Skip to content
New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

把握知识的脾气迈向学习的新途失实为什么我们所知道的一切有一半都将是错的 读书笔记 #35

Open
guevara opened this issue Sep 25, 2018 · 0 comments

Comments

@guevara
Copy link
Owner

guevara commented Sep 25, 2018

把握知识的脾气,迈向学习的新途——《失实,为什么我们所知道的一切有一半都将是错的》 读书笔记



https://ift.tt/2zLWXqh



稀客sheek




这是一本书名耸人听闻的书,这是一本内容详实严谨的书。这是一本颠覆传统认识的书,这是一本启迪创新思维的书。

很少有一本书能将观念冲突演绎的如此淋漓尽致,《失实》做到了。纵观全书,作者塞缪尔 阿贝斯曼利用他在科学计量学方面的高深造诣,将塔勒布的“黑天鹅效应”和查布利斯的“看不见的大猩猩效应”进一步拓展到知识层面,向读者阐释了一个有关事实本身的事实——也许就在下一秒,我们习以为常的事实与知识就将有半数过期。这本书用详实的数据和精彩的实例告诫世界,知识和事实已经脱离了几个世纪前的线性发展,转为爆炸式的指数发展,只有掌握了知识的“脾气”和“秉性”,才能在不断提速的学习和创新过程中掌握先机。

为什么我们掌握的知识有一半将过期

就像人们每天使用的信用卡会有到期日一样,知识同样会在某个时间节点“到期”。关心科学发展的人会发现,2008年8月24日,冥王星从行星名单上消失,也从人们惯有的太阳系“九大行星”观念中消失;同时关心金融学和心理学的人会发现,金融心理学正在成为一门更具影响力的交叉学科,并对国家、企业的金融决策产生越来越积极的影响。在《失实》中,阿贝斯曼论述了知识到期的两个主要原因,类似冥王星变成矮行星的事例,代表了知识的“衰变”;类似金融心理学的出现,代表了知识的“相变”。正是“衰变”和“相变”的综合作用,造成了传统知识的加速到期。

(一)我们所掌握的知识在不断“衰变”

1.知识有半衰期特性

在书中,阿贝斯曼借用基本粒子衰变的概念,提出了知识的半衰期。作为一名科学计量学专家,他论述衰变概念的工具自然是这门测量和分析科学本身的新兴学科。科学计量学诞生于1947年,当时,数学家普赖斯家里寄存了一套完整的《皇家学会哲学学报》,他把它们按照年份分批堆了起来,结果发现书堆的高度呈指数函数曲线增长。于是,普赖斯便开始分析各种其他的科学数据,最后于1960年得出结论——自17世纪起,科学知识便以每年4.7%的速度稳定增长着。这意味着科学数据的数量每15年就要翻一番。

基于普赖斯发现的这一规律,阿贝斯曼对多个学科进行了跟踪统计,发现现有的知识,甚至是那些人人都深信不疑的知识,正在以一种容易理解的,系统的方式发生改变。人们所知的绝大多数知识都是“中央事实”(mesofacts),即变化速率位于中间的事实,但即便是中央事实也在加速变化。如果一名上世纪七八十年代出生的人现在还在关注化学,会惊奇的发现,当前的元素周期表已经比高中时期多出了12个元素,也就是说,短短的30年间,元素总数增长了十分之一,高中的知识已经“衰变”过时。除了化学领域,其他领域的知识也在加速“衰变”,重大发现的倍增时间变为20年,医药领域的事实半衰期为45年,而经济学领域的知识半衰期更是短短的9.38年。这意味着,现代人要时刻做好心理和行动上的准备,以迎接随时可能到来的新旧知识交替。

2.知识半衰期的产生原理是长尾理论和摩尔定律

《失控》一书的作者凯文凯利提出了“生物长尾”理论,即在超级丰富但种群稀少的物种中存在着生物的长尾现象,在长尾末端,可能存在10亿个微小物种,其总和超过了那些最普遍的物种总和。阿贝斯曼发现,知识和事实同样适用于长尾理论。任何重大发现和技术的突变,都必然是无数处于长尾末端看似平凡的知识累积质变的结果。也就是说,在认识世界可能性的过程中,每一个新的小发现都能教给我们一些东西,逐渐对所处环境有了更完整的了解。

摩尔定律在知识更迭过程中更是展露的淋漓尽致。在书中,阿贝斯曼不仅针对知识的指数增长进行了论述,更进一步指出摩尔定律适用于万事万物。当事物积累发展到一定阶段后,其发展趋势必然会呈现出指数特征。近一个世纪以来,现代人越来越深刻的感受到科学技术的迅猛发展,那些几年前还停留在小说和电影中的技术,很快就变成了现实。例如上世纪七八十年代风靡世界的漫画作品《机器猫》,启迪了一代人对未来世界的想象,但仅仅过了30年,随着3D打印技术、数码摄影技术的出现,漫画中的高科技道具已经有至少31种成为了现实。1994年,美国华尔街的专家读邮箱地址“@”的时候只会说“a在圈的外面”,而现在,中老年人和儿童都已经会正确读出这个符号。再如便携存储介质的发展,从5寸盘到3.5寸盘再到光盘、u盘和现在的云存储,时间跨度也只有30年。计算机技术的年均增长率已接近200%,处理器能力的指数型进化催生出相机像素等其他领域的跨越式进步。

这一切无不意味着,现在已经不是人类“创造”知识的年代,而是人类“追赶”知识的时代。知识的井喷已经成为非常现实的问题,正如威廉 迪克逊所说,“现实不会静静地坐等你为它画像。它们不断振动,满是混乱和困惑。”

3.信息传播的特质加速了知识的“失实”

参加过晚会的人都玩过传话游戏,游戏组织者将完整信息告诉第一个人,然后依次传递下去,最后一个人说出来的信息往往和最初的信息大相径庭。传话游戏显示了错误信息传播的特点,信息科学将之称为“噪声信道”,除非有一整套错误检查机制,否则信息在人与人的传播过程中可能会失真。不幸的是,知识在传播过程中,恰恰时刻遭遇“噪声信道”的阻击。统计证明,即便在美国这样具有较高科研水平的国家,也只有20%的科学家在引用文章时亲自阅读过,即4/5的科学家在引用论据时没有检验真实性。这样的信息谬误甚至会从科学界影响到人们的日常生活。例如一位科学家在研究菠菜中的含铁量时,误将每100克含铁量3.5毫克抄成了35毫克,相当于每吃100克菠菜就能吃下一个回形针。这个抄录失误直接导致了著名动画片《大力水手》的出现,更导致了欧美世界延续时间颇长的“菠菜热”,甚至在现在,仍有大批民众坚信菠菜的神奇疗效。

知识传播的另一个特征就是它的“隐身功能”。从广义上来说,知识对大半个世界成功隐身,而重复是自然而然的结果。很多领先于时代的研究直到多年以后有人再次开始做的时候才被发现已经有前人在做,比如现代遗传学之父孟德尔在死去后多年,才有科学家在重复他的研究时发现这名牧师是这门学科的先驱者。即便是在同一时代,知识也对不同的人隐身,造成了无数同步创新的例子,例如冷战时期美国和苏联的研究经常重复、格雷和贝尔在同一天申请了电话发明专利、达尔文和华莱士同时提出自然选择说等等。

这表明,现代人在研究的时候更需要具备勘误能力和回溯能力,避免让“噪声信道”和“隐身的知识”影响真正的创新。

(二)我们所掌握的知识在不断“相变”

相变是物理学术语,意指物质在不同状态间的跃迁,例如水在固态、液态、气态之间的转变。如果将这一概念应用在知识领域,则表示知识累积到一定程度后的质变,或交叉学科的出现。

在研究知识的指数型增长的同时,阿贝斯曼发现了知识质变的规律。在数学界,两个连续创新之间的改进增长期以及瓶颈期被称为一系列稳步上升的逻辑曲线,它是一种指数曲线的变体。在现有技术存活的空间被限定的前提下,技术本身会抑制自己的生长,增长速度会在指数增长后减缓,并保持一段时间的稳定,这一数量被称为承载能力。统计说明,一项技术在达到极限并超过承载能力后,会出现一个引进新技术的机会。知识正是在这样不断叠加的过程中完成了从量到质的跃迁。这表明,人们需要引导原有的知识来创造新的知识,所以必须积累一定的知识才能学习新的东西。技术知识的基石越多,新技术提高的速度就越快。但在这一发展过程中,人们很容易出现“塞麦尔维斯反射”现象,即基于个人的世界观和兴趣点而漠视周围的变化。这也是为什么很多精英在互联网金融异军突起的时候才意识到互联网的巨大潜力。

阿贝斯曼通过研究发现,人口的数量和质量同样影响了知识的“相变”。知识的维护和创造在大型群体中更容易实现,人口增长与创新和新事实的发展是携手并进的。理论上,人口较多的国家的科学、技术和文化创新比人口较少的国家来的多。不光国家,城市人口同样影响知识的质变。城市符合生产力和创新能力的报酬递增数学关系,大城市年人均专利数量比小城市更多,并且存在一种很精确的数学关系,这种比例叫超线性,即事物的发展速度比线性速度要快。这意味着,如果城市人口翻倍,那么生产力并不是简单翻倍,而是一倍以上。专利、城市生产总值、科研预算很多领域都存在这种关系。

知识的增长在人口世代更替中得到了鲜明的体现,200年间人类的日均行程上限都在呈现指数增长,这从侧面表明,每一代人比上一代人的视野都相对更开阔。正因为创新速度不断加快,剧烈的创新重置愈加频繁。我们都已经有直接的体验,即在短短的一世代要经历多重快速变化,这在历史上前所未有,且这一趋势没有放缓的迹象。之前重大进步深入人心大约需要十年,但在最近几年这个时间已经明显缩短。

这一切都说明,知识的“相变”是必然和持续的,且这种质变会给人类生活和社会模式带来巨大影响。人们思考问题已不能仅仅着眼于未来几年,而要以几十年为基本时间跨度来思考,并随时准备好迎接知识发展的“奇点”到来。

对个人学习的启示

(一)学习不再是单纯的口号和任务,而应成为工作和生活中的“必需品”

10年前,我们用的是拨号网络;而今天,我们用的是迅捷的4G甚至5G高速网络。20年前,我们认为人工智能只会出现在科幻作品中;而今天,人工智能已经通过了图灵测试,并在围棋、国际象棋等领域中秒杀人类智能。30年前,我们认为兜里揣着百元大钞就能横行天下;而今天,我们已经被手机绑架,忘记了钱包放在哪里。也许我们无法直观感受到每一门知识的具体改变,但科学技术的加速发展已经渗透到了生活的方方面面。

世界处在不断的变化中,知识日新月异,最见多识广的人也无法跟上变化的脚步。在这样的大趋势下,学习已不再是口号,已不再是任务,已不再是负担,而是工作、生活中实实在在的一部分。对于新生代的孩子来说,新的技术已经成为他们理所应当的生活习惯。对于初入职场的年轻人来说,知识的加速“衰变”会让他们不得不时刻保持学习的斗志。对于耄耋的老者来说,掌握新知识已不再是单纯的赶时髦,而是重新融入社会的必要条件。

“一招鲜吃遍天”的观念已经和冥王星的身份一样,在指数型发展的今天,不知不觉的走到了自己的知识半衰期。国家想要富强、社会想要发展、个人想要成长,已经和学习密不可分。只有真正将学习融入个人“血液”,才能具备在知识更新大潮中的生存资格。

(二)要用最新的技术辅助学习

前几天刚刚读完丹布朗的新作——《本源》,书中提出了一个有趣的观点(这里可能有剧透):生命的进化方向并非单纯的人工智能或者硅基生物,而是人类与技术的结合体。如此看来,《攻壳机动队》里拥有机械义体和人类大脑的素子还有《PSYCHO-PASS》里拥有血肉之躯和人工智能的反派才是人类进化的形态。但无论如何,人类与技术的高度融合已经是大势所趋。

学习也是如此。

现在的学习已经不是单纯的看书、听课,而是多平台、多工具的学习活动的总和。常看“少数派”的读者,对于利用印象笔记、draft打造个人知识库,用kindle作为随时随地的高效学习工具,用多种app打造学习工作流等技术并不会陌生。而这些新型的学习工具和学习技术,就是帮助我们在奇点临近的大时代做到“百尺竿头更进一步”的利器和法宝。不要抗拒技术,才是将学习进化到下一个形态的前提。

(三)避开学习过程中的误区

首先,不要过分迷信技术。

这与上一点并不矛盾,因为我们毕竟还是单纯的“人”,不是机械人或者在网络里永生的虚拟人。即便技术再怎么发展,我们也必须尊重生命个体的客观规律。看过豆瓣国产第一神剧《大明王朝1566》的朋友们都会有同样的想法——如果换做我,可能活不过主题曲。为什么?这是因为在古代,人们在学习的时候没有太多的辅助技术,只能博闻强记,将知识在自己脑子里打上“钢印”,这样在面对嘉靖这种爱玩文字游戏的变态上司时,才能依靠渊博的知识和海量的典故活命。所以,即便现在我们有少数派、kindle这些优秀的辅助手段作为“第二大脑”,也要时刻牢记,知识刻进脑子,才真正属于自己。

其次,平衡“博闻”和“专精”。

《失实》一书中的数据表明,每个人负责一小块区域的知识,专精某项业务,并成为行家里手,更有利于单项知识的传播。我们已经拥有了最新的学习技术,人人都可以成为博学家,但当汽车抛锚的时候,专业的赛车手和现查知乎的普通司机的表现将有天壤之别。按照目前的技术发展趋势,社会分工会越来越细,专精型的技术匠人将越来越被社会需要。

第三,可以多利用社会关系网进行学习。

阿贝斯曼在书中论证,基于六度人脉理论,信息和知识的传播与社交圈紧密相关,也就是说,信息的传播靠的是社会空间而不是物理空间。知识在亲密社交圈(4人左右)的传播的认同率更高,但在弱纽带关系的社交群体中传播效率将更高。因此,不妨开拓“社交化学习”的新途径,增加自己获取知识的效率和能力。

第四,要特别强化学习的勘误能力。

在传播信息和学习知识之前,应该先进行批判性的思考,检验其真实性,在能力允许的范围内,尽可能避免“噪声信道”和“隐身知识”的出现。

最后,要持续关注知识的长尾。

即关注专业内、行业内、社会上的微小变化和新生知识,避免自我欺骗式的“塞麦尔维斯反射”效应。只有将自己的“正确”知识积累到一定程度,才能在未来社会提高自己做出正确判断的概率。








via 少数派 - 高品质数字消费指南

September 26, 2018 at 12:00AM
Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment
Labels
None yet
Projects
None yet
Development

No branches or pull requests

1 participant