2.1 学习者的需求和苦恼
2.1.1 学习者的需求
学时痛苦少，解题速度快
学生的核心需求和前文所述的教学评价是一致的，也就是让学习过程从吃力费劲到娱乐有趣，让做题速度从有点印象到流畅娴熟。
作为学习者，对技能的学习和训练，常有如下的需求：
- 能够有明确的学习目标和必备的技能列表
- 能够轻松的看懂听懂讲解
- 能够独立使用技能解决评价测试中的问题
- 能够便捷灵活的自测和复习，反复训练，扎实记牢
- 能够有足够的学习动力或激励措施
最重要的指标，就是通过学习，能够解决之前无法解决的问题，通过评价测试。如果可以达到这个目标，就希望可以在学的过程中，更加轻松愉悦，有更强的成就感，有更强烈的学习动力。
如果简而言之，可以认为学习者的基本学习需求是：
清晰易懂，扎实掌握
如果学习者极度厌弃学习，没有提高自我的动机，也便不在本书讨论范围之内。
2.1.2 学习过程的信息处理
这里直接给出学习内容的三个类型：
接受并记忆某个计算的初设，类似于给计算机输入程序，例如，定义一个变量或者提出某个概念
验证并记忆某个可以达到某个目的的计算过程，类似于计算机执行程序过程，例如，Dijkstra 算法
直接记忆某个计算的结果，例如，记住 $(e^x)’ = e^x$
为了达到上述的学习目标，学生在学习过程中大致要进行如下的信息处理过程：
解析信息。把学习材料进行特征解析，转化为熟悉的、可以理解的概念和算法，解析信息过程中很容易出现模糊和卡顿，也容易产生疲惫。例如，如果在给出的材料噪音多信号少，就会增大解析的计算成本，从而提高疲惫感，降低解析的成功率。
执行计算。如果是图灵机级别的计算，其复杂程度与计算步骤数成正比。但是学习一般是要进行带着抽象的计算，也就是操作的对象是具有某些特征的类。在很多学习过程中，学生难以迅速准确的找到正在讨论的特征，从而使得逻辑断链，理解模糊。这不仅与学习材料质量有关，也和需要掌握的知识点的本身抽象程度有关。
存留信息。这就是前文所述的长期记忆，如何能让学生在学习的过程中，经过训练，可以更加扎实的记牢所要传递的信息，也就是决定了掌握程度。
为了更好的理解，我们可以假想一个通用的人工智能处理信息的过程：
解析过程就是将影音信息进行多个层级的处理，并对关键的信息进行细致的识别分类，并将有关概念的区域唤起（提高其在搜索时的优先级别）
执行运算就是带有抽象信息的执行指令，由于抽象信息可能解析的不够准确或者细致，会造成在执行过程的报错或者逻辑断链
存留信息就是选择性的对有效信息进行整理留存，由于摄入的数据量巨大，AI需要对接触过的信息进行优先级和抽象级别的筛选整理，并对高价值的（通常是高频）信息进行更长久的留存。对于教学过程来说，教学者要理解人脑对记忆的工作原理，并符合记忆规律的进行训练，达到事半功倍的效果。
学生是一个注意力脆弱的计算实体，作为提供教学材料的老师，要谨慎处理每一帧传递给学生的信息。
2.1.3 学习者的苦恼
学习过程中的痛苦
依据学习过程的信息处理，可能对学生造成苦恼之处，有如下几种情况：
解析上的模糊、卡顿、痛苦，也就是看不明白学习材料，不知道在说什么
一般这种情况，常常是因为，描述的过于抽象，缺乏实例，使得在理解上存在歧义，学生者不敢明确，自己理解的一个抽象结论，是否对于一类概念中的所有实例，都能适用，需要更多实例的验证，但又缺乏验证的数据。这种模糊，常常导致了，对于多数学习者，连基本学会可能性都不具备。
另外一种可能，就是逻辑上的断链，推理上的过分简化，使得中间的推理过程出现不理解的跳跃，从而在学习者独立解题中，无法独立应对具象层面变化的新情景。
理解困难，步步是坎，学习过程不流畅
在这里，我们可以认为每一个逻辑步骤，都需要学生使用自己的脑力，去理解，去计算，去记忆，每一个步骤对计算量的要求是不一样的，但我们又无法像 Big-O 那样去准确标注复杂度，但我们知道每一个步骤的复杂度是有区别，甚至是有类似 Big-O 那样的层级区别的。
例如，相比于读满是文字的书和观看遵循设计原则的视频，文字的样式缺失，使得对于重点内容，类别的区分，需要读者自行进行，而制作精良的视频，可以更加轻松的展示重点，用设计元素对内容加以区分，让学生更容易解析，降低计算量。
再例如，计算过程中，常常需要存储一些辅助的中间信息，也就是需要很多的短时记忆，每一次存储和取出，都要消耗大脑的计算力，如果可以轻松的提取，那么学生的计算力就可以应用到更加关键之处，而不是消耗在具体运算中。
而对于学生来说，过于复杂的学习材料，常让学生有痛苦的经历，有种经受折磨的体验，生理上心跳加速，心理上自我否定，降低学习的信心，如果超越了某个极限，甚至可能放弃技能的训练。
记不扎实，学完就忘
这一问题，有两个方面，一个是学习过程，一个复习过程。
学习过程中，对于一个新鲜的概念和算法，如果学生想准确理解，常需要多个实例的反复，才能除去歧义，如果只是一个特例的具象理解，只能认为是单一具象实例的一次验证，而不是在抽象层面，通用规律的准确掌握；如果学生想内化和熟练掌握，同样需要实例的反复训练，提高对信号的反应速度，积累实例从而更轻松的捕捉特征。也就是说，如果在学习中，记不扎实，可能因为实例不足，得到的只是模棱两可的粗糙理解，造成的学会假象；也可能是因为缺乏刻意练习，导致的反应迟缓，不通顺流畅。
即使学习过程中，已经没有办法更加清晰，由于人记忆力的限制，必要的复习也是再所难免的，只不过更好的学习过程，需要复习的强度会更低。
为了达到清晰易懂，扎实掌握的目的，以上的困恼，可以大致分为两类，一种是源自复杂度的增加，一种是学习效率的下降。一个对应着教学目标中的低痛苦值，一个对应着教学目标中的高学习效果。过多的痛苦不仅降低了学习体验，更重要的是，也严重影响着学习效果。
对于复杂度的增加，可能是由于对抽象术语的解析困难，或者是对某一概念信号的刺激，无法激发出足够的近距信息；也可能出现在计算验证过程中，对特征的提取产生了歧义，难以明确；也可能是由于逻辑上的断链，使得验证无法继续；也可能是因为同一时段学习的知识量过大，积累了大量的计算痛苦。
对于效率的降低，可能是冗杂的噪音太多，不相关的信息太多，难以让人分清主次，抓不住重点。也可能，是同时学习的知识点很多，但对于每一个知识点都没有足够的训练和接触，从而只是浮于表面的浅尝辄止，没有形成足够强健的神经连接，“黑瞎子掰苞米，掰一个，丢一个”。当面对测试时，提取困难或是无法提取，导致的效果不佳；也可能是因为，缺乏中间测试，学生对抽象的理解和运算，出现了过分的近似，理解上有错误，从而使得测试难以通过。
复杂度使人痛苦，但不一定对每一个人是低效的，对于可以容忍粗糙学习材料又记忆力超群的学生，这种综合硬拔式的学习，可以在短时间内提供大量的知识点内容，较之分割细致的学习材料来说，很可能更加高效。例如，对于一部分人来说，直接看教材做题，可能比听讲课更加高效。一个粗糙的教学材料，不能让人体会到有所推进的成就感，却时时让人有举步维艰的挫败感。
虽然粗糙的学习让人痛苦，优质的学习材料，有可能达到类似游戏一般的娱乐感觉，例如：
- 能看明白，学会一样新的知识，满足猎奇心态，提高学习自信
- 能过上题，获得成就感，感受到任务达成的喜悦，和能力提高的自信
- 通过辅助，或者更多实例，独立探索和归纳，得到规律的发现快乐
目标迷茫、进展模糊、评价混乱带来的痛苦
- 不知道该从何下手，学习缺乏目标，不知道哪些词汇是应该掌握的
- 不知道自己学的怎么样，对自己的技能评价混乱不堪，受到挫折，过分的夸张
- 学不会，听不懂，学习没有进展
- 做题的时候挫败感太强烈，不知所措
最重要的元素
- 词汇的元素化
- 解题优先，游戏化
- 评级，以及可信度