首页 如何进行一个领域知识的“系统性学习“
文章
取消

如何进行一个领域知识的“系统性学习“

如何进行一个领域知识的“系统性学习“

从系统性学习的角度,来谈一谈如何扩展和学习一门新的知识。

系统性学习


★ 什么是系统性学习

在本文的开篇,首先要简单介绍一下:什么是“系统性学习“。

◇ 举例:软件开发

我是一只“程序员”,首先拿自己的老本行来举例。

当你想用某个编程语言来写软件,就需要“系统性学习“。

一般而言,你需要先掌握该编程语言的“语法“,然后还需要掌握该语言的“标准库“以及“第三方库“。

每个编程语言都有一大堆语法。如果你只掌握其中的某一个语法,是“不可能“用它来开发软件的!即使你完整掌握了编程语言的“语法”,如果不懂任何“标准库”或“第三方库”,你依然“无法“用它来开发软件。

即使你掌握了上述三样东西(语法、标准库、第三方库),要想写出比较优秀的软件,你还需要掌握“软件工程”相关的一些知识。

从这个例子可以看出 —— 要具备“软件开发”这个技能,你需要掌握某个“完整的知识体系“。而这就需要进行“系统性学习“。

◇ 系统性学习的两个特点 —— 广度与深度

“系统性学习“与其它学习方式的差别,就体现在这两个特点。只有同时具备了“广度“与“深度“,才有资格说你“系统性“掌握了这个领域。

所谓的“广度“,就是指你的知识结构中,包含了多少领域。

即使是“写博客”这么简单的一桩小事,牵涉的领域也不少:HTML、CSS、JS,SEO,WordPrees,PHP 等。所以,想要在某个领域做到足够深入,必然要了解很多相关的“辅助性领域“的知识。

所谓的“深度“,就是你对具体的每一个领域是否具有深入的了解和研究。

深度的重要性,如果某人的知识结构只有广度而没有深度,就会导致——其个人能力没有突出的亮点——这种人往往没有太强的竞争力。

深度和广度的平衡

虽然“深度“和“广度“都很重要,但每个人的时间、精力、天赋都是“非常有限“的。因此,你不可能在所需要的“每一个“领域都做到足够深入。那么如何平衡这两者呢?我的观点是:借鉴正态分布

这幅图中,横坐标表示不同的领域,纵坐标表示你在该领域的深度

深度和广度的平衡

尖峰的顶点周围(红色部分)对应的就是你的主攻领域。你需要在这个领域做到足够的深入(越深入越好)。

和主攻方向的关系比较密切的领域(黄色部分),你需要比较深入,但深入的程度不需要跟主攻方向一样。

和主攻方向关系比较疏远的领域(绿色部分),只需浅尝即止。

主攻方向的选择

如果你运气比较好,自己的工作正好就是自己的兴趣所在,那毫无疑问,这就是你的主攻方向。万一你的兴趣和工作不一致,怎么办?我的建议是,以自己的兴趣作为主攻方向。然后把工作仅仅当作是谋生手段。

◇ 最终目标 —— 真正的理解与运用

“广度“与“深度“只是“系统性学习“的表观特征。“系统性学习“的最终目的是“真正的理解“。只有当你理解了某个领域,你才有可能去运用它。


★ 如何进行媒介形态的选择

◇ 大脑的处理机制

大脑有两种截然不同的处理机制。心理学家称之为“系统1”和“系统2”。

“系统1”解决问题的速度很快,但它只能处理少数类型的问题;对于“系统1”无法解决的问题,会转交给“系统2”去处理。“系统2”能处理的问题,领域更广,但“系统2”的运作非常慢且非常吃力(相比“系统1”而言)。“系统1”可以解决“人脸识别”,但是无法解决“复杂四则运算”。

◇ 媒介形态及其重要性

当你要进行“学习“,必定要依赖某种“媒介“。比如“书籍”、“电视”、“报刊杂志”、“不同形式的网站”,这些都属于“媒介“。

在如今的这个互联网时代,很多人都知道“信息的重要性“。可惜的是,大多数人忽略了““媒介“的重要性”。

媒介的“形式“非常重要(甚至可能比内容更重要)。有的媒介“形式“会促进你的思考,有的媒介“形式“会抑制你的思考。

“被动“的媒介形式,有什么弊端?

假设同一本书,采用两种“形式“来呈现 —— 其一是“纸版书或电子书”;其二是“有声读物”。对于前者,你用“肉眼“阅读它;对于后者,你用“耳朵“听它朗读。这时候,差别就体现出来啦!

在“肉眼阅读“的时候,你是“主动“滴。因此,当你出现理解上的困难,或者当你需要作进一步的思考,可以调整阅读速度。

而使用“有声读物“,你是“被动“滴。为了跟上阅读节奏,大脑会“抑制““系统2”的启动(前面说了,它启动比较慢)。所以,对于“有声读物“这种媒介,你很难在“听的过程中”进行“深入“思考。最多只能进行一些肤浅的思考。

估计某些人会反驳说:在听“有声读物”时,也可以按“暂停键”。我解释一下:

  1. 每个人对信息的处理速度会有差异。甚至同一人对不同内容的处理速度也有差异。这个速度差异,靠“暂停键”“无法“解决;

  2. 如果你时刻保持警惕,准备随时按下“暂停键”,此时你已经分摊了一部分注意力。再次强调:“自控力/意志力”是一项“宝贵资源“(尤其当你需要复杂思维时)。

说完“有声读物”,再来说“视频”。某些聪明的人在看前面一段时,应该已经联想到了 —— “视频“这种媒介与“有声读物“是类似的 —— 观看视频时,你也处于“被动“状态。除了“被动“导致的弊端,“视频”这种媒介形式还有其它很多弊端:

  1. 如果根据视频的“内容“划分,至少可以有如下几类:影视类(指的是“具有一定情节”的,比如:电影、电视剧)、娱乐类(比如:综艺、歌舞)、报道类(主要是指新闻报道)、教学类(比如:在线教育的视频)、访谈类、其它。

  2. “视频”这种媒介形式,其关键性特点有两个(为了加深印象,拿“文字媒介”来对比):相对文字而言,视频这种媒介形式是“形象“的。“视频”是按照固定的速率播放的,因此,“视频的受众“必须“被动地“去适应其播放的速率;相对而言,阅读文字的时候,读者是“主动的“。因为阅读者可以自由且灵活地控制阅读的速率。

  3. “更少“的思考:前面说了,观看视频是“被动“的过程——你需要跟上视频播放的节奏。在这个过程中,你“没有“足够的时间来进行“深入“思考。或许有“极少数人“能够在需要思考时立即按“暂停“键;但大多数人做不到这点。不信的话,你可以观察周围的人是如何看视频的。海绵式思维,这种方式相对容易,只需要运用“记忆力”——说白了就是把外来的东西“简单复制“到脑袋里。淘金式思维,这种方式相对困难,不光需要运用“记忆力”,还需要其它思维能力(分析、推理、归纳、总结…)——需要把外来的东西变成你自己的东西。在观看视频的过程中,为了跟上视频播放的节奏,你只能采用“海绵式”。这是“最根本性“的缺点 —— 该缺点引出了后续的其它缺点。

  4. 内容的“浅薄化“:观看视频的时候“难以深入思考“。这必然导致:(大多数)视频的制作者会让视频的内容变得更肤浅 —— 这才能吸引到足够多的受众。并不是说,内容深刻的视频就绝迹了。深刻的视频还是有的,但比例注定很低。假设某个视频具有深刻的思想性。但即便是爱思考的观众,也只能在“看完之后“才有可能深入思考。这种形式就决定了:哪怕是一部深刻的视频,能引起深思的切入点也是“比较少“的。假设某个深刻的视频包含了“很多个“能引发深思的切入点,但因为受众只有在看完之后才能去回味,其中某些切入点可能被遗漏了。以书籍来对比:一本思想性深刻的书,可以在每一个篇章都引发读者深入思考 —— 因为阅读是“主动“的过程,读者可以自主控制阅读节奏,碰到需要深入思考的地方,可以减低阅读速率或暂停阅读(这就避免了遗漏)。

  5. 内容的“娱乐化“:新闻报道充满娱乐化。千万不要以为:只有“娱乐类”的视频才是“娱乐化”的。在如今这个时代,“影视类、报道类、访谈类”也充满了娱乐气氛。从“商业动机”入手,很容易就可以找到原因:

  1. 任何一种媒介,只要足够大众化,就可以跟经济效益挂钩(比如“广告”就是这种场景衍生出的商业模式)
  2. 在任何一个社会中,感性的人总是“大大超过“理性的人。
  3. 感性的人更容易沉迷于“娱乐化的媒介”(关于这点,本文下面的章节会谈)

以上几点就决定了 —— 大众化的媒介必定也是娱乐化的。所以,从传统的“电影和电视”,到如今的“网红直播”,都在不断强化“娱乐“的气氛。

  1. “浅薄化”和“娱乐化”是“不同“的:虽然大部分时候,“浅薄化”和“娱乐化”会同时体现在某个事物,但是总能找到某些反例:“娱乐”但是“不浅薄” —— 比如王小波的很多作品都挺搞笑的,但同时也能引发深入的思考(不浅薄);“浅薄”但是“不娱乐” —— 比如某些鼓吹狭隘民族主义的文章,很浅薄,并且是用来煽动仇恨的(不娱乐)。

  2. “浅薄化/娱乐化”的结果 —— 纵容你停留在“心理舒适区“:说完了“浅薄化/娱乐化”的差异,顺着这个思路再来说说“心理舒适区”。

如果你经常看视频,(由于观看时不用深度思考)你的大脑会处于非常放松的状态——也就是说:“停留在心理舒适区“。看的视频越多,停留在心理舒适区的时间就越长。

每个人都是有惰性的。你“越少“离开心理舒适区,你就“越难“离开它。这种现象可以通俗地称之为:针对“心理舒适区”的“成瘾性“。

更糟糕的是:总是停留在心理舒适区会“强化“你的“惰性“。于是你就更加沉迷于观看浅薄化/娱乐化的视频。这就变为某种“恶性循环“(恶性的正反馈)。发展到一定程度之后,即使你的主观愿望想要打破这个恶性循环,你的意志力也难以做到(因为惰性已经太强了)

  1. 更高的大脑“切换成本“:稍微看过关于“脑科学”的资料/文章,应该至少了解如下几点:
  1. 大脑由不同的区域来处理“抽象内容”与“形象内容”。

  2. 大脑难以实现高并发(所谓的“高并发”指的是:多个任务同时进行)

  3. 大脑的切换成本很高

在观看视频的过程中,大脑既要处理图像信息,还要处理语言信息和文字信息(字幕)。这本身就已经导致了某种程度的“切换成本“。这时候,你就不能指望大脑还能进行深入的思考。

  1. 更低的“时间效率“:平常看的视频很少,而且主要集中在“影视类”。也就是说:其它几类视频,我基本不接触。下面简单说一下:
  1. “娱乐类”我肯定是不看的 —— 因为毫无价值,而且纵容自己停留在心理舒适区(关于这点,前面刚提过)。

  2. “报道类、访谈类、教学类”,如果我确实要看,通常会去找对应的“文字版本“。因为阅读“文字版本”的效率“大大高于“观看“视频版本”。

“文字版本效率高”,其根本原因在于:同一段文字,用眼睛看完所需的时间“明显少于“用嘴巴念完的时间;“视频版本”会有很多“空白时间”(无对话的时间);整理成“文字版本”就可以规避这些“空白时间”。

提醒一下:对于“报道类、访谈类、教学类”的视频,其主要的信息量都包含在语言/文字中,偶尔再加上少量图片/照片。所以,这几类视频可以用文字版本(电子书)来替代,以提升效率。但对于“影视类”视频,就“没法“这么干了。所以,碰到优秀的影视类作品,还是得老老实实去看视频。

  1. 更多的“误导因素“:看视频时,我们会受到视频里面人的形象、声音、口音、语调的影响,这就是一部分的视觉形象,这会导致我们无法更客观的评价,依赖于“文字媒介“ —— 把辩论双方的话语汇总成文字。这种做法可以彻底去掉“视觉和听觉”的误导因素。

由于媒介的“形态“会直接影响你的认知,所以,在“系统化学习”的时候,你一定要选取“合适的“媒介。一般而言,你想要掌握的领域越复杂、越艰深,则媒介“形态“的重要性就越明显。

◇ 对于系统性学习,书籍是最好的媒介形态

为了说明书籍的“优势“,这里拿几种不同类型的网站(网络媒介)来对比

百科类网站:针对某个具体领域,这类网站具有“广度”的优势,但“不“具备“深度”。比如:

纳西姆·塔勒布所写的“不确定性三部曲”(《随机致富的傻瓜》、《黑天鹅》、《反脆弱》)。这是三个大部头的著作。作者从“不确定性”这个主题进行展开,讨论了非常多的内涵。

但如果你去百科类网站查阅“不确定性”相关的条目,哪怕你查的是内容最丰富的“英文维基百科”,也只能看到一个简单的页面(其内容的丰富程度,当然比不上三个大部头著作)

问答类网站:这类网站与百科类相反。某些问题的回答虽然可以写得非常深入,而且问题也可以遍及某个领域的各个分支。

但在问答类网站上,你“无法“把某个领域所有分支涉及的问题全都系统性地“汇总“出来。因此,(从实际操作而言)无法具备“广度”。

另外,虽然“问答类网站”在“深度“方面比“百科类网站”更强,但远远比不上书籍 —— 某个问题的回答,哪怕写得再详尽,也无法与书籍相提并论。

社交类网站(SNS):博客、公众号、微博、聊天工具,以上既没有广度,也没有深度。而且碎片化还很严重,信噪比也很差。对“学习“而言,SNS 简直称得上一无是处

论坛类网站:(类似 SNS)

视频类网站:最近几年开始流行“教学视频”,很多人拿它与书籍相提并论。某些优秀的教学视频,确实可以兼具“广度”与“深度”。但“教学视频”本质上依然属于“视频”,因此必然带有视频的“缺点“。

◇ 小结

基于上述的讨论 —— 对于“系统化学习”,“书籍“是最好的媒介形态(没有之一)。接下来的章节,我只从“书籍“这个形态作进一步讨论。


★ 系统性学习书籍的三种类型

对于“系统性学习“所涉及的读物,我分为三类:通俗性、入门性、专题性。

◇ 通俗性读物

顾名思义,这类读物是针对“外行“。为了达到“通俗“这个目标,这类读物“不会“包含专业术语,而且也“不“要求读者具备其它被依赖领域的知识。

举例 —— 理论物理:

理论物理这个领域是高度依赖数学的 —— 比如在量子力学中处于核心地位的“薛定谔方程”属于数学中的“偏微分方程”;再比如“广义相对论”大量依赖“黎曼空间、微分几何、张量分析”这些数学工具……

但那些写得好的理论物理通俗读物,“不“需要读者具备相关的数学背景(也就是说,任何一个“门外汉“都能看懂通俗读物)

由于上述特点,“通俗性读物”“难以“具备深度。大部分的这类读物,既无“广度”也无“深度”;少数写得好的通俗性读物,可以做到一定的“广度”。

◇ 入门性读物

一般而言,“初级教材”属于这类。“入门性读物”与(刚才所说的)“通俗性读物”,一个很重要的区别就在于 —— “入门性读物”假定你已经具备了某些被依赖的其它领域的知识。

还以刚才的“理论物理”举例:

一本理论物理的入门读物(比如说教材),作者假定你已经具备了相应的数学基础。它的“入门”是针对“理论物理”而言,而“不“是针对“数学”而言。作者没有义务再去重新解释书中用到的那些数学工具。因此,缺乏数学基础的读者,如果去看理论物理的入门读物,看不了几页就要晕过去。

通过上述介绍,你可以看出 —— “通俗性读物”与“入门性读物”对知识结构的要求有很大不同。从而导致这两者的“门槛“有很大的不同。

“通俗性读物”与“入门性读物”的另一个差别在于“广度”(系统性)。

“通俗性读物”一般不具有“广度”(只有少数写得好的,才能具备一定的“广度”)。而“入门性读物”(尤其是教材)通常会具有“足够的““广度”。

严格来讲,一本教材如果在“广度”方面阐述得不够,那这本教材就是失败滴。

◇ 专题性读物

“入门性读物”在“广度”方面是 OK 滴;但在“深度”方面,通常“不会“太深。如果你希望在该领域的某个分支具备足够的深度,这时候需要去看“专题性读物”。

顾名思义,这类读物只针对某个很具体的分支。其追求的是“深度”而“不是““广度”。一般而言,“学术论文”通常属于此类;除了论文,还有一些专业书籍也属于这类。

◇ 小结

为了直观,用一个表格汇总一下:

类型广度深度门槛
通俗性读物通常没啥广度;少数优秀的,有一定的广度没啥深度很低
入门性读物足够广深度适中取决于学科的类型
专题性读物很窄足够深通常较高

★ 如何选择书籍

◇ 基于二八原理的考虑

“二八原理“就是“因果的不对称“。20% 的原因导致了 80% 的结果;而其它 80% 的原因只产生 20% 的结果。当然,这里提到的“二八开”的比例不是绝对的,从“三七开”到“一九开”都有可能。

“二八原理“这个玩意儿真的非常具有普遍性,反映到书籍上也是如此。

任何一个领域的书籍,真正能称作“精品“的只占非常小的比例。实际上,这个比例远远低于 20%!在一些比较大众化的领域,这个比例甚至可能会低于千分之一。

为了进行“系统性学习“,你在挑选书籍时,一定要尽量确保自己看的书是“精品“。

◇ 基于多样化的考虑

某些领域存在不同的“流派/学派”。当你刚开始接触这个领域时,应该对主要的那几个“流派/学派”都有所了解。这样可以防止“以偏概全“。

另外,很多不同的“流派/学派”,会存在互相对立的观点/立场。你应该去了解双方的对立与分歧,然后就可以思考:为啥会有这些分歧?哪一边更有道理?……无形中帮你提升了“批判性思维“的能力。请注意:这个能力很重要。

◇ 基于写作风格的考虑

不同的作者,会有不同的写作风格。

如果你碰到某个比较难的领域,看了某一本“入门性读物”之后,还是一直没搞懂。建议你:去看“另一个“作者写的相同题材的书。

举例 —— 计算机算法:《算法导论》(Introduction to Algorithms)、《算法概论》(Algorithms)、《算法设计手册》(The Algorithm Design Manual)这三本书都很经典,而且都是系统地介绍算法;但在“写作风格”及“内容组织”等方面,依然有很大差别。有的人看其中一本觉得很吃力,但看另一本就茅塞顿开。


★ 如何使用费曼学习法

◇ 什么是费曼学习法

这个学习法出自著名的理论物理学家理查德·费曼(洋名叫做“Richard Feynman”)。所谓的“费曼学习法”,如果用一个词来概括,就是“以教促学“。

假设你正在学习某个领域,为了运用该方法,你不妨假想:要把该领域传授给另一个人,并且此人在该领域的基础很差(属于该领域的菜鸟)。

前面我们已经提到了:系统性学习涉及到“三种读物“。要运用“费曼学习法”,相当于强迫自己去写该领域某个分支的“通俗性读物“。

◇ 运用及反馈

在“理想情况“下,如果你已经对某个领域某个分支达到“完全掌握“的程度,那么你就可以比较轻松地写出该领域某个分支的“通俗性读物“,并且确实能让“外行人“看懂。

反之,如果你的掌握程度还不够,可能会出现如下几种状况:

状况 1 :完全不知道从何写起。(注:这种情况最糟糕,多半说明你对这个领域还缺乏“系统性“的了解)

状况 2 :你在写这个“通俗性读物“的过程中,会经常地碰到“卡壳”。(注:说明你已经具备一定的系统性了解,“卡壳”是因为你还没完全“理顺“整个体系)。

状况 3 :你虽然很顺利地写出来,但“外行人“看不懂。(注:也就是说,你还无法做到足够的“深入浅出“)。

出现上述这些状况之后,你需要采用相应的反馈措施:

状况 1 的反馈:前面说了,这种情况最糟糕。应对措施是:你需要把“入门性读物“重新再看一遍。

状况 2 的反馈:“卡壳”的环节,也就是你之前学习过程中“缺失“的环节(你的盲点)。显然,你需要重新强化这个环节。

状况 3 的反馈:如果外行看不懂你写的“通俗读物”,你需要问对方,到底是哪个环节没搞明白。那个环节就是你的盲点。

◇ 费曼学习法的额外好处 —— 换位思考

很多聊“费曼学习法”的文章都“没有“提及这个好处。为了实践这种学习法,你需要把自己的视角切换到“菜鸟视角“。久而久之,你无形中强化了“换位思考“的能力。“换位思考“这个能力是很重要能力之一!


★ 如何在入门后进行不同分支的时间和精力分配

有些领域比较复杂——在它的内部包含“很多“分支(子领域);还有一些领域,虽然分支不多,但每个分支都具有很大的深度。

对上述这两种情况,如果你企图掌握“全部“分支,可能你的时间/精力不允许。这时候就需要作出某种“取舍“。

那么,该如何取舍捏?下面我们从两个角度进行分析。

◇ 基础性

某个领域的不同分支,可能会存在相互的“依赖关系“。在这种情况下,“被“依赖的分支处于更加基础、更加核心的地位。

举例——编程:

本文开头提到:写程序“至少“需要掌握:编程语言的语法、标准库、第三方库。一般而言,“标准库 & 第三方库”都要依赖“语法”;并且“第三方库”会依赖“标准库”。所以,从“基础性“的角度考察,“语法”比“标准库”更基础,“标准库”比“第三方库”更基础。

越是基础性的分支,你就越应该“重视“,以确保对它具有足够的掌握程度(理解程度)。这其中的道理就如同“盖楼房”。对于多层的建筑物,上层的重量需要依靠下层来承载。越下面的楼层,对其“结构力学”的要求就会越高。

◇ 实用性

如果某个分支属于“不“那么基础的“边缘性分支”,你是否需要投入足够时间/精力,取决于这个分支对你而言是否实用。

另外,“兴趣“也可以视作某种特殊的“实用”。如果你真正理解“兴趣”的奥妙及其带来的快乐,你就会明白——“基于兴趣的实用”比“基于功利的实用”更加实用。

◇ 基础性重于实用性

如今的社会风气太过于“急功近利“。导致很多人(尤其是年轻人)在学习的时候,只看“实用性”,而忽略了“基础性”。

表面上看,这些人好像节省了一些学习时间,但他们因为基本功欠缺,反而“难以“在该领域达到足够高的 level。套用一个成语就是 —— “欲速则不达“。

在前一个章节,俺提到了“费曼学习法”。那些只注重“实用性”而忽视“基础性”的家伙,在运用这个“费曼学习法”的时候,就容易卡壳。

注重“基础性“的另一个好处在于——越是基础的东西,越有可能“跨领域“。关于这点,在后面的两个章节会细谈。

★ DIKW 模型(Data Information Knowledge Wisdom)

◇ DIKW 概述

DIKW 模型(Data Information Knowledge Wisdom),首先是作为“知识管理“的理论被提出来滴。后来经历了一些演变,衍生出一些略有不同的解读。本章节的讨论,更侧重于俺本人的解读。

先看下面这张示意图,然后我的分别说明:相邻层次之间的差异。

DIKW 模型

◇ Data(数据)与 Information(信息)的区别

为了说明这两者的差别,我们以“气象站”举例。

一般而言,每个城市的不同区域都会架设百叶箱,里面的温度计会定期记录温度数值 —— 每一个数值就是一个 Data。

如果你把某个时间段所有的温度数值进行汇总,并进行一定的处理(比如:加权平均),就可以得到这个时间段的温度 —— 这就是 Information。

单个的 Data 其实没啥意义,Information 才具有意义。当你在气象网站上查到当前的气温,这是 Information 而不是 Data。

◇ Information(信息)与 Knowledge(知识)的区别

如果你汇总了某个城市连续多年的“每日气温”,那么你就可以大致得出一个结论:这个城市的气温是炎热还是寒冷,是否适宜居住。这个结论就可以算是 Knowledge 啦。

这两者的差别在于:

生命周期的长短:Information 的生命周期很短(短命),而 Knowledge 的生命周期会比较长(长命)。类似“当日气温”这种 information,很快就会被淡忘(除了专门研究气象的人,谁还会去关心多年前某一天的具体温度?)

碎片化的程度:Information 不光是短命滴,而且是高度“碎片化“滴。相比之下,Knowledge 就不那么碎片,而且 Knowledge 还可以形成某种“体系“。

关于 knowledge 的“体系“,我们可以认为是“知识树“,假如把某个领域想象成一棵树,那么分支领域就如同树枝(树枝上还可以再有树枝),而主题如同树叶。俺把这称为该领域的“知识树”。

在本文开头谈“媒介形态“的时候,我把 SNS(社交网络)说得很烂。根源在于 —— SNS 上的内容,绝大部分只是 Information(短命且碎片)。很多人终日泡在 SNS 上,除了白白浪费时间,其实没有什么收获。

◇ Knowledge(知识)与 Wisdom(智慧)的区别

对于“DIKW 模型”前三者的差别,我单纯拿“气象站”就能说得很清楚,但要说清楚 Knowledge 与 Wisdom 的差别,就需要多费点口水啦。

WHAT、HOW、WHY 三部曲

讨论 knowledge 与 wisdom 的差异,需要引出“WHAT、HOW、WHY 三部曲“

认知的过程

稍微了解“认知心理学”的网友应该知道:我们对某个事物的认识,总是“由浅到深”。虽然同样是由浅到深,但每个人思考的深度却千差万别。不幸的是,大多数人在看待某个东西(事物、问题、现象)的时候,都仅仅停留在浅层次。

为啥会这样呢?一个很重要的原因就是:大多数人不善于提问。如何才能掌握提问的窍门捏?如何才能在提问中加深思考捏?我总结了一个比较简单的提问三部曲:WHAT、HOW、WHY。通过这个三部曲,你可以一步步地从事物的表象深入到事物的本质。

WHAT HOW WHY 的步骤 —— WHAT

当我们开始了解某个事物的时候,总是先从 WHAT 类型的问题开始入手。而所谓的“WHAT“也就是“What is it?”

在这个层面,你首先要了解的,就是某个事物所涉及的:时间、地点、当事人以及该事件的大致经过。要了解这些,其实比较容易 —— 通过跟别人交流,或阅读各类媒体(网络、电视、报刊),就可以对某个事物有一个初步的、肤浅的、表面的认识。

在 WHAT HOW WHY 这3个层次中,这个层次是最简单的 —— 因为你只需运用“记忆力“即可解决。对大多数人而言,只要智力没啥缺陷,都能达到这个层次。达到这个层次虽然很简单,但你千万要记住:从 WHAT 类型的问题得到的答案,通常只反映出事情的表面现象。而表象跟本质,往往是不同的,甚至是相反的。如果你仅仅停留在 WHAT 层面,很可能会被“表象“所误导。

WHAT HOW WHY 的步骤 —— HOW

所谓的“HOW“就是“How to do?”。

“人”往往是关键因素。所以,你首先要思考的就是:当事人是“如何“参与某个事件的?(此处所说的“当事人”,可以是某个具体的人,也可以是某个群体)

当然啦,很多事物的发展,除了有“当事人”的因素,还有其它一些因素(比如:文化因素、法律因素、经济因素、科技因素等等)。所以,你还要问:除了当事人,其它因素是如何起作用的?

最后,你还要继续问:在各种因素的作用下,事件是“如何“一步步发展的?该事件内部是如何运作的?……

和 WHAT 层次不同的是,HOW 层次光靠记忆力是远远不够滴。你还需要具备一定的分析推理能力,还需要懂得查阅相关资料,才能搞明白上述 HOW 类型的问题。

WHAT HOW WHY 的步骤 —— WHY

当你能够比较透彻地厘清 HOW 层面的各类问题,就可以开始思考 WHY 类型的问题了。

所谓的“WHY“类型问题,我举几个简单的例子:某个当事人“为什么“会这么干而不是那么干、“为什么“是这个因素起作用而不是那个因素起作用、事件“为什么“会朝着这个方向发展而不是朝着另外的方向发展……

WHY 类型的问题有个特点:这类问题很发散且数量很多。因此,对于某个具体的事物,总可以提出几十个(甚至上百个) WHY 类型的问题。在这么多个问题中,只有少数几个是“切中要害“的。所谓“切中要害”的问题,就是那些会把你引向该事物“本质“的问题。

肯定有人要问,如何才能直接提出切中要害的问题?老实说,这没有捷径。只有经常思考的人,才能逐渐掌握这种“直接命中要害”的思维能力。

一旦提出 WHY 问题,接下来自然就是寻找答案。

显然,WHY 类型的问题比 HOW 类型的问题更难回答 —— 在回答 WHY 类型问题的过程中,你不但需要动用分析、推理、归纳、总结等各种思维能力,可能还要运用到跨领域、跨学科的知识。但是收获也是很大的。一旦把这些 WHY 类型的问题想明白,你就对整个事件有一个既宏观又深刻的认识。

能达到这个境界,看问题通常会比较深刻。可惜这样的人比例太低了。

WHY“之后“可以做什么?

可能有人会问:达到 WHY 境界之后,又该如何?所以我们补充一小节

当你经历了 WHY 层次之后,你可以回过头,再用 WHAT 方式“重新审视“这个事物。这时候看到的信息同你一开始用 WHAT 方式看到的信息,已经“迥然不同“啦。因为你一开始看到的是“表象“,而现在你已经能看到“本质“了。

如果你愿意的话,你还可以开始思考解决之道。

人类之所以能够从众多动物中脱颖而出,关键在于人类更擅长于思考;同样的,某个人之所以能从社会中脱颖而出,善于思考往往是重要因素(但不是唯一因素)。所以,我们不要仅仅满足于快餐文化,经常多动脑子,看问题千万不要流于表面!

DIKW 的 Data、Information、Knowledge 和 Wisdom 的转化:

系统性学习

某些关于 DIKW 的理论认为:Information 对应“WHAT 型问题”;Knowledge 对应“HOW 型问题”;Wisdom 对应“WHY 型问题”。

KM_Pyramid_Adaptation.png

我自己的理解,稍微有所不同(有点小分歧)。差别在于:

(我怕认为)Knowledge 既包含 HOW 也包含 WHAT。比如上述关于气温的例子。“某城市的气温是否宜人”,这显然属于“WHAT 型”,但又属于 Knowledge 层面。

如果“WHAT 型”既可以是 Knowledge,也可以是 Information,那么如何区分呢?(我认为)差别在于“问题的生命周期”。如前所述,Information 的生命周期很短,因此只能回答“短命的 WHAT 型问题”;而 Knowledge 可以回答“长命的 WHAT 型问题”以及“所有的 HOW 型问题”。

Wisdom 对应于“WHY 型问题”。“WHY 型问题”的档次明显要“高于“另外两种类型的问题。如果你能回答某个领域某个分支的“WHY 型问题”,说明你“真正理解“了这个分支。

单一领域 VS 跨领域

关于 Knowledge 与 Wisdom 的差异,还有一个就是“领域相关性”。

通常而言,knowledge 附属于某个特定领域;而 Wisdom 则不然 —— 有些 Wisdom 属于单一领域,还有一些则跨领域。显然,后一种 Wisdom 比前一种更重要(更有价值)。


★ 什么是跨领域的智慧

为了说明“跨领域“的智慧,我举几个例子

◇ 举例:间接路线战略

著名的军事理论家李德·哈特写了一本《战略论——间接路线》。他被誉为“军事理论教皇”,其影响力堪比卡尔·冯·克劳塞维茨。而此书又是他的“代表作“。所以,这本书显然符合我前面章节提到了“二八原理“。

作者在书中介绍并分析了很多军事史的案例/战例——这些例子属于前面所说的 Knowledge;最终,作者从这些历史上的例子,总结出“间接路线战略“的运用 —— 这就属于前面所说 Wisdom。

这本书通篇都在强调“间接路线“的重要性,并举出历史上很多重大战役作例证。从表面看,这个理论属于“军事领域”。但实际上能运用到很多其它领域。

MySpace VS Facebook

在 2006 年之前,MySpace 还是社交网络的老大,而 Facebook 只是新来的小弟。但是情况在 2006 年开始逆转——现在的 Facebook 如日中天,而 MySpace 已经彻底废掉了。造成这种逆转有很多原因,其中一个重要原因是,MySpace 在2005年底被默多克的新闻集团(News Corporation)收购。

收购 MySpace 之后,默多克急于从它身上赚到钱,定下了很高的盈利指标。为了达成盈利指标,MySpace 页面上开始充斥大量的广告,使得用户体验显著恶化;与之对比,当时的 Facebook 老板扎克伯格(Mark Zuckerberg)强调“不急于赚钱”,Facebook 的广告策略比较收敛。

默多克急于赚钱,采用“直接路线”,结果把前途大好的 MySpace 葬送了。他事后承认:收购 MySpace 并没有买错,只是没有管理好。

易趣 VS 淘宝

前面说的是“直接路线”失败的例子。再来说说“间接路线”成功的例子。2004 年的时候,易趣占有 C2C 90% 的市场,处于垄断地位,而淘宝只是 2003 年刚刚成立,尚不成气候。

马云的狡猾之处在于,他没有急于让淘宝赚钱。当时淘宝的运作属于赔本赚吆喝 —— 不但要砸进去很多市场推广费用,而且不收交易手续费。列位看官可别小看了这个“免交易费”,这可是淘宝的杀手锏。当年的易趣要收交易费,所以这个杀手锏直接导致易趣的用户大量转移到淘宝。等到淘宝垄断了市场之后,单单支付宝的“浮存金”就让马云赚翻了。

假设马云急于赚钱,也像易趣那样收取交易费,淘宝多半还没做大就死掉了。

为啥间接路线更有效?

在军事领域,假设你是进攻方,选择直接路线(走直线、走近路、走康庄大道),表面上似乎占了便宜,其实不然;不妨换位思考一下,防御方又不傻,也会在直接路线上设置更强的防御力量。所以在军事史上,直接路线的失败案例反而更多;相反,历史上那些传奇般的战例,几乎全都是采用“间接路线”达成。

在经济领域,一个很容易想到的点子,你想到了,别人也想到了。所以在直接路线上,你会碰到非常多的竞争者。于是,人满为患的康庄大道反而变成羊肠小道,而人迹罕至的羊肠小道却如同康庄大道。

◇ 举例:熵

“熵“,洋文叫做“entropy”。他是一个很典型的“跨领域“的例子。什么是熵?通俗地说,就是指系统的无序程度(紊乱程度)

热力学的熵

“熵“的概念最早出自于“热力学第二定律”。该定理有两种表述方式,分别出自两位科学大牛:

克劳修斯(Rudolf Clausius)指出:对于某个“孤立“系统,热不能自发地从低温物体传到高温物体。

尔文勋爵(Lord Kelvin)指出:对于某个“孤立“系统,不可能从单一热源吸热使之全部转化为做功。

后来又出了一个科学大牛玻尔兹曼(Ludwig Boltzmann),他指出了热力学第二定律的“本质“是:对于孤立系统,其微观层面(微观粒子)的无序程度在不断增大。

可能某些同学会纳闷:为什么要花这么多口水聊“热力学第二定律”?

从上面这三只大牛的不同表述,你会发现 —— 前面两只大牛,他们的表述只停留在“表象“,而第三只大牛才真正道出了“熵”的“本质“。

一般来说,越接近“本质“,也就越接近 wisdom 层面。

信息论的熵

“熵“是“信息论”最核心的几个概念之一。最早是数学大牛香农(Claude Shannon)建立了“信息熵”的理论 —— 香农因此被誉为“信息论它爹”。

对“信息熵”的理解,有助于你理解 IT 领域的很多东东。

比如说:理解了熵,可以帮你理解“数据压缩”的原理。而理解了“数据压缩”的原理,你就能明白 —— 真正随机的数据是“不可能“压缩滴。无论未来出现多么牛逼的压缩算法,也无法压缩完全随机的数据(关于这点,可以从数学上给出证明)。

密码学的熵 —— 关于密钥生成

“熵“在密码学中也占据重要地位。比如说:密码学中的“密钥生成函数”需要引入“足够高“的熵,从而使得攻击者难以预测密钥的分布。在密码学的这个分支,熵成为某种“好“东西。

管理学的熵 —— 大企业的僵化

有很多优秀的初创公司,当它们发展到一定规模之后,就会出现这样那样的问题(弊端),变得僵化、失去活力。

这里面当然有很多原因,而其中一个原因可以归咎于“熵增大“。 当一家公司规模较小(只有几十个人)的时候,你要想让公司整体保持在“低熵“水平,还比较容易;但在规模扩张到几万人之后,再想保持原有的“低熵“水平就变得非常非常困难。

从理论上讲,公司可以通过“换血”的方式,降低整体的熵。这很类似于热力学系统中,把“高熵”的物质移出系统,并移入“低熵”物质,以此来降低系统整体的熵。可惜的是 —— 很多事情,从理论上讲很简单;而一旦应用到“实践“层面,就很难操作。

政治学的熵 —— 系统的僵化

每一个政治实体,对应一个“系统”。如同“公司”的情况 —— 越庞大的系统,要让整个系统保持在“低熵”水平就越困难。

所以,越庞大的系统,通常也就越僵化、越低效。

历史学的熵 —— 治乱循环

中国的古代史,大体上是朝代的循环史。史学家称之为“治乱循环”。导致这种“治乱循环”的原因当然有很多,而其中一个原因在于“体制本身的崩溃”。

系统一旦变得庞大,就会倾向于变得更加庞大。

一方面,系统越大,就会越僵化、越低效;另一方面,系统越大,消耗的社会资源就越多。到每个朝代末年,“系统”被自身的重量压跨了。

本文由作者按照 CC BY 4.0 进行授权