《深度學習的技術》：知識要有地方落地，才會慢慢變成能力

2026 Jul 15 學習力

內容目錄

有一段時間，我很迷戀知識管理工具。Obsidian、Heptabase、Readwise，這些工具一出現，總會給我一種迷人的想像：只要我把讀過的書、畫過的線、想到的靈感都整理起來，再把它們互相連接，久而久之，我的大腦外面就會長出一張龐大的知識網。每一張筆記都是一個節點，每一次連結都像在替未來的自己鋪路。某天回頭看，原本分散在不同書、不同領域的想法，也許會突然接起來，變成一個新的理解。

但實際用了一段時間後，我開始發現另一件事：有連結，不代表有理解。我可以很努力地把一張卡片連到另一張卡片，也可以讓圖譜看起來越來越密。可是當我回頭打開那些筆記，常常只知道「這兩個概念好像有關」，卻說不清楚它們到底怎麼有關。

讀《深度學習的技術》時，我一直想到這個經驗。這本書把學習拆成五個層次：記、懂、網、拓、活。先讓知識能被記住與提取，再理解它的原理，接著把知識編成網路，進一步引入跨領域模型，最後回到生活中實際使用。這個順序讓我很有感。很多時候，我們討論學習，會急著談方法：怎麼記得更久、怎麼讀得更快、怎麼做筆記、怎麼整理資料。但這本書更像是在問另一個問題：學到的知識，最後要怎麼變成可用的能力？

我想用兩個重點，加上一段自己的延伸，來整理這本書帶給我的提醒。第一，雙向連結不等於知識連接。第二，跨領域學習需要一個專業支點。最後，我會把書中很特別的概念「發洩知識的地方」，放進自己的學習經驗裡談。

重點一：雙向連結不等於知識連接

如果你有用過 Obsidian 或 Heptabase，應該會很熟悉「雙向連結」的快感。例如你在某一則筆記裡提到「提取練習」，順手連到另一則筆記；你在讀一本書時想到「必要難度」，又把它連到先前整理過的學習理論。未來打開任何一張卡片，都能看到它和其他內容的關係。我一開始知道這種做法時，非常興奮，因為這代表知識不必再被關在一本書或一個資料夾裡。以前讀完一本書，書摘就停在那本書底下；現在我可以把心理學、學習科學、寫作、決策、AI、生活經驗互相連起來。這很符合我對「雜學為用」的想像：不同領域的知識，未來都有機會互相支援。

於是我開始很努力地建立關聯。只要兩張筆記看起來有點關係，我就把它們接起來。圖譜越來越密，連結越來越多，當下會有一種「知識正在長成網路」的感覺。但後來我發現，我其實只是做了「連結」這件事情而已。我把頁面接在一起，卻沒有進一步思考：這樣的連結，要如何讓兩個知識真的結合起來？

例如當我只是把「提取練習」和「必要難度」連在一起，未來的我只會知道兩者有關，卻不一定知道它們的關係。比較好的寫法應該是：「提取練習會製造必要難度，因為學習者必須在沒有教材提示的情況下重新找出答案。只要難度仍在可以成功提取的範圍內，這種吃力就會幫助長期記憶加固。」這段關係寫出來之後，連結才開始有內容。它告訴我，A 和 B 有關，也補上 A 如何解釋 B、B 如何補充 A，以及這兩個概念放在一起後，對學習方法有什麼影響。

《深度學習的技術》提到的知識網，讓我重新整理這件事。知識網的價值，來自知識之間的關係品質，而不只來自節點數量或連結密度。一個有效連結，至少要回答幾個問題：這兩個概念的關係是什麼？其中一個概念如何解釋另一個概念？它們彼此有沒有衝突或限制？放在一起之後，產生了什麼新的理解？如果回答不出來，那個連結可能仍然有保存價值，但它還沒有變成真正的知識連接。

這也讓我想到，很多知識管理工具給我們的是「建立連結的能力」，但理解仍然要靠自己完成。工具只能讓連結變得容易，幫我們記得「這兩件有關」，但無法自動替我們說明「它們怎麼有關」。知識的連接終究還是得靠我們去賦予有效、有用的連結。

重點二：跨領域學習需要專業支點

書裡另一個我很想繼續研究的概念，是專業支點。作者的順序很清楚：先完成「記」，掌握必要知識；再完成「懂」，理解概念與原理；接著完成「網」，把知識連成體系；最後再進入「拓」，把其他領域的知識帶進來。這個順序提醒我，跨領域學習不適合一開始就到處散開。先在某個領域建立足夠深的知識網，外部模型進來時，才有地方落地。

我以前很容易被多元心智模型吸引。心理學的認知偏誤、經濟學的機會成本、系統思考的回饋迴圈、學習科學的提取與間隔、AI 工作流裡的自動化與回饋設計。每一個模型都很迷人，看起來也都能解釋很多事。但看過很多模型，和真的會用模型，是兩回事。沒有支點時，跨領域學習很容易變成模型收藏。你知道很多名詞，看過很多例子，也覺得每個模型都很有道理。可是遇到真實問題時，反而不知道該用哪一個。更麻煩的是，模型一多，很容易只看見表面相似。

例如，把演化論放到內容創作裡，如果只說「內容也會演化」，那句話其實等於什麼都沒說。比較有用的做法，是從不同角度提問：什麼東西產生變異？什麼環境負責選擇？哪些形式被保留下來？有效做法如何被複製？判斷結果要拉到什麼時間尺度？當這些問題被拆出來，演化才有機會變成可用的思考工具。否則它只是一個漂亮比喻。

專業支點的作用就在這裡。它讓你能把外部模型帶回熟悉領域，或許可以試著問幾個更嚴格的問題：這個模型能解釋我熟悉領域裡的哪個現象？它能不能提出新的判斷？它在哪些地方會失效？我要怎麼改造它，才適合這個情境？一個模型能不能落地，不只取決於模型本身好不好，也取決於你有沒有一個足夠熟悉、足夠深的領域去測試它。

坦白說，我目前還在學習如何找到自己的專業支點。這也是我讀這章時最有感的地方。我一直對跨領域思考、多元心智模型和學習移轉很感興趣，但這些概念如果沒有落地位置，很容易變成空中飄著的一串名詞。所以我現在會先把自己的暫定支點寫成一句話：知識如何變成可用能力。

這個支點比「學習如何學習」再寬一點，也更貼近我目前正在做的事。因為不管我讀的是批判性思考、系統思考、AI、經濟學或是決策，最後我都會回到同一個問題：這些知識要怎麼被理解、連接、移轉，最後用在真實生活裡？用這個支點來看，跨領域學習就不會停在「我又多學了一個模型」。它變成一連串檢查：這個模型能不能幫我理解學習？能不能改善我做筆記的方式？能不能讓我寫出更清楚的文章？能不能幫我把模糊想法做成可檢查的專案？

如果答案是肯定的，每個新學習到的模型就會開始離開收藏清單，進入我們的能力系統中。

我的想法

很多人學了很多卻用不上，是因為沒有一個「發洩知識的地方」。

這是我在《深度學習的技術》書裡，最喜歡的一句話。這個詞很有畫面。知識如果長期沒有出口，就會堵在系統裡。你知道很多，卻用不出來；你有很多筆記，卻沒有形成判斷；你讀了很多模型，卻沒有一個真實問題逼你選擇、調整、測試。

對我來說，寫部落格文章，就是很好的知識發洩方法。絕大多數人都喜歡輸入，以前的我也是這樣。讀一本書、上一堂課、聽一集 podcast，都會帶來某種學習快感。那種感覺會讓人以為自己好像知道了很多，也擁有了很多知識。但很多知識如果沒有用出來、分享出去，理解可能並沒有想像中透徹。寫作會逼你重組知識。你必須先經過思考，才有辦法把知識講得簡單，讓別人聽懂。這其實很接近費曼學習法的概念。你需要思考那些知識對你有什麼意義，彼此之間有什麼關係，哪個例子能說明它，哪個地方還沒講清楚。當你能把一個概念講得簡單易懂，才比較能說自己真的內化了。

很多時候，我原本只是想整理書中內容。寫到一半，才發現自己其實有另一個觀點。那個瞬間很珍貴，因為我開始用作者給的材料，長出自己的理解。在〈想到，就動手做：學完《AI First 行動力》，我把一個念頭變成了網站〉提到的 TinyGo 這種小專案，也讓我更能理解「知識發洩」的價值。它是我學習 AI 的一個成果。雖然它一定還可以繼續優化，但先做出一個能看的東西，先拿到一個小成果、小勝利，就會帶來很實在的成就感。

小至自己給自己的專案，大至邀請親朋好友來欣賞的成果發表會，其實都是類似的「知識發洩」做法。它會讓你了解你真的學會什麼，也會給你一個看得見的結果。結果可能很小，但它會告訴你：這段時間除了輸入，也真的做出了一點東西。

這讓我想到小時候學鋼琴的經歷。幾乎每一年，鋼琴教室都會在基隆文化中心舉辦很盛大的成果發表會。小小的我們都要穿得非常正式，穿小襯衫、打領帶、梳油頭，輪流上台表演。小時候我其實不太懂那件事的意義。為了成果發表會練習，有點煩，也有點緊張。唯一覺得有趣的，是在後台可以跟朋友聊天、玩遊戲。可是現在回想起來，那真的是一個很好的場域，因為它讓練習有一個出口。你不再只是每天在家反覆彈同一段曲子，卻不知道自己到底進步到哪裡。成果發表會把那段時間的練習變成一個可以被看見的時刻。

如果要我把這本書整理成深度學習的三步驟，會是以下三個：