我们都有一个根深蒂固的直觉：聪明的人思考更快，笨的人思考更慢；学霸脑子转得快，学渣脑子转得慢。于是我们把学习的失败归咎于"智商不够""天赋不行"。但 Veritasium（Derek Muller）这支播放量超两千万的科普视频，用一支粉笔、一个工作记忆模型，把这个直觉彻底掀翻——人类思考能力的瓶颈，根本不是处理速度，而是记忆架构。
更反直觉的是它的核心结论："思考"的本质，其实是"从长期记忆里提取"。你能不能想明白一件事，取决于你脑子里已经装了多少相关知识，而不是你的 CPU 有多快。 这意味着，"知识陈旧、会搜索就行"是句危险的谎言；也意味着，所谓"专家直觉"，根本不是天赋，而是长期记忆里堆叠的"组块"在替你思考。
这支视频之所以值得每一个学生、教师、知识工作者认真看，是因为它把分散在教育心理学四五十年的硬核研究（Sweller 的认知负荷理论、Willingham 的认知原理、De Groot 的象棋实验、Muller 自己的博士论文），浓缩成一个任何外行都能秒懂的模型，并直接给出了"为什么你学了等于没学"的答案。本文是这个视频的系统拆解，并补充视频未展开的延伸分析。
| 项目 | 内容 |
|---|---|
| 视频标题 | The Science of Thinking |
| 频道 | Veritasium（Derek Muller） |
| 频道订阅 | 约 1700 万+ |
| 时长 | 约 11 分钟（信息密度极高） |
| 播放量 | 超过 2000 万次（持续增长中） |
| 发布时间 | 2016 年 6 月 |
| 核心主题 | 工作记忆—长期记忆模型如何决定学习与思考 |
说明：本文基于 oEmbed 接口确认的视频元数据与视频公开内容撰写，并补充了视频底层引用的学术研究（认知负荷理论、Muller 博士实验等）作为延伸分析，已逐条标注哪些是视频原话、哪些是延伸。
视频一开场，Derek 站在沙滩上抛接球。他抛给你一个尖锐的问题：你接球时，大脑在"思考"吗？答案是——几乎不在。从计算抛物线、调整肌肉、预测落点，到走路时维持平衡，这些绝大多数发生在意识之外。真正需要你"用脑子想"的信息量，小得可怜。
视频随后给出了认知科学的标准模型：我们意识到的"思考"，只发生在一个叫"工作记忆"（working memory）的狭小工作台上。 它有两个致命的限制——
这是全文最关键的一块基石：思考的带宽窄到令人发指。 你之所以觉得自己能"想很多事"，是因为你不断在工作记忆和长期记忆之间来回搬运。延伸一句：所有"教学设计"的本质，都是在尊重这个 4 组块、30 秒的物理上限——超出它，学生不是"学不会"，而是根本进不去脑子。
视频的另一极是长期记忆（long-term memory）。和工作记忆的"窄门"相反，长期记忆的容量几乎没有已知上限——它存放着你所有的：陈述性知识（巴黎是法国首都）、程序性技能（骑自行车、打字、打球）、以及各种概念和模式。
Derek 在这里点破了一个被大众严重误解的事实：那些让你显得"会做人、会做事、反应快"的能力，几乎都不在工作记忆里"现算"，而在长期记忆里"现取"。 一个老司机遇到危险下意识踩刹车，不是他在 0.3 秒里完成了推理，而是刹车这个动作连同触发条件，早已作为程序性知识固化在长期记忆里。
我补一句延伸：这个二分（工作记忆 vs 长期记忆）是认知心理学的简化模型，但它解释力极强。你在考试时"想不起来"一个公式，不是智商问题，是它根本没进长期记忆；你在工作时"卡壳"，往往是工作记忆被太多无关信息占满（这就是"分心"的本质，呼应认知负荷的"外在负荷"）。高手和菜鸟的差别，长期看，是长期记忆里装的东西不一样。
把前两点拼起来，视频给出了一个朴素却常被忽视的定义："学习"就是信息成功从工作记忆转移到长期记忆的过程。这是唯一的学习路径，没有捷径。
信息先通过感官进入工作记忆（这就是为什么你要"先看懂/听懂"），但工作记忆只是中转站。若没有任何深度加工——重复、组织、与旧知识联结、主动提取——这条信息会在 30 秒后消失，永远到不了长期记忆。这就是为什么你读完一本书合上就忘、听完一节课第二天脑子里空空如也：那些内容只在工作记忆里"路过"了一下。
这里视频其实埋了一个重要概念（虽然没系统命名），那就是 Sweller 认知负荷理论所说的：真正能固化的，是你在工作记忆里对信息进行的"相关加工"（germane processing），比如自我解释、归纳结构。 而绝大多数学生做的"被动重读 + 划线"，恰恰是在制造"熟悉感"而非"固化的知识"——你越读越顺，越顺越觉得自己会了，这是认知科学里最阴险的陷阱之一：流畅性错觉（illusion of fluency）。
视频最精彩的一段，是讲为什么专家能"一眼看穿"。Derek 搬出了经典的国际象棋实验（最初源于荷兰心理学家 Adriaan de Groot 1965 年的研究，后由 Chase & Simon 1973 年发扬）：把一盘真实棋局给象棋大师和普通人各看 5 秒，然后撤走。大师能几乎完美复盘，普通人只能记几个子的位置。
但关键的对照来了——当棋盘上的棋子是随机摆放时，大师的复盘能力和普通人一样烂。 大师的优势，不是工作记忆更大（测量显示他们的工作记忆容量和常人无异），而是长期记忆里储存了数万个"棋局组块"（chunks）。他们看到的不是 32 个孤立的棋子，而是 3–4 个熟悉的战术模式。于是 32 个元素被压缩成几个组块，轻松塞进那 4 个组块的工作记忆容量里。
这就是专家直觉的全部秘密：长期记忆里的组块，替专家绕过了工作记忆的瓶颈。 一个资深医生 30 秒判断病情，一个老程序员一眼看出 bug，一个老工程师扫一眼架构图就闻到异味——他们不是"算得快"，是他们脑子里有一座图书馆，相似的模式自动被调取出来匹配。延伸一句：所谓"经验"，在认知层面就是"组块的累积"。 这也解释了为什么新手再聪明也无法和老手拼效率——组块只能靠时间喂出来，没有捷径，但可以被"刻意练习"加速。
视频借用了教育心理学家 Daniel Willingham 的核心论断："Memory is the residue of thought"（记忆是思考的残留物），并进一步推出 Willingham 的另一条铁律——事实性知识必须先于技能（factual knowledge must precede skill）。你想进行批判性思维？那你脑子里得先有足够多的事实作为思考的原材料。
Derek 据此狠狠反驳了一句流行口号："现在有 Google，何必死记硬背？" 视频的逻辑是：长期记忆里的知识，本身就是思考的"工作集"。 你没有知识结构，连"该搜什么"都不知道；没有背景知识，你看到搜索结果也无法判断真伪、无法发现矛盾。所谓"独立思考能力"，本质上是"长期记忆里相关知识的密度"。
这条延伸到今天格外锋利。在 LLM/AI 时代，很多人鼓吹"记不住没关系，问 AI 就行"。但从认知负荷理论看，长期记忆才是真正的算力：没有它，你和 AI 的对话质量会断崖式下降，因为你无法判断 AI 在胡说。Willngham 这句话值得贴在每个学习者桌上——你的大脑不是因为存了太多知识而变慢，而是因为存得太少而没法快。
这一段是整支视频的灵魂，因为它不是别人研究的转述，而是 Derek Muller 本人在悉尼大学的博士研究（发表于 2008 年左右）。他用牛顿力学的视频做了对照实验——
测完之后的反转：A 组几乎没学到东西（前后测几乎无提升），而 B 组真正学到了。 更可怕的是，A 组学生因为视频太流畅，产生了强烈的"我会了"错觉——他们的信心暴涨，能力却原地踏步。
这个发现彻底颠覆了我们对"好教程"的定义。讲得顺、听得爽 ≠ 学到了。 一段没有触碰你原有错误概念的教学，就像水流过光滑的玻璃——你以为润湿了，其实什么都没留下。延伸到今天的短视频学习热潮：那些 3 分钟讲透一个概念、让你频频点头"有道理"的内容，按照 Muller 的研究，恰恰是最可能让你产生掌握错觉的。真正有效的学习，必然包含一段"不舒服、卡顿、和自己原有观念打架"的过程。
视频在结尾收敛到实操层面（虽然不长，我据此系统化补充）：
反过来，划重点、被动重读、机械抄写——这三件学生最爱做的事，在几十年的元分析里被反复证明效果最差（Dunlosky 团队 2013 年那篇著名的综述直接把它们列入"低效"）。
视频用"工作记忆窄门"讲故事，但底层其实是 John Sweller 1988 年提出的认知负荷理论（Cognitive Load Theory），它把工作记忆承受的负担分为三种——这是视频点到为止、我替你补全的关键框架：
把这个三分法叠加到第六节的 Muller 实验上，立刻豁然开朗：A 组的"流畅视频"外在负荷低，但因为没有制造相关负荷（没触碰错误概念），知识进不了长期记忆；B 组虽然总负荷更高、感觉更累，但负荷都花在了"相关加工"上，所以真正学到。这就是认知负荷理论对"什么才是好教学"的最精确回答：不是让学生舒服，而是让学生把工作记忆的 4 个组块，全部花在刀刃上。
flowchart TD
A[外部信息<br/>感官输入] -->|有限通道| B["工作记忆 Working Memory<br/>≈4组块 / 15–30秒"]
C["长期记忆 Long-Term Memory<br/>近乎无限"] -->|检索提取| B
B -->|深度加工·主动提取| C
B -->|组块化 Chunking| D["专家优势<br/>多元素压缩为一个模式"]
D -->|绕过工作记忆瓶颈| B
B -.被动重读/划线<br/>只产生流畅性错觉.-> C
B ==>|主动提取+间隔+直面误解| E["真正的学习<br/>可迁移的长期知识"]
F["认知负荷三分<br/>内在/外在/相关"] -.教学设计目标:.-> B
style B fill:#ffe4b5,stroke:#d97706,stroke-width:2px
style C fill:#b5e4ff,stroke:#0369a1,stroke-width:2px
style D fill:#fbcfe8,stroke:#be185d
style E fill:#c8f7c5,stroke:#15803d,stroke-width:2px
下面这张图，则是 Muller 博士实验那一组对照的可视化，最能解释"为什么好教程反而教不会"：
flowchart LR
subgraph A组["A组：流畅标准视频"]
A1[清晰·顺滑·满意度高] --> A2[低外在负荷<br/>但零相关加工]
A2 --> A3["❌ 前后测无提升<br/>⚠️ 掌握错觉暴涨"]
end
subgraph B组["B组：讨论错误概念"]
B1[啰嗦·卡顿·满意度低] --> B2[高总负荷<br/>但全在相关加工]
B2 --> B3["✅ 真正掌握<br/>错误概念被改写"]
end
style A3 fill:#fecaca,stroke:#b91c1c
style B3 fill:#c8f7c5,stroke:#15803d
对学生和终身学习者：第一，戒掉"重读+划线"，换成"合上书自测"。第二，警惕一切让你"嗯有道理"的学习内容——那是流畅性错觉，恰恰是低效信号；真正有效的学习一定有一段"不舒服"。第三，主动构建组块：每学完一章，用一张白纸默写出整章的结构图，把零散知识压成模式。第四，用 Anki 做间隔重复，但只对真正需要长存的知识用，别把脑力浪费在低价值碎片上。
对教师和培训设计者：这是本视频最值钱的部分。讲课/做课件时，逐条审查三件事——(1) 这页有没有无关动画/花哨排版制造外在负荷？砍掉。(2) 一次是不是只引入一个新概念？工作记忆只有 4 个组块，别一节课塞五个新术语。(3) 我有没有先暴露学生的错误直觉再纠正？没有的话，按 Muller 研究，你这节课基本白讲。好教学的标志不是学生喊"听懂了"，而是学生课后能做对题。
对知识工作者/管理者：理解"专家直觉=长期记忆组块"后，你会明白为什么"招有经验的人"比"招聪明的人"更划算——经验是固化的组块，聪明是空的带宽。同时，自己积累经验时，要刻意做"事后复盘"，把每一次踩坑固化成可复用的模式，否则十年经验只是十个"一年经验"的重复。
对 AI 时代的每个人：把 Willingham 那句话刻进脑子——长期记忆才是你真正的算力。把事实性知识外包给 Google 和 AI，等于亲手拆掉自己思考的地基。问 AI 之前，先逼自己想 5 分钟；判断 AI 输出对错，靠的正是你长期记忆里扎实的背景知识。
思考不是在"计算"，而是在"回忆"——你有多能想，取决于你长期记忆里装了多少压缩好的组块；而真正有效的学习，永远是那段让你不舒服、和旧观念打架、逼你主动提取的过程。
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。