道，就停下来，挑一道刚做出来的题，在旁边的空白处用一句话写清楚自己为什么选了这条路径。

这句话不需要给别人看，不需要严谨到像教科书定义，但它必须具体。具体到能指认一个题目条件和一条推理步骤之间的连接。

“我在这里用了换元法，因为看到了根号下的平方差可以简化。”或者，“我选这条辅助线是因为题目给了中点，中点通常要连中位线或做倍长。”

写这句话只需要十几秒。但就在这十几秒里，一个本来可以滑过去的思维动作被截停了，被拉到工作记忆的台面上接受了检查。

写完之后，如果停顿片刻，发现自己并不是真的确定这个连接点是否成立——这就是信号。这个信号告诉你，刚才的流畅感可能只是模式匹配的副产品，不是理解。第三步是隔天自检。

间隔提取的原理在前面章节已经讨论过，它利用的是记忆提取本身会强化记忆的机制。

这里只需要一个最简单的操作：做完练习的第二天，不翻前一天的笔记，拿出一道迁移题。可以是同一章节里没见过的题型，也可以是同一原理换了一个情境的题目。如果在不翻看原题解题步骤的情况下，能独立复原至少一个关键推理节点的逻辑连接——不只是回忆出步骤，而是能重新建构为什么这一步通向下一步——就可以比较确定地判断，前一天的练习是在长脑子，而不只是在练手感。

这套程序不承诺快速提分。它甚至可能在短期内降低做题的数量和速度。

一个习惯了每晚刷五十道题的学生，改成每晚只做八道并附带自我解释，会感到一种明显的不安。别人都在跑量，我却在减速。

这种不安不是心理作用。它直接关联到本章一直在讨论的那个倒U型曲线的拐点。当练习量超过某个阈值，更多的重复带来的不是更多的理解，而是更多的模式匹配空转。

那个拐点在哪里，因人而异，因学科内容而异。科学现在还无法给出精确的定位。

但至少可以确定的是，拐点存在，而且无条件相信量变必然导致质变，很可能让人在拐点右侧耗尽时间和信心。

这又把讨论拉回那个更根本的问题：为什么刷题的信念如此难以动摇？部分原因是，它让学习者感到可控。数学的抽象性常常让人失去方向感。读完一章教材，不确定自己是不是真懂了。听完一节课，说不清那些步骤背后有没有更深的东西。

在这种不确定里，刷题提供了一个具体的、可计量的行动。做完三十道题，可以数出三十道。

这个数字是实在的，它可以对抗那种“我什么都没做”的焦虑。每晚合上习题册时，那个被填满的页码和写满的草稿纸，提供了一种比理解更易触摸的踏实感。

但认知科学揭示的残酷之处在于，真正发生学习的那些时刻，往往不以这种可计量的形式呈现。一个人花二十分钟弄懂为什么这道题选这条辅助线，这二十分钟不产生一个可以打勾的题目数量。它产生的是一张便签纸上的一句话，或者脑子里一个比以前稍微清晰一点的连接。这些产出不可计量，不可比较，也很难在当晚就转化为多巴胺信号。

它们在更长的时间尺度上才显现出来——可能是一周后的迁移测试里，也可能是下一个章节学到一半时，某个似曾相识的结构忽然被认出来。在这些时刻到来之前，学习者需要承受一段没有即时反馈的静默期。

这不是道德劝说，而是认知机制本身的节奏。多巴胺的奖赏预测误差系统习惯于即时反馈。它不喜欢等一周。自我解释的必要难度在当下是安静的。它不会像连续做对三十道题那样给大脑颁发一连串奖赏脉冲。

相信这种安静值得等待，需要对学习机制本身有所了解。还有一个问题值得追问：如果自我解释在迁移能力上的效果如此明确，为什么它没有成为主流的练习方式？原因之一是自我解释的产出很慢，而且极难被外部观察到。一个老师可以检查一个学生做了多少道题，可以统计错题数量，可以翻看作答痕迹。

但他很难走进学生的脑子里，看这个学生是否在解释每一步的决策依据。教育系统天然倾向于奖励可观察的努力。刷题的量，就是对可观察努力的终极量化。

作业本上密密的字迹，草稿纸上演算的页数，这些可以被看见、被计数、被比较。自我解释的产物——脑子里的一个连接，或者便签纸上潦草的一句话——不具备这种可见性。这个系统在量化努力的同时，默认了一种不一定成立的理论：努力的行为等价于学习的结果。三十道题的行为比十道题的行为多三倍的努力量，因此应该产生三倍的学习结果。

实验数据推翻了这种等价关系。B组学生的努力不在量上，在质的密度上。他们做的每一道题都附带一个额外的认知动作——把隐性的决策拉到台面上检查。这个动作沉默、缓慢、不可见，但它正是那三十道题和十道题之间真正的差异所在。实验结束一周后，B组学生坐在迁移测试的考场里。他们面对的题目，图形是陌生的，条件组合没有见过。他们不可能依赖模式匹配。

但他们曾经在被要求写下的那些句子里，拆解过圆内接四边形的结构。对角之和的性质、弦与弧的对应关系、判定条件的逻辑链条，这些东西脱离了圆的图形，脱离了平面的约束，作为抽象的关系存储在长时记忆里。

现在这些关系出现在球面几何的题目中。他们中的一些人认出了它。不是认出了图形，是认出了关系——对角之和仍然是结构的关键，判定条件的底层逻辑依然适用。这种认出比模式匹配慢，但它的边界不是某类见过的题型。

那天测试结束后，一个学生收拾文具时，从习题册里掉出一张便签纸。纸上写着她十道题里每一道的决策理由，一行一行，字迹潦草但指向明确。她看着其中一行——“我用这个判定因为两个对角可以凑出一百八十度。”她想，如果再遇到一个完全不同的情境，但底层的结构是在问对角之间的关系，她知道该从哪里开始想。她把便签纸夹回习题册里，合上封面。

教室空下来，日光灯在桌面投下平稳的白光。那行字不再发出任何声音，但它已经从一个外部指令变成了一种可以随时调取的内部动作——一种把隐性决策拉到台面上检查的认知习惯，在安静中生长出来，并将在未来无数个陌生题目中持续运作下去。