《范围：为什么通才能在专业化的世界中取胜》笔记

一、不赢起跑线的人

作者是科学作家戴维·爱泼斯坦（David J. Epstein）。

书名中这个“范围”的意思是认知的范围，也可以说是你思维的射程。这本书说的是“通才”和“专才”的关系。

现代世界的分工越来越细，在几乎每一个领域，能直接受到奖励的，都是专才，你的射击范围有多广并不重要，重要的是你射得够不够准。这是一个要想让人一眼就能看出来你厉害，就得单点突破的时代。

那在这个时代里，成为一个所谓的“通才”，还有啥意义呢？咱们别着急做利弊分析，先谈一点价值观。

想象有一天，你在中国著名的音乐殿堂，哈尔滨大剧院，观摩了一场最高水平的音乐比赛。参赛选手是中国最厉害的青少年演奏天才，他们的技法无比纯熟，一看就是多年苦练的结果。有些高难度的演奏技巧，据说全世界会的人都不多。最后赢得冠军的这位少年居然只有十五岁！他将代表中国参加伊丽莎白女王国际音乐竞赛，人说他的前途不可限量。比赛结束之后记者现场采访了冠军的父母，他们说这孩子从四岁开始每天就要至少练琴四个小时，他们为他的成就感到欣慰，并且期待他继续努力，将来成为郎朗那样举世闻名的钢琴家……

请问，你羡慕这位冠军吗？你希望自己的孩子成为这样的人吗？

我佩服他的努力。如果他真的能成为另一个郎朗，我会为中国又出了一位世界名人而感到很高兴。但是我并不羡慕他。我羡慕的是另一种人。

比如有个作曲家，年轻的时候经历坎坷，走过很多弯路，犯过错误。他不甘于平凡，曾经看不上周围的一切，但是不知道自己又能做些什么。他练过琴，可是对参加比赛不怎么热衷，甚至认为每天四个小时练一首曲子的行为是无法忍受的……直到某一时刻，他终于领悟到音乐的意义，他觉得这个是他该干的事儿，他开始自己作曲……

哪怕这位作曲家不出名，我也羡慕这样的人。从观众的角度，我们看音乐比赛都是居高临下的态度，你们尽管竞争，我们只挑最后胜出的那个……而且说实话，冠军跟第五名其实没有什么本质差距，很多胜利无非是运气好。不过没关系，运气好不好也是你们的重要属性。

但是对这位作曲家，你可不能居高临下。并不仅仅是因为作曲家有原创的东西，能把他和别人立即区分开，更重要的是，这种对世界有过深入思考、又把这些思考融入作品之中的人，你会感到他一个“人物”。他不是演出的工具。他厉害不是他的某一项技艺厉害，而是他这个“人”厉害。你见到这样的人就会想，也许他不管干什么都会很厉害。

那这样的人厉害在哪呢？咱们看看《范围》这本书是怎么说的。

0x1：天才儿童和多面手

2006年，体育界的两个传奇人物，泰格·伍兹和罗杰·费德勒见面了。一个是高尔夫球一个是网球，都是绝顶高手。后来费德勒回忆起这次见面，说那是一个非常难得的经历，因为那是他第一次遇到一个和他一样对战无不胜这种感觉如此熟悉的人……但费德勒也注意到，两人的经历很不一样。

泰格·伍兹是绝对的神童，从小就赢了起跑线。伍兹十个月大的时候就非得玩高尔夫球杆，他爸爸不得不专门给他做了一个。两岁，因为会打高尔夫球而上了电视节目。三岁，在青少年组九洞的比赛中打出了48杆的成绩，只比标准杆多11杆。四岁，就专门在球场找成年人打，还能赢他们的钱……泰格·伍兹的丰功伟绩咱们就不多说了。

费德勒不是神童。费德勒从小什么球都玩，只要是球他就喜欢。他妈妈是个业余的网球教练，但是不愿意教他打网球，因为他的击球动作很怪，他妈妈看了受不了。费德勒打网球比赛的时候，他爸爸宁可和旁边的人聊天也不看他。费德勒的父母完全没有把他当天才儿童定向培养，对他的要求只有一条：不作弊就行。

费德勒玩到十一二岁，才决定在足球和网球之间选择网球。教练看他打得好，想让他跳级跟高年级的孩子一组，费德勒拒绝了，理由是我打网球就是为了和朋友们在一起，我们打完球还能聊聊别的，我不能离开朋友……一直到十六岁，费德勒才开始真正的专业网球训练。

结果是他成了有史以来最成功的网球运动员，曾经连续237周排名世界第一。费德勒起步比别人晚，但是职业生涯却比一般人都长，37岁了仍然在打球。

你愿意当泰格·伍兹，还是费德勒呢？

0x2：刻意练习应该从几岁开始？

泰格·伍兹是“刻意练习”的招牌人物。我们都知道刻意练习的关键在于练什么和怎么练，但是练习时间也必须保证，想要成为高手，通常需要至少10年、或者一万小时的练习时间。

下面这张图统计的是精英运动员和“准精英”运动员每周投入的训练时间，

对比很明显。在15-18岁的时候，精英级运动员每周的训练时间达到14个小时，准精英运动员则只有 9 小时，练习时间都不够，难怪他们不是真正的精英！等到 18 到 21 岁，这些准精英的训练时间更是降低到了6 小时，等于是放弃了。我以前看到过对音乐学院学生的研究，结论一样：越是高水平，刻意练习时间越长。

但是，爱泼斯坦这本新书，发掘出来一个新料。过去的研究者只统计了 15 岁以后的训练水平，并没有关注精英选手在 15 岁“之前”是怎么练的。是都像泰格·伍兹一样，早早地进入专业训练，去赢起跑线吗？

不是。下面这张图是上面那张图的前传：15岁之前，精英的训练时间不但不比准精英长，而且比准精英短，

也就是说，费德勒，才是更有代表意义的典型。

可能泰格·伍兹本人是个特例，也可能高尔夫球这个项目是个特例。更普遍的故事应该是这样的，从前有两个孩子，A 和 B。A 的父母很早就给他安排了专门的训练，目标非常明确；B 有点三心二意，有时候练练这个有时候玩玩那个，并不知道自己将来要干什么……A 的训练时间一直都比 B 长。

可是到了 15 岁这一年，两人都变了。B 选定了自己的方向，他开始有针对性地刻意练习，每周练 14 个小时都没问题。可是 A 的训练时间却开始减少了。此后 B 一路上行成了精英选手，A 则最终放弃了这条路。

这是因为啥呢？

0x2：你的尝试期

爱泼斯坦认为，费德勒成长的关键在于，他有一个“尝试期”。在正式选定训练项目之前，费德勒有好几年的时间尝试各种感兴趣的项目，训练并不需要有多严肃，关键是好玩。

对英国一个寄宿制音乐学校的研究表明，

• 那些被判断为出类拔萃的学生，小时候一般会接触至少三种乐器，到后来才选定一种；
• 而水平一般的学生，则是从小就选定了乐器。
• 更有意思的是出类拔萃学生的平均家庭状况，以对音乐的投入程度而论，比一般水平的学生要“低”一些。

换句话说，那些特别懂行、从小就帮孩子选定了前程的家长，培养出来的并不是出类拔萃的孩子。

爱泼斯坦特意拿前几年轰动一时的《虎妈战歌》这本书做了反面教材。该书作者、耶鲁大学教授蔡美儿，给自己的两个女儿立下各种严格的规矩，其中一条就是除了钢琴和小提琴什么别的乐器都不许玩。两个女儿从小严格练琴确实练得不错，但是 13 岁这一年，二女儿 Lulu 终于抗争，再也不练了，因为小提琴是妈妈给她选的，不是她自己选的。

你看这跟咱们以前讲的《早教军备竞赛的科学结论》是不是正好对上了。强制性早教可能能赢起跑线，但是后劲不足。该玩的时候可以玩，一直做自己喜欢的事，长大才能突破。

有些人不同意这个理论，说费德勒那是网球，有些项目就得从小猛练才行，比如足球，难道不是八、九岁就得练好基本功吗？但是爱泼斯坦引用针对 2014 年夺取世界杯的德国队的一项统计研究，说其中很多球员都不是从少年开始就猛练，他们在十几岁的时候，训练时间跟业余球员差不多，有的一直到 20 岁才开始发力成为精英。

而且这个规律还不仅仅适用于体育和音乐。有很多职场上的成功人士，比如后来成了强力 CEO 的，往往是大器晚成，尝试过很多种工作。有的转业军人退伍以后才去念大学，跟着一群比自己年龄小、甚至可能小很多的人在一个课堂里学科学知识，结果后来成了很厉害的科学家。

美国还有个统计发现，那些增长最快的创业公司的创始人，他们在创业时候的平均年龄，是45岁。

这些人没赢起跑线。而不赢起跑线给他们带来了至少两方面的优势。

• 一个是尝试期。对大多数人来说，刻意练习是个一点都不好玩的事情。如果练习内容和练习方法都正确，那剩下的就是比谁能坚持下来，往往是只有真正热爱这个项目、靠内部驱动的人能坚持下来。有一个尝试期，尽可能多尝试一些东西，等到自己心智成熟了再主动选择一个方向深入下去，这样的人才有内部驱动。我们想想，如果一个转业军人，放着立即就能挣钱的工作不干非得去学物理，他肯定不是为了找工作或者结婚才这样，他肯定非常喜欢物理学，遇到什么难题他一定不会轻易放弃。
• 第二个优势则是认知上的。尝试过很多项目，做过很多领域的人，他的思维水平会不会比别人强呢？如果一个孩子为了能跟朋友们谈论电影而放弃在网球课上跳级，你难道不觉得这孩子有点思想吗？

人都说人生是场长跑，我理解这句话的意思并不仅仅是说前面跑太快后面就没劲儿了，而是后面你可能要换比赛项目，你要尝试各种不同的跑步方式，甚至改变你对“跑步”这件事的认识。

 

二、改造出来的抽象思维

所以我们先来思考一个问题，

有一种射线，只要以一定的强度照射在肿瘤上，就能把肿瘤给杀死，等于是可以用来治疗癌症。现在问题在于，射线到达肿瘤之前肯定会先接触到患者身体的其他组织，那就会把好的组织也给杀死。可是如果把射线强度调低一点，好的组织能不被伤害，可是对肿瘤就也没用了。那有没有一个什么办法，不用做手术开刀，既能让射线杀死肿瘤，又不会伤害其他组织呢？

我相信有很多读者知道答案。这个问题在1980年代被心理学家拿来做测验的时候，只有10%的人立即想到了解法。如果你没想到解法，你先慢慢想，与此同时我给你讲个故事。

从前有一个将军，要攻打一座城。攻城需要很多士兵同时发动进攻才好。可是这座城周围的道路都很窄小，并不适合大军通过。这怎么办呢？将军知道通往这座城的道路有很多条，于是他把士兵分散开，以小队的形式从不同的道路出发，按照约定时间一起到达。结果就把城给攻下来了。

听了这个故事以后，想出前面那个问题解法的人数，上升到了 30%。万一你还没想明白，我再给你讲个故事。

从前有个房子着火了，可是消防车来了一看附近没有消防水管，只好发动邻居们到不远处的一个湖中取水。大家有的拿桶有的拿盆，弄来一点水就往房子上泼一点，但是效果不太好。这时候消防队长说，你们把水取来先不要动，听我命令大家一起泼水！这招果然好使，火势立即就被压制下去了。

听了这个故事之后，想出解法的人数比例上升到了50%。

答案是用若干束低强度的射线从不同的方向照射肿瘤。因为射线强度不高，所以不会杀死途中路过的身体组织；而因为在肿瘤上汇聚的多个射线加起来的强度够高，所以能杀死肿瘤。这个原理就好像用放大镜汇聚太阳光一样……其实这就是现在有不少医院使用的“伽马刀”。

这个答案本身并不重要，我们关心的是寻找答案过程中使用的思维方式。从这个故事中，我们可以得到两点启发，

• 我们深受思维定式的影响，一听到「射线」，想当然地就认为只能是单束的东西，而我们只能围绕这个单束的东西进行创新，思维陷入一个定式轨道中了，很难挑出来进行抽象思考
• 类比是一个很好的思维方式。用类比解决问题，是把一个领域的思想，运用到另一个领域中去。

思维定式我们今天不谈了，我们这章主要来讨论一下类比的事情。

你专门学过用类比解决问题吗？你应该学，因为这并不容易。

0x1：苏联往事

1920到1930年代，苏联在全国范围内搞了个现代化大生产运动。中央政府把工作组派到各个边远地区，成立集体农庄。现在乌兹别克斯坦所在的某些地区，当时还是原始农业，那里的人从来没过过集体的生活，是这场现代化运动中被改造的对象……这个大场面给心理学家提供了一个天然实验。

当时一个很年轻的苏联心理学家，叫亚历山大·鲁利亚（Alexander Luria），专门对改造前和改造后的当地人做了一系列的测试。我敢说你绝对想不到集体改造能对人有下面这样的影响……

• 有个测试是，一些羊毛线团，让你按照蓝色、红色和黄色这三种颜色，把这些线团给分个类。对现代人来说这非常简单，但是原始农业社会的人就不会做这个分类。比如有的线团是深红色，有的是浅红，在我们看来都是红色；但是在他们眼里，那明明是两个不同的颜色，怎么能分成一类呢？
• 再比如几何图形。让你判断一个东西的形状是三角形、正方形还是圆形，你觉得很简单。可是对原始农业社会的人来说，用实线画的正方形和用虚线画的正方形，明显是两个不同的东西！他说实线正方形像是地图，虚线正方形像是手表，地图和手表怎么能分到一起呢？还有空心的圆和实心的圆，他们也无法认同那都是圆形。
• 还有一种题是这样的，给你几样东西，让你看看其中哪个东西和其他几个不属于同一类。比如一张照片里有好多个大人和一个孩子，在我们看来显然小孩和大人不是同一类。但他们会说这么分不对，那个孩子和大人们是一家人，你怎么能把一家人分开呢？
• 再比如说下面这四种东西：小鸟、步枪、匕首、子弹，我们一看小鸟肯定不是同一类的。而他们说，你要打鸟，就需要用到步枪和子弹，然后你还要用匕首把鸟切开才能吃，这四个东西明明是一起的啊？

这些原始农业社会的人的一切思维，都是基于自身经验的。而鲁利亚发现，只要经过一点短期的培训，让他们在集体农庄工作一段时间，他们就能迅速掌握现代人的思维方式，就能完成上面说的那些测试题了。

这就是教育的作用。教育带给我们最基本的能力，就是能思考一些不是来自自身直接经验的东西。学习任何书本知识，你都得能想象一个你身边没有的东西。教给你一个规则，你得能把它用在你没有经历过的事情上。

这就是抽象思维。众所周知有个现象叫“弗林效应（Flynn effect）”，说在过去这一百年内，人的智力水平一直在提高，换算成标准智商相当于每十年会提高3分。那这个提高是哪来的呢？最明显的进步就是抽象思维能力。

有抽象才有类比。

0x2：开普勒的类比

一般人看东西是关注不同点，而高手则善于发现两个很不一样的事物之间的相同点。

表面上看来，攻城、救火和治疗肿瘤是三个完全不同的领域的事儿，但其实它们背后的思维模型是一样的。世界上的学问从来都不是严格按照学科分类的，跨界的类比有利于你解决难题。

爱泼斯坦特别举了天文学家开普勒的例子。16世纪末，年轻的开普勒已经接受了哥白尼的日心说，他相信行星是在绕着太阳转。但开普勒可不是相信就完了，他试图理解这件事情。

开普勒观测发现，行星距离太阳越远，它的运动速度就越慢。可这是为什么呢？当时的主流思想，说行星之所以会在天上运动，因为它们背后都有一个小精灵在推着它们走。开普勒不太认同小精灵这种东西，他就想，难道是因为距离远，小精灵的力气就变小了吗？这似乎是小精灵的一个性质。

开普勒就开始类比，有什么东西是距离越远，强度越弱的呢？他首先想到的是气味和热量。你距离一个东西越近，它的气味和热量就越强，越远就越弱，对吧？那么开普勒就想，是不是太阳发出的光和热，在推动行星运动呢？他否定了这个类比，因为他知道在有日食的时候，太阳的光和热被挡住了一些，可是地球的运动没有任何变化。这说明推动行星的应该是某种具有穿透性的东西。

当时正好有人在研究磁力，磁力是有穿透性的，那是不是磁力呢？如果是磁力，那为什么只有吸引没有排斥的现象呢？开普勒还设想了也许宇宙空间中遍布着某种“水流”，以太阳为核心形成了一个漩涡，而行星是在漩涡中旋转，但是细想也不对。

最后开普勒判断，一定是太阳对行星有一种牵引的力量，而且行星越大，那个牵引的力量就越强。而且他还正确地推断出来，地球上之所以会有潮汐现象，就是因为月亮对地球上的水的牵引力……

请注意当时的人没有“万有引力”的概念，牛顿的学说要等到将近一百年后才会出来。开普勒获得这样的见识，仅仅是通过类比！

0x3：类比的入门和精通

苏联农民看不到深红和浅红的共同点，而开普勒却能把日常生活中的事儿类比到遥远的星体上去。心理学家认为，跟开普勒相比，普通人的类比能力并不比苏联农民高很多。

比如下面这六件事情，你能不能把它们给分个类，

• 1、经济泡沫
• 2、北极冰川融化
• 3、美联储调节利率
• 4、人的身体出汗
• 5、不同的商品相继涨价
• 6、大脑指挥身体做动作

对美国西北大学的学生测试表明，如果是按照学科分，所有学生都能分的很好，我们都知道

• 1、3、5 是经济学问题
• 4、6 是生理问题
• 2 是自然环境问题

但要是按照这些事情的内部机制分类，就只有少数有跨界学习经历的学生能分好。

• 事实上 1 和 2 都是正反馈现象
  • 买东西的人越多经济越好，经济越好买东西的人越多
  • 冰川越融化吸收阳光越多，吸收阳光越多冰川越融化
• 3 和 4 都是负反馈现象
  • 美联储加息防止经济过热
  • 皮肤出汗防止身体过热
• 5 和 6 都是连锁信号传递
  • 石油涨价导致日用品涨价
  • 大脑神经信号传递到四肢

能看出这种深层思维结构，才谈得上举一反三。但是一般大学生没有这个水平，他们就好像那些苏联农民只知道自己亲身经历的事情一样，只理解自己专业的那一点知识。

而哪怕是本专业的事儿，换个没见过的议题他们也不知道该怎么办。有人拿学习国际关系的大学生做了个实验，说假设现在有个跟美国友好的国家遭到了敌国的入侵，请问美国应该如何应对。实验人员把学生被分成两组，给他们分别提供一个美国历史上遇到类似事情的做法，并且说明这仅供参考。

结果，

• 如果学生拿到的参考事例是罗斯福当初的做法，美国为了盟友而开战，他们给的建议就是开战。
• 如果学生拿到的参考事例是越南战争，他们的建议就是把相关人员撤离就行。

他们服从了自己遇到的第一个类比。

类比思维的规律是，你能想到的类比越多，你的判断就会越准确；你能想到的类比越遥远，你出的主意就会越有创造性。

那些最有创造性的科研小组，成员都是来自多个不同领域，一开组会分析问题总能奇计百出火花四射，总能从各个临近领域借鉴解决方法。而那些创造力最弱的组，则都是由经过相同训练培养出来的人组成。

现在学科越分越细，我感觉能称得上是“大人物”的科学家越来越少了，剩下的都只能算是“科研工作者”，大部分人只知道自己做的那一点点事情。但是能跨领域思考、有高级类比思维的人仍然存在。

有研究说，一般科研工作者的业余爱好水平跟普通老百姓没啥区别。但是学术水平越高的科学家，就越有可能在学术工作之外发展个什么业余爱好，而诺贝尔奖得主有诸如演员、舞蹈家或者魔术师之类业余爱好的可能性，比一般科研工作者要高……22 倍。诺贝尔奖得主不是靠什么从小养成的“坚毅力”得奖的。

 

三、学习的快功与慢功

咱们还是先来思考一个问题。

从前有个年轻人叫小林，一心想要成为武林高手，前往名门正宗，华山派，拜师学艺。华山派正在开展教学改革实验，对新收弟子搞了个随机分班，小林被分到了岳师父门下。小林学了一阵就感觉师父教得很慢。岳师父总爱讲一大堆理论，还爱东拉西扯，甚至聊什么“武侠文化”；课程的针对性也不足，明明上午讲的是一个招式，下午考试考的却是另一个招式。可是隔壁师叔带的那个班就进度良好，每次考试的成绩都比自己这组高。特别隔壁有个小师妹，据说还是岳师父的女儿，一招一式如行云流水般连贯，真是漂亮。

小林心怀怨恨，他认为岳师父不教真功夫。可是大师兄对他说，咱们这一组练的是慢功，隔壁是快功：快功进度快但是缺乏内涵，咱们慢功也许输了现在，可是一定能赢得未来。

你觉得大师兄说的对吗？世界上真有这种输了现在赢得未来的功夫吗？

这个故事当然是编的，但是它有坚实的研究基础，代表一个普遍的学习规律。2017年，美国教育经济学家格雷格·邓肯（Greg Duncan）领导了一项大规模研究，专门提出了一个儿童早期教育的问题，叫“凋零效应（fadeout effect）”。

这个规律是如果你快速给学生灌输一些知识，的确能让他们迅速获得一个成绩优势，但是，这个优势总是保持不了多久就凋零了。别人终归也会学到那些知识，而你这边后劲不足。

那这是为啥呢？研究者认为，这是因为能突击灌输的知识，都属于“封闭式”的技能，也就是说都是一些按照规定动作操作的流程。这种知识包教包会，但是缺乏累加作用，不能成为后面继续进步的基础。要想让人没那么容易赶上你，你需要掌握的是“开放式”的技能，这种技能能跟别的知识发生连接，有复利效应。

但是开放式的技能学得慢。这一章我们要说四种真正有效的学习方法，他们的共同特点就是慢。你会意识到，输了现在赢得未来的功夫，才是真功夫。

0x1：哪种老师好？

美国空军学院是个很大的教学机构，每年培养很多学员，教学严格而且非常系统化。学员都是军人，但是要学非常正规的高等数学以及科学和工程各方面的课程。所有这些课程的基础是两个学期的微积分，一个叫“微积分 I”，一个叫“微积分 II”。有经济学家，专门对空军学院教微积分的方法做了一番研究。

空军学院先把学员随机分成几个班，每个班讲课的教授不同，但是考试题目和评分标准是完全一样的。而且上完微积分 I 之后还会再随机分一次班，再上微积分 II。这个制度特别容易看出来哪个老师教得好，哪个老师教得不好。

这些老师可以分成两类。

• 第一类老师特别善于让学生考出好成绩。他把课程讲得很顺，知识点有板有眼，解题操作流程清清楚楚。学生完全知道自己在课堂上得到了什么，练习非常有针对性，考试的时候也是充满信心。第一类老师教的，是快功。
• 第二类老师教的却是慢功。他经常给学生们讲一些规定内容以外的东西，比如把微积分思想和物理学的知识联系起来。他希望学生对微积分能有更深入的理解……而这些都不能直接用在考试上。学生听了课，回去做练习题，都得自己现场想办法解决，因为老师没有搞针对性的套路训练！可想而知，这些学生的考试成绩就不怎么好。

学生们给第二类老师的评分也不高。也许学生想的是我们都是军人，又不是想当数学家，你为什么不能把课程讲得顺溜一点呢？学生们普遍更喜欢第一类老师。

但是，经济学家用数据证明，喜欢给知识建立连接的第二类老师，教的才是真功夫。研究者关心的不是学生们在“微积分 I”中的考试成绩，而是他们是不是真的掌握了微积分，而这体现在学生们在后续课程，比如微积分 II、以及会用到微积分的科学和工程课程中的表现。结果非常明显，第一类老师教出来的学生在后续课程中遭遇了困难；而那些第二类老师教出来的学生，在后续课程中反而表现很好。

这个现象并不仅仅发生在空军学院。意大利的一个大学也做过类似的研究，研究者观察了1200个大学生，发现那些被学生评价不好、没有让学生考高分的大一课程的老师，他们教出来的学生在后续的学习中反而表现更好。

有的老师教应试技巧，有的老师教真功夫……连学生都喜欢第一类老师，他们是不是已经忘了，学习的目的不仅仅是为了考试。

这里对「快功」和「慢功」再多做一些引申思考。

我们所处的世界不是非黑即白的，在大多数时候，快功和慢功都是需要的，我们需要搭配地使用快功和慢功。比如你刚刚接触一个新的学科、领域、项目，你此时需要快速上手，你需要即战力，你需要快功，先学一些招式然后马上投入实战中，在实战中不断磨炼自己对快功的深刻理解。随着战斗的进行，你逐渐稳住了阵脚，你有了一些时间开始思考一些更底层的东西。此时你需要的是慢功，你需要进行抽象思考。

0x2：直接练和交替练

对有经验的老师来说，想要让学生学得又快又能在考试中取得好成绩，那是比较容易的。最好的办法就是直接练习：教一遍操作规则，然后马上用这个规则去做练习。

比如今天讲的是数学，那就分析一种题型，总结一个解题套路，讲完课马上让你做十道相同题型的练习题。你会做得非常得心应手，第二天马上测验这个题型你的成绩肯定好。

可是我们想想，真实生活中的问题是这样的吗？比如你今天下午会在工作中遇到一个难题，你能先在上午学学这方面的套路吗？不可能。问题都是猝不及防的，有的是你从来没见过的新题型，你需要的不仅仅是怎么操作哪一招，你先得能判断该用哪一招才行！

正确的练习方法是混合练习。每次练习中都应该是混合的题型，每做一道题都得临时判断该用哪个套路，这才有点学以致用的意思。

爱泼斯坦举了个例子。比如你想学习欣赏著名画家的画作，你希望拥有看到一幅画就能判断它是哪个画家的作品这种能力。一个方法是你依次学习每个画家的作品，比如先连续看 10 幅毕加索，再看 10 幅塞尚，再看 10 幅勒努瓦；另一个方法是把这几个画家的画混在一起，一个一个分别判断。第二种方法会让你出很多错，但是它更能加深你对不同画家风格差异的认识。

美国海军防空兵训练搞过一次研究。学员分成两组，第一组是直接分块练习，也就是先教一个套路，然后猛练这个套路。第二组是混合练习，每次练习都是混着练，今天教的套路和今天练的套路很可能不一样。

在每天进行的测验中，我们可以想见，第一组的成绩总是比第二组好，因为他们所练即所学，所考即所练。但是在所有训练项目结束之后的结业大比武之中，因为问题都是新的，你必须自己决定用哪一招，第二组则是击溃了第一组。

这个道理有点反直觉但是同时又符合直觉。把课程分成若干块，每次学什么就练什么，这难道不是最自然的学习方式吗？真不是。这是体制化。混合穿插训练才是最自然的学习方式。

甚至有研究发现，连练钢琴都应该使用混合方法。比如我们现在要学一个高级技巧：在0.2秒之内，用左手跨越15个琴键做一个动作。研究者规定每人可以回家练习190次。有的人回去把这 190 次就只练这个动作，而有的人则是交叉练习了跨8个、12个、15 个和22个琴键……测验结果发现，用混合练习的这组人的掌握程度明显更好。

有句格言叫“手里拿着锤子的人看什么东西都是钉子”，其实说的就是那些只会演练自己那有数的几个套路而不知道变通的人。混合练习，每一次都现场判断该用哪一招，能帮你克服这个弱点。

建立连接和混合练习这两个方法都是教你如何活学活用，下面我们再说两个如何加深记忆力的方法。

0x3：测验和间隔

心理学家有个说法叫“有利的困难（desirable difficulty）”，意思是说它看起来是个困难，但是你想要这个困难，因为它能让你深度学习。有困难，才是真学习。

要加深对新知识的记忆，一个办法是先测验后学。这个知识点你还没学过，上来就测验肯定很容易答错，但是这就对了，犯错能让你的印象更深。特别是如果你的自信心特别强，你越是相信那个是对的，结果发现它不对的时候，你的印象就越深，你就越容易记住这个知识。

另一个方法有意识地设置时间间隔。这个我们以前讲过，不要追求在几天之内突击学完一个课程。你是可以做到，但学完之后你的印象不深。最好的办法是同时学几门课，今天学完这个，故意放一两天不学它，可以称之为“刻意不练习”，间隔一段时间之后再学。

几天之后回来，当你提取这段记忆的时候，你会感到有点困难，有困难就对了，这就是我们想要的那个“有利的困难”。克服困难才能深度学习。

0x4：小结

学习，真是一个有意思的活动啊。一说起来人人都知道逆境可以让人学会新东西，什么“吃一堑长一智”、什么“不经历风雨怎么见彩虹”，可是真要学习的时候，人们还是希望老师把什么东西都弄好，让你顺顺当当地考个好成绩。

殊不知“吃一堑长一智”这句话用在战略上是不可行的。一般人通常不会从自己的失败中吸取教训，我们都喜欢把失败归咎于别人……其实这句话应该用在战术上。你需要的是小失败、小挫折、小错误，你需要练习中的困境，你需要“有利的困难”。

2007年，美国教育部搞了一次大规模的研究，调研了很多老师和学生，想弄清楚到底什么学习方法是真正有效的。结果经得起科学验证的方法只有这么几个：

• 间隔
• 测验
• 建立连接

也许后发才能先至，也许慢功夫才是真功夫。也许练别的也是为了练这个，也许不练习也是为了练习。也许犯过错的人生才是真实的人生。

你想想这个原理是不是特别有意思。遭遇困难才是真的学习，这大约也是学习的门槛。因为有这个门槛，才能把行的人和不行的人分开。如果你是行的人，你会很高兴门槛是这样的。

 

四、专业化和流程化

我非常佩服爱泼斯坦的调研水平，这本书汇聚了很多最新的研究结果。其实很多道理只要一说出来咱们都能认同，但是必须得有这种过硬的研究证据支持，我们才能确信它是对的，否则的话，有时候相反的说法，你听听可能感觉也有道理。

这一章咱们把专业技能、刻意练习和“通才”的关系再说清楚一点。

你肯定听说过很多关于天才孩童的故事。比如像《最强大脑》节目，里面有些选手展现的技能真是让人匪夷所思，不服不行。但是你注意到没有，这些所谓的天才孩童，他们擅长的项目基本上都是一些“战术”层面的东西。

• 最常见的是超强的计算能力，你给他一个多位数乘法，他几乎是看着题目就立即把答案报出来。
• 有的人拥有照相机一般的记忆力，一大堆东西他看一眼就能记住
• 还有人观察特别细致，能分辨极其细微的差异
• 还有的人特别擅长魔方
• 等等

对应到现实生活中，现代“神童”做的事情也跟这些表演差不多，比如年纪很小就成了国际象棋的冠军、学会好几门外语、钢琴比赛和高尔夫之类。他们这些技能的水平，我认为我再怎么努力也赶不上，如果有相关的工作机会，我希望让他们上。

但是你见没见过以“战略”水平过人而闻名的神童呢？

• 比如一个十二岁的少年，把中美贸易战给你分析得头头是道，让你一听就想推荐让他去负责对美谈判？
• 一个十三岁的电影导演，刚刚拍摄了一部投资几亿元的战争片？
• 有没有一个十四岁的职业经理人，敢闯敢干，而且考虑问题比老领导还全面……

这些我没见过。

为啥神童都是专项人才呢？首先专项的确容易看出能力来，可测量可比较，谁行谁不行一是一二是二。我们这个时代非常乐于奖励专项人才。

但是另一方面，复合型的战略水平，似乎是不容易用训练神童的方法训练的。

0x1：专业化的问题

以前牛顿提出力学的三大定律，他写的书并不叫《行星运动的力学原理》，而是叫《自然哲学的数学原理》。牛顿非常关心，如果万事万物按照物理定律运行，那上帝该怎么算呢？不是说一切都是上帝安排的吗？牛顿并不仅仅想要一套能用数学描写的规律，他想要回答哲学问题。

达尔文的《物种起源》这本书并不像是今天的生物学论文集。它不但论证严密而且文笔优美，具有高度的可读性。达尔文娓娓道来，他考虑到作为读者可能的质疑，还在书中预留了问题和辩词，就好像是个有服务意识的科普作家一样。

以前的科学家都有点牛顿和达尔文的派头，他们不仅仅是“科学的家”。他们要考虑哲学和宗教信仰，考虑政治、自己争取读者支持。他们戴上手套能做实验摘下手套能写文章。他们注重个人形象而且善于演讲。他们是通才。

而这当然是因为那时候“科学家”根本就不是一个正经的职业。科学和奥林匹克运动一样，是绅士的智识活动，是“业余”的事业。那时候“业余”是个非常高级的词，意思是我不靠这个吃饭，我这是挑战自我，是最纯粹的追求。

今天已经完全不是那样了。科学研究对大多数从业者来说是个养家糊口的手艺，他们关心的不再是哲学和信仰，而是经费和职称。他们根本不必跟公众打交道，通常只要能说服自己的同行就行。更不一样的是，他们通常只专注于自己一个小小的领域。他们中的很多人对自己专业以外的世界并没有很高的见识，不读书，所见和所知并不超出朋友圈水平。“科学工作者”，已经不再是学者了。

这当然也是不得已。人类知识已经如此之广，能把一个专业做好已经很不错了。你不能要求一个桥梁工程师懂国际政治。这是一个高度专业化的时代。今天的“肿瘤医生”并不是负责治疗所有的癌症，通常某一种肿瘤医生只负责某个器官的肿瘤。有时候医生们开玩笑，说都不知道现在有没有专门负责给左耳朵做手术的专科医生。只会专业技能的人，也能生活得很好。

趋势是这个趋势，但是也不能说专业化一点弊端都没有。专业化有时候会导致一些荒唐的事情。

爱泼斯坦认为，2008 金融危机之所以发生，就跟金融业专业化过度、各个金融机构只知道自己这一块的风险，而没有一个能把握全局的力量有关。更有意思的是，金融危机之后的 2009 年，美国联邦政府推出一个项目，鼓励银行允许购房者每月少还一点房贷，结果导致了混乱：银行负责发放贷款的部门实行了这个政策，让购房者少还贷款；可是银行负责监督的部门不知道有这个政策，看还款不足居然把房子给强行拍卖了。

那你说难道银行内部没有交流吗？有时候可能不仅仅是交流问题，而是思维方式问题。比如如果你家的收入来源比较复杂，你可能会请一个专业会计师帮你报税。而爱泼斯坦注意到，有时候政府推出一项税务改革，关于怎么用这个新规定对自己最有利，专业会计师还不如有些客户理解得明白。

这是因为专业人士的思维都成了定式。他们看到还款不足就只知道收回房产，他们报税全凭套路，他们不善于处理全新的政策操作。还有研究发现，著名商学院毕业出来的MBA，进入咨询行业工作，如果是既有流程的操作，他们的确能做得很漂亮；但是只要是应对新局面，他们就会手足无措。

咱们举个中国的例子。为什么政府花了那么多钱建好的公共设施，其中的指示牌的英文翻译，会有那么多离谱的错误呢？因为建设部门里没有高水平英语人才这个配置……更可怕的是他们可能并不认为翻译错误是个问题。

分工专业化会导致思维流程化，而流程化的东西是容易训练的。

0x2：“友好的”学习环境

流程化的东西应该怎么训练呢？“刻意练习”就是最适合的方法。你需要大量重复训练，你需要随时获得反馈，你需要一直知道什么是对什么是错，你需要掌握一大堆套路。你需要在经验中提高，而且你的确能够在经验中提高。

钢琴、高尔夫球和国际象棋，这些项目跟银行审批流程、会计师报税流程这类工作有一个共同点。用心理学家的话说，这些是“友好的”学习环境（“kind” learning environments）。规则是不变的。边界线是固定的。结果迅速展现。同样的局面反复出现。对就是对，错就是错，你收到反馈，就可以立即改进动作。这就叫友好的学习环境。

这里面的一切都有规律可循，你需要学的就是掌握这些规律。比如棋手要背很多定式，他一看棋盘上的局面就能迅速判断自己该怎么办，而他这个判断力来自经验。人类棋手下棋基本上是个模式识别的运动。泰格·伍兹打高尔夫球也是这样，遇到这个情况应该怎么打，挥杆的动作、击球的力度，这里面没有什么神秘的东西，无非比下棋更强调一点执行水平。

友好学习环境，正是神童们擅长的领域。这些领域非常适合“从娃娃抓起”，练习时间真的能变成操作水平。你只要舍得专注在这里面训练就行。

但是在另一些领域，经验就不一定能变成操作水平，那些“不友好的”学习环境。比如《思考，快与慢》的作者丹尼尔·卡尼曼发现，让心理学家判断一个年轻人将来能不能成为一名合格的军官，这个“识人”水平，就是不友好的领域。你可能见过很多人，但是仍然说不准这个人行不行。

再比如说炒股就更是这样，“资深”股民通常不是投资高手，赔钱不能让你吃一堑长一智。再比如官员，官场老油条也许擅长保全自己，但是未必就真有执政水平；有时候想要大刀阔斧地改革就非得用新人不可。

这些是开放式的、棘手的问题。这里面没有定义良好的规则，没有严格的分界线，常常没有规律，有时候做一个动作过很长时间也收不到反馈。在这些领域，经验不但不一定有用，而且还可能是个障碍。

那你说真实世界中，是友好学习环境的项目多，还是棘手的项目多呢？爱泼斯坦的说法是棘手的项目多，但我感觉低端工作中是友好的项目多，高端工作中是棘手的项目多。

棘手的项目不是练童子功就能征服的。可能你上山跟着名师苦练了十年童子功，赢了起跑线，各种套路了然于胸运用自如，然后下山一看……现在是 AI 的世界。

0x3：AI不喜欢什么问题？

人工智能很久以前就征服了国际象棋，现在又征服了围棋。但是在大约十几年前，AI已经征服国际象棋之后，但是 AlphaGo 尚未出现之前的那个时期，人类棋手曾经对 AI 有过一个评价。

这个评价是 AI 或许善于战术计算，但并不善于战略眼光。这个证据表现如果让一个人类棋手和 AI 组队参加比赛，只要双方配合得好，他们往往能打败单纯的 AI 对手。

史上最伟大的人类棋手卡斯帕罗夫，曾经组织过这样的比赛。他对此发表过很多感慨，核心思想就是机器毕竟只是工具，人类还是保留了一点战略上的优势的。毕竟战术都是底层的，而战略分很多层，人类比较擅长高层次思维。如果让人负责战略眼光判断，有时候迸发一些奇思妙想，让 AI 作为助手提供战术推演，这岂不是人机合一的好办法吗？

卡斯帕罗夫组织的人机自由组队比赛也的确证明了这一点……直到 Alpha Zero 出现，AI 彻底征服国际象棋，现在可以说人类棋手的任何建议都是 AI 的累赘。

但卡斯帕罗夫说的这个道理仍然成立！国际象棋的规则毕竟是简单的，变量毕竟是有限的。换个更复杂的局面，比如《星际争霸》电子游戏，Alpha Zero 并没有表现出完全高人好几等的水平……至少没有像在国际象棋上那么厉害。

这给了我们一个提示，也是一个希望。也许将来人的真正优势就是那些不友好的学习环境。真实世界里的决策比《星际争霸》游戏还要复杂，也许你需要心理学、经济学、历史学之类的知识才能做好一个决策，而 AI 距离理解那些东西还很远。

咱们再想想泰格·伍兹。高尔夫打得是好，但是他似乎不太擅长自我管理，一度丑闻缠身，最近才东山再起，而且还在打高尔夫。对比之下，你再看姚明，以前是篮球球星，后来是姚老板，现在是中国篮协主席，搞改革搞得有声有色！

我觉得 AI 能取代泰格·伍兹，但是不太容易取代姚明。

 

五、一边自我实现，一边自我发现

咱们先思考一个问题。如果你申请去美国读大学和研究生，除了各种成绩要求之外，你还要写一份“个人陈述（Personal Statement）”，说说为什么想学这个专业，以前做过什么，对未来有什么打算之类。那你肯定能想到，这是一个用故事打动人的机会。

经典的套路是从小时候开始讲，比如说我八岁的时候听了爱因斯坦的事迹深受感动，立志要成为一个科学家。我一直都对科学充满好奇，做出科学发现是我长期以来的梦想，我一定要实现这个梦想。

根据讲故事的艺术，你得把自己描写成一个英雄，你的经历是一段英雄之旅。你实现梦想的过程就如同挑战一个敌人。你遇到了各种困难和挫折，你战胜了它们，然后又遇到新的困难和挫折……你就这么一步一步坚持到底，一定能取得最终胜利。

这也是大学毕业典礼请的那些名人演讲最爱说的主题。他们说你要去大胆追求自己心中的梦想！不要放弃！要永不言败！

励志是励志。可是这样的故事现实吗？那些名人自己的经历是这样的吗？

0x1：匹配质量

我们知道英国其实是由四个地区组成的，包括英格兰、苏格兰、威尔士和北爱尔兰。各个地区的大学录取方式具有一定的自主性。北爱尔兰的事儿爱泼斯坦这本书没提，

• 在英格兰和威尔士，学生们在高中时代就要选定自己的专业，然后上大学只能上对口专业
• 苏格兰正好相反，学生们在大学的头两年都不需要选专业，先上两年基础课，大三再开始专业化学习。

这就给经济学家提供了一个天然的实验，可以回答一个我们关心的问题：人到底是早点定型好呢，还是晚点定型好？我们只需要对比一下这两种制度出来的大学生毕业以后的工作情况就行。

英格兰和威尔士的学生刚毕业就能拿到的工资，比苏格兰的学生要高。毕竟前者的专业化程度更高，已经在工作领域训练了好多年。苏格兰的学生从大三开始才有两年的专业训练，准备得肯定没有那么好，他们的起薪会低一点……但是苏格兰学生的工资上涨很快，用不了多久就能弥补这个早期的劣势。

而且苏格兰的学生更有可能去从事一个新兴的工作岗位，那些他们上高中的时候还不存在的岗位，比如互联网之类的工作。对比之下，英格兰和威尔士的学生更有可能去传统的行业。

不过随着时间推移，英格兰和威尔士的学生会更有可能换工作，进入一个和自己所学技能完全不同的领域。这很有意思，等于说把那么多年训练的沉没成本都放弃了。他们是宁可丢掉前期的投入，也要换个领域。

你觉得这些规律可以理解吗？爱泼斯坦用结婚打了个比方。英格兰和威尔士的学生面临的局面，就等于让你在16岁的时候决定要不要和高中同学结婚！这是不是早了点呢？这样的婚姻是不是更容易离婚呢？等将来心智更成熟一点，对社会了解更深入一点，知道更多别的选项，同时也更了解自己之后再选择结婚对象，是不是更合理一些呢？

而事实证明英格兰和威尔士的学生如果选择换工作就对了。他们得学新技能，但是统计表明，这些敢换工作的人能够很快掌握新技能，并且换工作之后，收入增长速度也加快了。

另一个研究也能证实这一点。《魔鬼经济学》的作者之一、史蒂芬·列维特，做了一个网站。如果你对什么事情犹豫不决，你可以到这个网站去投掷一个虚拟硬币：如果硬币正面朝上，你就去做那件事，如果反面朝上，你就放弃。有2186个人来投掷硬币决定自己是否应该换工作。

而事后的跟踪研究表明，那些投出正面、换了工作的人，幸福度大大提高了。这也就是说，当你不知道自己该不该换工作的时候，当你到了已经想用投硬币的方式决定要不要换工作的时候，就是你应该换工作时候。

经济学家据此提出一个概念，叫“匹配质量（match quality）”，你是在“我是谁”和“我做什么”这两者之间进行匹配。英格兰和威尔士的学生们宁可放弃那么多年学成的技能也要换个工作，说明匹配质量比早学一个技能更重要。而大学的作用不仅仅是传授技艺，更是多给了我们几年的尝试期，推迟专业分工。

这些研究告诉我们，你的梦想来得越晚，它就越值得坚持；你的梦想来得越早，你就越应该考虑换个梦想。

0x2：黑马计划

《平均的终结》这本书的作者、哈佛大学教育学家托德·罗斯（Todd Rose），跟人搞了个项目叫“黑马计划”，专门研究那些比较成功、经历又比较曲折的人，看看他们有什么共同点。

出乎研究者意料的是他们很容易就征集到了很多这样的人。

• 比如耐克公司的创始人菲尔·奈特（Philip Knight），本来想当运动员，可是运动天赋不够没当成，但是实在喜欢体育，就想做一个跟体育有关的事业。正好一个田径队的教练喜欢自己改跑鞋，他们就成立了一家公司卖运动鞋。奈特并没打算把这家公司当终身职业。他只是想做做看，如果不行就吸取教训赶紧再去干别的，结果没想到还真干成了……
• 更有意思的是一位叫弗朗西丝·赫塞尔宾（Frances Hesselbein）的百岁老人的故事。赫塞尔宾本来是一个家庭妇女，偶尔帮丈夫打理一点小生意。三十多岁的时候，因为时间充裕，去女童子军训练营做志愿者。人们一看她工作能力比较强，很善于组织协调，就请她当了训练营的负责人。赫塞尔宾本来只想临时代理一下，结果一干就是四年。这时候正好赶上“女童子军”这个品牌面临衰败，她居然被邀请担任了整个组织的 CEO，成为重量级的商界领袖……后来她又是出书又是搞教育，还成立了自己的领导力学院。
• 还有一个人，本来是按照父母意愿做个好学生，连哈佛医学院都进了，这才意识到自己不喜欢做医生……转身去做了作家。不过他学的医学也没浪费，写了一些跟医学有关的小说和电视剧。

这些“黑马”的共同特点是没有长远的目标。他们从来没有说搞个人生规划，多少岁要做到什么位置，他们只有短期的目标。他们都是走一步看一步，在新的地方学到新的东西，又看见下一个有意思的方向，就去做。

他们没有坚持“儿时的梦想”。他们没有从小固定的“我是谁”。他们始终都在发现自我。

那这样的黑马人生，能是典型的吗？

0x3：我是谁

心理学家丹·吉尔伯特（Dan Gilbert）提出一个概念叫“历史终结错觉（End-of-History illusion）”。

如果让你回顾在过去十年，你的各种喜好和生活追求有没有发生过什么变化，每个人都能说出一些来，说我已经不是十年前的那个我了，当年我喜欢的东西，现在我已经不那么喜欢了；现在我喜欢的很多东西是当年的我根本就不懂的。

但是如果让你预测一下，十年以后的你会怎么样，人们说的就都跟现在的自己差不多。

这就是一个错觉。你会变的，你只是意识不到你会变。

那我们想想，那些儿时的梦想，那些高中还没毕业就做好的人生规划，能有多大意义呢？有多少人应该在年轻时代就决定这一辈子该干啥呢？

爱泼斯坦总结说，“我是谁”，不是什么你夜深人静扪心自问问出来的。你必须尝试各种各样的事情，才能“发现”你喜欢做什么，你想做什么，你能做什么，你是谁。而且答案可以随时改变。

这么说来，我们开头讲的那个故事恐怕就过分简单了。更真实的故事应该是这样的，

我年少无知的时候有过一个梦想，认为有一件事将是我毕生的事业。可是当我真的去做那件事的时候，我发现它好像没有我想的那么有成就感。随着年龄的增长，我见识了一些更有意思的事情，我看到一个非常广阔的世界，我没想到原来世界上还有这样的事物。我有过纠结，不知道该坚持过去的方向，还是去追逐远方的新梦想。幸运的是我有勇气做出改变……我尝试过很多事情，经历过很多失败，但是我也战胜过很多挑战，每一次成败都让我学到了新东西。现在我想继续新的挑战……年轻时的我，肯定想不到我现在会做这样的事。

你看这个故事是不是更好呢？

说到这里你可能会问，人总不能一直见异思迁，那到底什么时候应该坚持，什么时候应该放弃呢？这是一个永恒的矛盾没有固定算法，一般来说，如果你觉得这件事对你来说已经完全没有挑战了，真的不适合你，而且有一个明显更好的方向在召唤你，你也许应该放弃这件事。但如果你是因为害怕了而想放弃，你就应该再坚持一下。

 

六、深度对广度

这一章的主题是专才和通才在创新方面的比较。咱们先从漫画说起。

漫画是一个成熟的行业，美国有几百家漫画公司和出版社，像 DC 和漫威都是我们很熟悉的。因为这个行业特别繁荣，经济学家就可以从中做些研究。比如经济学家可以通过销量和影视改编的情况，测量一本漫画书的价值有多大，然后可以评估每个作者的创造水平。

我还是先请你猜一猜。请问在以下这些因素之中，哪些跟漫画作品的价值有正相关？

• 1. 作者是不是一个高产的作者，他出书的速度快不快；
• 2. 作者的经验如何，他在漫画行业积累了多少年；
• 3. 这本漫画是由单个作者完成的，还是由一个团队集体创作完成的。

如果漫画是个熟练工种，特别高产又有多年经验的作者经过了那么多的练习，肯定水平更高……但事实不是这样。事实是一本漫画书的价值和作者的高产度是负相关的关系，和作者的经验则没有相关性，也就是说，那些出书频率特别快的作者出的书反而一般，而书的好坏和作者是新人还是老手没关系。

那最有用的因素是什么呢？是作者涉猎的广度。研究者把漫画分成了二十多个类型，包括喜剧、犯罪、奇幻、科幻、非虚构、成人类等等，结果发现，一个漫画作者涉足的类型越多，他出一本书的价值就越高。而如果一个作家曾经出版过至少四个类型的漫画，他就比那些工业化集体创作的团队更有创造力。

如此说来，漫画作家的创造力由广度决定。你是生手还是老手都没关系，但你最好是个多面手，而不是一个熟手。

那这是一个普遍规律吗？

0x1：遥远的连接

所谓创新，就是想法的连接。这就好像有性繁殖一样，新东西是几个现有的东西连接在一起创造出来的。连接越遥远，创新就越新颖。

比如有个著名的众包网站叫 InnoCentive。如果你们公司有个什么技术问题无法自己内部解决，你可以把问题放到 InnoCentive 上去搞个悬赏。不管是谁，只要第一个解决了这个问题，他就可以得到你们出的一笔奖金，通常是几千到几万美元。

上了 InnoCentive 的问题大约有1/3都能最终得到解决。有意思的是，解决问题的人，往往不是出题人所在的那个细分领域中的人。问题往往是被外人、用一些充满偶然的思路给解决的。

• 比如说怎么解决因为油轮泄漏产生的海上石油污染问题？是一位化学家，本身并不是研究石油的，曾经偶然看到工地施工，发现工人们用一个搅拌器一直搅动水泥去防止水泥凝固，他从这里获得启发，提出方案，结果就真的把问题解决了。
• 还有一个化学问题是被一个律师给解决了，这是一个专利律师，看过很多化学方面的专利，想到另一个领域的技术好像可以用于这个问题，结果真好使。

人们研究认为，InnoCentive 上的问题解决，往往越是外来的方案越好。

爱泼斯坦还提到一个网站叫 Kaggle，相当于机器学习界的 InnoCentive。在 Kaggle 解决问题排名第一的人，是来自中国长沙的 Dai Shubin。这个 Dai Shubin 的本职工作是“专为银行提供数据处理和分析解决方案”，但是他在 Kaggle 解决了很多诸如“如何用卫星数据判断亚马孙雨林的流失到底是自然原因还是人为原因导致的”这种问题。Dai Shubin 在访谈中说，“我不认为我的专业领域知识发挥了极大作用”，因为“想要简单地通过使用成熟的方法赢得比赛非常困难，特别是在深度学习比赛中，因此我们需要更多创造性的解决方案……”

那你可能会说，这些是不是幸存者偏差呢？凡是贴在 InnoCentive 和 Kaggle 上的问题，都是自己专业解决不了才贴出来的，那自然就容易被外人解决！有没有一个更公平的研究，看看专才和通才的创新能力到底哪个强。

还真有。

0x2：什么人最有创造力

美国 3M 公司的业务非常广，产品从工业粘合剂到医疗设备到家用电子无所不包，它拥有各个领域的很多专利。研究者从 3M 公司的专利数据中，发现了创新人才的秘密。

美国专利局把所有专利分成了450个类型，经济学家根据每个人申请专利类型的记录，就可以看出来他是哪种人才。

专才（specialist）的做法是在一个领域中深耕，他的专利申请记录高度集中于某个类型。而通才（generalist），则是讲究广度，他在很多类型中都有专利，但是并不深入到任何一个特别的类型中去。

研究者取得了 3M 公司的内部记录，能够评估每个专利带给公司的价值。结果发现专才和通才的专利水平可以说是不分伯仲，他们都不是最强的人才。

3M公司有个奖励创新的“卡尔顿奖（Carlton Award）”，相当于是公司内部的诺贝尔奖。那什么样的人最能获得这个奖呢？我们可以称之为“全才（polymath）”。

全才的特点是，他有一个自己的核心领域，在这个领域中钻研比较深，比通才深但没有专才那么深。但是全才不仅仅专注于这一个领域，他能够把核心领域中的技能运用到邻近的领域中去。他通过这样的方式能不断学习新东西，以至于最后全才涉猎的广度甚至超过了通才。全才往往可以纵横几十个专利类型！全才的创造力是最强的。

什么样的人最能创新？我们的结论是你钻研得特别深也行，或者特别广也行，最好是既深又广……最怕的就是既做不到深，也做不到广。

研究者还统计了这几种人才贡献度的演变情况。从二战结束开始的总体趋势是专才的重要性越来越强，世界的确是变得越来越专业化……但是专才的重要性在1985年就到顶了，然后剧烈下跌。通才和全才越来越重要。

此后专才的作用保持了一段平稳期，但是2007年之后，又开始下降。研究者分析这很可能是因为现在有了互联网，专业知识越来越容易被人得到，专才的稀缺性进一步下降了。

所以现在这个世界恐怕是通才已经压过了专才。而专才更严重的问题在于他们擅长的领域都是比较狭窄的，这种方向的不确定性比较低。那么结果就是竞争很激烈，而且如果你取得突破，别人会马上学过去。这可能就是很多人口中所谓的“内卷”吧，但其实这不叫内卷，这叫低水平的专才技能。

那通才是怎么工作的呢？咱们再举一个例子，说说游戏公司任天堂。

0x3：任天堂的故事

任天堂原本是个在日本卖花札纸牌的公司，这是一种赌博用的纸牌，任天堂靠享有专营权赚钱。到上世纪五六十年代，人们都不玩花札纸牌了，任天堂不得不用积累的资金探索新的业务。公司在1965年雇佣了一个电子工程师，叫横井军平。

横井军平没去大公司大概是因为学习成绩一般。不过他的业余爱好特别多，会弹钢琴、喜欢音乐、跳舞、潜水和玩具火车。当时任天堂也没有什么电子项目，横井军平只是负责一些最简单的机械维护，非常清闲。穷极无聊之下，横井军平做了一个能伸缩的机械手，自己拿着夹东西玩……

结果被老板发现了。老板说你能不能把它做成一个玩具呢？这就是横井军平的第一个爆款产品，叫“超级怪手”，卖了120万份。任天堂就此转型为玩具公司，横井军平就是公司的研发负责人。任天堂公司发现，横井军平是个有哲学思想的人。

一般的玩具公司都是追求使用最新的电子技术，而横井军平的理念却是把那些已经成熟的、甚至是过时了技术拿过来，便宜可靠，组合在一起变成一个让你意想不到的新玩具。横井军平的主要竞争优势是他头脑里的奇思妙想。

比如他有个发明叫做“爱情测试机”……其实就是一个能读取电流强度的电表。两个人手拉手形成一个闭环，爱情测试机根据穿过两个人身体的电流的强弱给一个读数，说明这俩人有没有“心电感应”，其实是由手上出多少汗决定的。爱情测试机流行一时，男女老幼都爱玩。

再比如说，当时无线电控制的玩具汽车很流行，但是价格非常贵。贵就贵在上面的无线电装置。横井军平发明了一款玩具汽车，只用最简化的无线电操控，以至于车轮只能左转，但是他把它弄成了一个绕着圈跑的赛车，会左转就够了。孩子们玩起来还挺顺手，而价格只有一般无线电玩具汽车的十分之一。

有一次横井军平坐火车，看见邻座有个人穷极无聊，在那按计算器玩。他就突发奇想，说为什么没有一个可以装在口袋里的游戏机呢？他回去就说服了老板，找夏普公司合作，要用计算器技术开发一个掌上游戏机！

计算器在最辉煌的时候，曾经卖过两三百美元一台。可是当时那个时候已经不行了，越来越便宜，利润很低，夏普正在发愁呢，双方一拍即合。一切技术都是现成的，液晶显示屏、计算系统都很便宜。这就是第一台手持式游戏机，大获成功。

这个产品最终发展成了著名的 Gameboy。在 Gameboy 的时代，市场上出现了一些高端的掌上游戏机，有彩色的显示屏，但是都打不过只有黑白液晶屏的 Gameboy。按照横井军平的哲学，Gameboy 价格便宜、结实摔不坏，进水了晾干还能用，装上AA电池能玩好多天，非常适合中小学生，横井军平知道这些人才是玩游戏机的主力。

横井军平 1997 年不幸死于车祸，他的哲学一直影响任天堂到今天。比如 Wii 这个游戏机，分辨率远低于竞争对手，但是它是第一个把原本是汽车用的加速度计和陀螺仪用在手柄上的游戏机，结果是连英国女王都玩。

说到这里我就想，咱们中国有任天堂吗？有横井军平吗？我们有多少全才或者通才式的创新人物呢？我们有没有“有中国特色的”创新哲学呢？

爱泼斯坦书中提到一个研究说，除了投入最低的那些公司之外，一个公司在研发上投入的资金多少，和创新水平之间的关系并不大。

创新并不仅仅来自更快、更高、更强的硬件，更是来自于人的思想。

 

七、工匠与学者

这本书从个人发展和工作方法这两个角度说明，在这个分工越来越细化的世界里、在这个奖励专才的时代，为什么通才将会胜出。

你也许听说过一个著名的比喻，出自哲学家以赛亚·柏林，叫“狐狸与刺猬”。专才就好像刺猬，一门心思就只知道自己的一件大事，拿个锤子看什么都是钉子；通才就好像狐狸，对各种工具都知道一点。

本来这个比喻是用来赞美刺猬的专业精神的！但是本世纪初，政治学家菲利普·泰特洛克（Philip Tetlock）通过一个历时将近 20 年的跟踪研究发现，那些刺猬式的专家常常对未来判断错误，而且经常错的离谱；反倒是狐狸式的学者因为比较灵活和谨慎，预测常常更准确。从此之后，“刺猬”、甚至“专家”都几乎成了预测界和决策思维界的贬义词，跟咱们中文互联网上把国产专家称为“砖家”差不多。

那专家该怎么办呢？这一讲咱们重点说说如何成为通才。

0x1：科技进步变慢了吗？

很多科技工作者只关心自己做的项目，琢磨发论文和申请经费。有些科学家关心国家的科技政策，他们偶尔还担任领导职务，对所在领域都有影响力。还有一些更厉害的人物，不但科研水平高、有领导力，而且对“科技进步”这个整体的事业，都有自己的看法。

如果你拥有这样的视角，你不一定会感到特别乐观。是，像史蒂芬·平克那样乐观地赞美“启蒙运动以来人类取得的伟大进步”的学者也有，那是自由主义者的主旋律，但是如果你在一线搞过研究，你真的知道科研是怎么回事儿，你会感到很多无奈。比如说，科技进步的速度，最近可能变慢了。

约翰霍普金斯大学的分子生物学教授阿图罗·卡萨德沃尔（Arturo Casadevall）就感到忧心忡忡。2015 年，他说过去这 35 年来，发达国家政府在生物和医学研究上的经费投入是以指数增长的，现在有无数的科研从业人员，可是跟 35 年前的那一拨进步相比，现在的进展根本配不上这么高的投入。

美国和英国是医学科技最发达的两个国家，特别英国还是全民有医保，而最近这两个国家的人均预期寿命不是增长，而是下降了。现在每年都有几万人死于流感，而我们对付流感的疫苗，还是 1940 年代发明的那一种。卡萨德沃尔的妈妈已经九十多岁了，她平时要吃五种药，而那些药都是 1980 年代就已经有了。说好的“二十一世纪是生物的世纪”呢？

当然你可以说以前的研究者摘取的都是“低垂的果实”，现在生物医学研究已经进入了“深水区”，搞的都是基础研究。像中国著名生物学家施一公，整天干的事儿就是拿冷冻电镜解析蛋白质结构，等将来有人把这些结构研究明白了，才好去做研发新药之类的事情。但是卡萨德沃尔拒绝相信研究者就只能做到这个水平。卡萨德沃尔认为现在之所以进步慢，是因为过度专业化。

卡萨德沃尔举了个例子。如果你整个研究生涯就只研究一种细胞，那你可以过得很不错，你容易申请到经费。但是如果你想研究比如说 B 细胞和巨噬细胞是怎么整合的，你就很难拿到经费，因为没人能看懂你的申请书！研究巨噬细胞的那一帮人并不研究 B 细胞！现代生物学研究分得超级细，连每次开会都是专门研究一个小领域的人自己跟自己开。

那么有些非常基本的问题，反而就没人研究。比如说人受了外伤会出血，那身体整体是一个什么样的反应？我们对这件事到现在还没有一个彻底的理解，因为研究血液的人和研究免疫系统的人是两拨人。更进一步，免疫系统本身也是一个巨大的研究系统，里面还有好多一般不互相往来的细分专业。

更严重的问题是，现在连美国名校培养出来的理工科大学生，都缺乏起码的科研方法训练。他们并不比普通人有更高的批判性思维能力，他们不知道科学研究是怎么运行的，他们连自己专业的研究工具的逻辑都不怎么理解。他们只会按照固定流程操作，做出什么东西来拿通用软件分析数据，然后写论文。那又怎么能指望这些人去搞什么跨领域的研究，去做出有创造性的科学发现呢？

由此看来，虽然现在从事科学研究的人是比过去大大增加了，但真正的“科学家”的数量仍然不多。学者总是少数人，多数都只是以科研为生的工匠而已。

那“学者”应该是啥样的呢？

0x2：真正的学者

如果一个人真对学术感兴趣，他不太可能只对一门学术感兴趣。一个真正的科学家想干的事儿是探索世界，他不太可能一辈子研究一种细胞。

爱泼斯坦采访了两位真正的科学家，一个是遗传学家奥利弗·史密斯（Oliver Smithies），一个是物理学家安德烈·海姆（Andre Geim）。他们都是诺贝尔奖得主，他们都是“刻意的业余者”。

所谓刻意的业余，就是专门安排一些时间去做一些自己专业以外的事情。史密斯是在每个星期六自己跑到实验室里去做一些“本职工作”以外的实验，海姆则是星期五干。这些周末研究都是没有科研经费支持的，纯粹是他们自己想干。史密斯的几乎所有重大发现都起源于星期六，而且直接给他带来了诺贝尔奖。

说到海姆的诺贝尔奖，我还听说过一段典故。海姆是因为对石墨烯的研究而获奖，而我听说，他们研究组里有个中国博士生，本来是有机会分一杯羹的。当时研究需要制备一层非常非常薄的石墨烯材料，而石墨烯的性质可以按层剥离，海姆就让中国博士生想办法。但是中国博士生没想出来，他不知道有什么高科技能把石墨烯弄那么薄。他还跟海姆说你聪明你想办法吧……

然后海姆自己想了一个办法，没用什么高科技，他用最普通的透明胶带粘上石墨烯，对折再撕开，就变薄了一倍，然后再拿胶带沾上变薄的这一层、撕开再对折撕开，就更薄了……就这么一层一层撕出来了只有一个碳原子厚度的石墨烯！

难道这种用小米加步枪打败美式装备的事儿不是咱们中国人擅长的吗？大概不是这一代中国人。

上一代中国人里有这样的人。爱泼斯坦特别提到了屠呦呦。周总理要求治疗疟疾，人们测试了 24 万种物质没找到特效药，屠呦呦从晋代葛洪，用爱泼斯坦的话说就是“四世纪的一位炼金术师”，的《肘后备急方》这本书中得到灵感，发现青蒿素。

屠呦呦没有冷冻电镜那样的高级设备，但是屠呦呦有想法。如果你搞科研忙得连书都不读了，我觉得你不太可能得诺贝尔奖。

在这个极度专业化的时代，所有科学家都得靠专业生存，但是有些科学家拒绝停留在一个专业。有些傲娇的人物几乎是强迫自己，每五年必须换一个研究领域。不是他在旧领域里没什么可干的了，是他就是想钻研新东西。

这才是健全的智识人格。

0x3：怎样不做 nerd

咱们中国有个有意思的现象是有时候“书呆子”被当做褒义词用。可能是因为陈景润的形象过于深入人心，也可能是千年科举制度的文化遗产，我们认为那些只知道琢磨自己研究的一点事儿、两耳不闻窗外事、甚至对个人生活缺乏把控能力、过度专业化了的人才，是值得赞美、钦佩和模仿的。

美国绝对不是这样。美国也有这样的人，一般被称为“nerd”，是个含贬义的称呼。美国文化不但不崇拜nerd，而且经常把他们描写成“疯狂科学家”的形象，自己瞎鼓捣一个什么东西弄出大麻烦，等着一位超级英雄出来救场。如果你只会专业技术，你不是主角。

古之学者为己，今之学者为人。知识分子不能把自己变成别人的工具，真正的学者得追求一个智识上的健全人格。卓克老师讲过讲杨振宁的事迹，杨振宁的父亲让他读《孟子》，那不是为了给搞科研做准备，什么“功夫在诗外”，而是为了培养健全人格。

我认为这才是“通才”的本质。

你读书学习，是想成为这么一种人，老百姓有什么事情搞不明白了，说“这人是个读书人，咱们应该听他的意见”，而不是说“我是书呆子啥也不懂，你们商量着办吧”。

一般通才都自己知道该怎么办。不过万一你还不是通才，这本书带给我们的也许有下面这些建议，

• 第一，别怕起步晚。什么“赢起跑线”，以自己家孩子上幼儿园的时候会做小学二年级数学为荣，那是愚昧无知。各人的起步速度不一样，长大以后比的才算数。年轻时候是个宝贵的尝试期，别糟蹋了。
• 第二，要追求一个“匹配质量”：随时想想你是谁，你做什么。但匹配终究是做出来的。
• 第三，不管你的主业是什么，都要给自己留一个“刻意业余”的时间段。
• 第四，要敢于跨界，大胆创新。在那些创造性强的领域，谁有多少年的工作经验根本不重要。
• 第五，学习的目标不是把自己变成工具，而是磨炼智识上的健全人格。

最后，作为对“专才”的平衡和安慰，让我们以我们熟悉的物理学家弗里曼·戴森的一段话共勉，

“有些数学家是鸟，有些是青蛙。鸟飞得高，能看到很广阔的数学景色，他们喜欢统一的概念，能把数学上不同的领地连在一起。青蛙住在泥地里，只能看见自己周围的花草，他们钻研细节，每次只解决一个问题。我碰巧是一只青蛙，但我的很多朋友是鸟。我想说的是，数学既需要鸟，也需要青蛙。”