盖茨、马斯克都遵循的终身学习法则:知识不是由学科划分的

简介:

比尔盖茨、乔布斯、巴菲特、拉里佩奇、贝佐斯……这些白手起家的亿万富豪如何持续学习?我们也能在生活中用到这些特质吗?

答案是肯定的。本文辟谣了学习和认知的三个谎言,教你如何适应快速变化的知识经济。

下面是持续学习者的两项特质:

  • 他们每个人都是一个贪婪的学习者

  • 他们每个人都是一个博学多才的人

让我们来仔细探究这两个特质,看看有没有简单的技巧能让你把它们应用到自己的生活中。

首先,我们来看看术语的定义。我将贪婪的学习者定义为遵循5小时法则的人——每周至少花5个小时有意识地学习。我将博学多才的人定义为能胜任至少三个不同领域、把能力整合成一套技能组并成为各自领域前1%的人。

如果你努力让自己拥有这两项特质,我相信它们会对你的生活产生巨大的影响,让你更快地接近你的目标:当你成为一个贪婪的学习者时,你会把过去所学整合起来;当你成为一个博学多才的人时,你可以将技能结合起来使用,同时你可以为自己订做一套独一无二的技能组,这将有助于你提高竞争优势。

根据比尔•盖茨自己的估计,他坚持每周读一本书长达52年,其中许多书与软件或业务无关。整个职业生涯中,他每年安排两周时间作为阅读假期。

1994年Playboy对他进行了一次采访。采访内容很精彩,从中我们可以看到那时候他已经认为自己是一个博学多才的人:

Playboy:你不喜欢被称为商人吗?

盖茨:是的,生意并没有那么复杂。我不想把它放在我的名片上。

Playboy:那您想放什么呢?

盖茨:科学家。当我读到伟大的科学家的故事,比如克里克和沃森发现DNA的故事时,我感到非常高兴。商业成功的故事却不能引起我的兴趣。

盖茨从大学辍学,此后一生从事计算机软件行业。他认为自己是科学家这一点尤其引人思考。

有趣的是,伊隆·马斯克也不认为自己是个商人。在最近的CBS采访中,马斯克说他认为自己更像一个设计师、工程师、技术专家,甚至巫师。

这样的例子不胜枚举。拉里·佩奇常常花时间与他遇到的每个人深度交流——从谷歌门卫到核聚变科学家。他一直在向别人学习。

华伦·巴菲特认为他成功的秘诀是:“每天读500页。这就是学习知识的方法。知识需要积累,就像复利(compound interest)一样。“

杰夫·贝佐斯从大量的实验中学习,而后建立了自己的公司。他一生都是一个狂热的阅读爱好者。

最后,综合各领域的著名范例当属史蒂夫·乔布斯。他把自己的博学变成了苹果公司的竞争优势。他甚至说:“仅靠技术是不够的。技术与艺术的结合,再融合人文科学,才会产生让我们心动的结果。”

当然,拥有这两个特质的成功人士不限于这五家公司的创始人。如果把这个名单扩展到其他白手起家的亿万富翁,我们可以看到奥普拉·温弗瑞、雷·达利奥、大卫·鲁宾斯坦、菲尔·奈特、霍华德·马克斯、马克·扎克伯格、伊隆·马斯克、查尔斯·科赫等许多人都有着相似的习惯。

为什么世界上最忙碌的人会投入他们最宝贵的资源——时间——来学习与他们的领域看似无关的主题,比如核聚变能源、字体设计、科学家传记和医生的回忆录?

他们每个人都掌管着由成千上万世界上最聪明的人组成的团队。他们几乎把生活和事业中的每一项任务都委托给了最合适也最聪明的人。那么他们为什么要坚持大量学习呢?

我写了几篇文章,最终得到这样的结论:

在最高层次上时,学习并不是为你的工作做准备。学习是最重要的工作,它就是你的核心竞争力,是你永远不能委托的事情。它是长期绩效和成功的核心驱动力之一。

当我意识到这一点时,我很好奇:我们生活在一个日益复杂、快速变化、知识经济发达的时代,因此我们应该成为贪婪的学习者和博学多才的人。这件事是显而易见的,可是为什么普通人会认为有意学习只是生活的选项之一?

我认为这是因为我们在学校和社会里接受了三条强有力的信息。这些信息在过去可能是正确的,但是放在现在来看完全错误。

下面详述这三个谎言:

d47e62d2b349aca45e42305ed6714efbe5ed61d9 谎言1:学科是对知识进行分类的最佳途径。
d47e62d2b349aca45e42305ed6714efbe5ed61d9 谎言2:在学校/大学里完成大部分学习。
d47e62d2b349aca45e42305ed6714efbe5ed61d9 谎言3:你必须选择一个领域并专注于它。

这些信条是如此阴险,它们摧毁了我们对学习和知识的直觉,并最终阻止我们创造我们渴望的成就。如果我们能够意识到这些问题,我们就可以纠正这些错误,就像世界上最成功的人所做的一样。

谎言1:学科是对知识进行分类的最佳途径

我们的教育系统建立在一个将知识分为不同学科——数学、文学、历史、科学的模型上。从幼儿园开始,我们得到的信息就是,这些学科最好是单独学习。

我们甚至将这些学科进一步分解成更小的学习领域——例如经济学分解为微观经济学和宏观经济学。这种分解领域并分别教学的模式被称为还原论。尽管它现在仍然是我们社会的标准学习方法,但在更发达的国家中已经开始改变。

还原论有很大的好处。在范围很小的领域内,每个人有相似的知识背景,并采用相同的术语,新知识就得以高速有效地传播。研究系统的一部分比研究整个复杂的系统容易很多。这种模式催生了许多重要的发现。

但是还原论的一个关键缺点是领域之间的联系变得模糊。这种结果就是所谓的“负面学习转移”(Negative learning transfer),即学习一件事情会让学习其他事情更难,因为我们学到的概念与特定的学习领域密切相关。

举个例子,如果你在尝试学习第二种语言,新语言的语法、词序、时态或复数规则与你的母语不符合,因此你感到举步维艰。你此时的经历就是负面学习转移。

还原论的另一个弱点是,专业领域以外的人无法轻易掌握领域内发生的事情。想象一个神经外科医生与另一个神经外科医生聊,完全没问题。现在想象一位神经外科医生试图向一位平面设计师解释脑部手术的最新进展,是不是有些困难?

每个领域都有自己的语言和文化,所以在一个领域的独特见解并不适用于另一个领域。虽然知识应该是相通的,我们却无法迁移概念和规律。这导致了回声室效应(Echo chambers)。

实际上,我们学到的东西强烈地依存于它的背景。以锻炼身体为例。我以前常常为了找到最近的停车位花五分钟在健身房的停车场兜圈子。然后我总是乘电梯上到更衣室,而不是走楼梯。你知道我在健身房里用哪个器械吗?楼梯登山者!这是明显的知识迁移,却以失败告终。类似的例子还有很多。

生物学家詹姆斯·祖尔在他的书《改变大脑的艺术》中解释了为什么学习迁移如此复杂:“通常我们不具有连接一个学科与另一个科学的神经网络。尤其是如果我们已经学习了将知识分解为数学、语言、科学和社会科学等部分的标准课程之后,学科知识是分别建立起来的。”因为我们受到的教育部包括寻求所有知识的共同根源,所以我们看不到学科的关联性。

伊隆·马斯克对此感受非常强烈,我们的教育体系没有教会孩子们知识的“共同根源”。因此他创建了他自己的学校,并把他的所有孩子都送到这所学校上学。

教学的重点应当是解决问题,而不是使用工具。假设你试图教人们引擎工作的原理。传统的方法是说,我们将会教你关于螺丝刀和扳手的一切内容,你将需要学习一个螺丝刀课程和一个扳手课程……这个方式很难达到目的。

更好的方法是说,这是引擎,让我们把它拆开。怎样拆呢?我们需要一把螺丝刀,这就是螺丝刀的用途;我们还需要一把扳手,这就是扳手的用途。过程中有一件非常重要的事情发生了:知识的相关性很明确地传达出来。

多年来,我认识到一种更深层次的给知识分类的方法。这种方法适用于学习所有领域的基本原理,还可以传授令学生终身受益的能力。这些基本原理被称为心智模型(Mental Models)。

心智模型:

https://fo104.infusionsoft.com/app/orderforms/mental-model-of-the-month

让我们来看看一个叫做“压力和恢复”的心智模型。回到锻炼身体的例子,压力和恢复的现象是锻炼使我们变得强壮的原因:它暂时地对我们的肌肉和心血管系统施压,使它们承受的压力超过平常承受的范围,然后在恢复的过程中变得更强。我们可以在其他方向和领域中发现相似的模型。例如,它解释了为什么某些困难经历能帮助我们精神上变得更强大。

在心理学中,这被称为创伤后成长。在社会心理学中,这些困难的经历被称为多样化体验。在成人发展中,它们被称为最佳冲突。通过这些例子,我们可以看到相同的底层心智模型在不同的应用领域中被赋予不同的名称。

心智模型是将学科联系在一起的思想无形网络。

0be450b6cbe2136f7e14d868770f4dad17327c17

(从左到右,从上到下)学科1,学科2,学科3,学科4,心智模型1,心智模型2

这就是世界上许多顶尖的学习者和博学多才的人在我们的知识经济中领先的方法。

真理:通过心智模型对知识分类与通过学科对知识分类同样重要,因为心智模型是学科的基础,并连接着各个学科。

谎言2:在学校里完成大部分学习

“自我教育是唯一的教育方式。”

——马克·吐温

我确信,教育最根本的问题之一就是学校与学习的融合

事实上,学校只是学习发生的一个环境。在我们的生活中,几乎所有的学习都发生在学校之外:在家里、在操场上、在运动场上、在旅行中、在我们阅读的书籍、我们喜欢的爱好中,特别是从工作中学习。然而,我们却被教育成将正规教育视为“真正的”教育。

把学校里学到的东西和现实世界里发生的事情混为一谈,在军事和执法部门被称为“训练伤疤”(training scars)。《生活的算法》这本书通过引用一些极端伤疤例子,来显示后果会有多严重。

56e2227eaa1a25edce564b98000d9874bbe59210

《生活的算法》

比如,在现实中,警察在打了两枪后就把武器放回皮套中(就像在训练时候一样),或者会暂停枪战而把用过的弹壳放到口袋里(这是标准的靶场礼仪)。在一个真实案例中,一名军官从袭击者手中夺过枪,然后本能地将枪还了回去——就像他在警察学院时与他的训练师进行的一次又一次训练的那样。

类似的,我们经常在学校里学习一些技能,而这些技能不适用于现实世界,甚至会影响我们在现实世界中的表现。

例如,我们都知道在课堂上遵循指导并遵守规则的人会得到奖励。但在现实世界中,关键的领导特质——冒险和原创思维,这两者都与课堂学习训练的成果背道而驰。简而言之,大部分的正规教育把我们培养成追随者,而不是领导者。

冒险和原创思维:

https://hbr.org/2016/11/how-the-best-ceos-differ-from-average-ones

下面讲讲我是如何在自己的生活中发现“学校等于学习”这个谎言的。

我童年的大部分时光都是在学习中度过的,所有人都告诉我,一所好大学是通往美好生活的门票,而且我相信了这一点。一切按照计划进行,我拿到了我首选的学校的录取通知书:宾夕法尼亚大学的沃顿商学院(Wharton School of Business)和纽约大学的斯特恩商学院(Stern School of Business)。

起初,我尽职尽责地完成每一项任务,并为每一项课题全力以赴。但后来我读到一份研究报告说,大多数美国总统、国会议员、参议员,甚至大学校长都是以低GPA大学毕业。一项对700名百万富翁的调查显示,他们的平均绩点是2.9。事实上,我所在大学的校长就是以2.1的成绩毕业的。

此外,我了解到,我的大多数创业榜样甚至没有从大学毕业。或者如果他们毕业了,他们也并不认为这是他们成功的重要部分。

700名百万富翁的调查:

https://www.bakadesuyo.com/2014/09/millionaires/

“怎么回事?!”我暗自思忖。“我这一生中别人都在对我撒谎!我想成为一名企业家,而现在的这一切都不重要。”

从那天开始,我不再为了成绩而学习。我的平均绩点(GPA)下降到2.9,而且当教授布置给我费时费力的作业的时候,我就直接不写了。相反,我给自己设计了要看的书籍、会议课程,并旁听了我感兴趣的任何课程。我还与导师进行了数十次信息面谈。

幸运的是,我赌对了。当我面试实习的时候,我只被问过我的GPA一次。尽管我的GPA很低,我还是得到了实习。而且在专业场合,我从来没有被问过我上过什么学校。

这些年来,我的看法变得更加细致入微。下面分享一下我对正规教育的看法:

最具影响力的领导者、艺术家和科学家们几乎都对学习有一种天生的热爱与痴迷,这种痴迷贯穿了他们的一生。

无论他们有多忙,他们都会挤出时间来学习。1991年,比尔·盖茨接受了采访。他自豪地分享着他一直工作到深夜,回家后还继续读书。

比尔·盖茨接受采访:

https://www.youtube.com/watch?time_continue=4&v=uBGdGlk6DRY

中学和高等教育通常不鼓励学生自主学习或培养终身学习的爱好。事实上,为了考试或仅仅是进入一所好大学而学习往往会带来外在的动机,而这实际上会阻碍内在的动力。

正规教育通常不擅长向学生展示学科之间的联系,或者教学生如何在现实世界中应用他们所学到的东西以得到他们想要的结果。

在正规教育的结果之上,我们最需要加强的是对学习的热爱和成为自主学习者的能力。一个自主学习者能够识别和排序他所面临的问题、学到的解决这些问题的能力,坚持每周至少学习5个小时,并将他学到的经验应用到现实世界的挑战中。

一旦一个人爱上了学习,他就会终身自主学习。那么,自然地,几十年努力的积累,将会提供比一个四年的学位更高的价值。

将正规教育妖魔化不是解决之道。多年来,我曾在数百所从最精英到最弱势的高中和大学发表演讲,我的观点也有所软化。我有两个孩子在上小学。他们的老师改变了我们孩子的生活。

我在教育系统中遇到了许多了不起的老师,他们提供了教育变革的经验。这些收入过少或者不受尊重的老师,是社会中最有价值的贡献者。

立法者制定了更密集的测试的要求,这导致了一种为考试而教学和学习的文化。他们这么做的原因仅仅是希望学校系统可以承担更多的责任。这是一个复杂而又重要的挑战。

真理:在我们的一生中,大多数的学习都是在学校之外进行的——而对成功而言,终身学习、自我激励的学习比成绩和学位更重要。

谎言3:你必须选择一个领域并且专注于它

“我们正处在一个把专业化的狭窄趋势视为逻辑的、自然的和可取的的时代。与此同时,人类被剥夺了全面的理解。”

——巴克敏斯特·富勒

在亚当·斯密的代表作《国富论》的第一页,他以一个别针工厂为例,说明了专业化的力量。在这个特定的工厂里,仅仅10名员工就能每天生产出48000个大头针,令人震惊。这是分工带来的高效率,每个人专门负责生产过程的一部分。

斯密估计,如果这10个工人中的每一个人都自己独立完成每一步,那他们每天就只会创造200个大头针。换句话说,专业化让他们多创造了240倍的数量。

我们几乎所有人都被教导,要想在生活中出人头地,就必须专攻。而且当你看到上面的针工厂的例子,这个说法就不足为奇了。在工业时代,生产力是通过产出量来衡量的。对于那些仍在制造业工作的人来说,这种模式仍然适用。

但大多数人现在都在知识经济中工作,生产力不是用数量来衡量的,而是靠创造性的产出来衡量的。产生创造性想法的最好方法之一就是学习和综合你领域中其他人还不知道的有价值的技能和概念。

在知识经济中,跨越不同领域广泛的学习,然后将你的见解应用到你的核心专业上——换句话说,成为一个现代的博学的人——才能让你真正的出人头地。

在文章《根据研究,有“太多兴趣”的人更有可能获得成功》中,我提出了一个全面的理由,为什么几乎每个人都应该把自己专业化的学习偏见抛诸脑后,转而成为一个现代的博学之人?

文章链接:

https://medium.com/the-mission/modern-polymath-81f882ce52db

真理:专业化是工业经济的关键。在当前的知识经济中,学习范围跨越至少三个领域、并将知识整合为一组技能的现代的博学的人会成为行业中排名前1%的佼佼者,从而获得竞争优势。

3个需要记住的新真相

综上所述,我们过去学习的方式已经不再适用于快速变化的知识经济。相反,要记住这些“新事实”:

d47e62d2b349aca45e42305ed6714efbe5ed61d9 除了根据学科分类之外, 通过心智模型对知识进行分类是很重要的 ,而且通常也是有用的,因为心智模型是构成和连接学科的基础。
d47e62d2b349aca45e42305ed6714efbe5ed61d9大多数的学习都是在学校之外进行的 ——想要获得成功,终身的、自我激励的学习比成绩和学位更重要。
d47e62d2b349aca45e42305ed6714efbe5ed61d9专业化是工业经济的关键。 在知识经济中,学习范围跨越至少三个领域并将其集成到前1%技能组合的博学的人将具有优势。

这就是为什么那些阅读和学习贪婪的人——以及那些研究心智模型的人——如此成功的原因。这也解释了为什么世界上许多顶尖的CEO、亿万富翁、科学家和成功人士似乎都有这些特点。

现在就做一个决定,不要把你所有的时间都花在一个狭窄的领域上。你会错过世界上其他地方发生的事情,也会错失快速适应新发展的能力。

相反,投资你自己的终身教育。每周至少花五个小时在你的领域之外探索,学习你的同事还不知道的技能和概念,学习心智模型——所有领域的基础。训练自己成为一名自主学习、博学多才、对心智模型有深入了解的人,是通向现代知识经济成功的关键。


原文发布时间为:2018-05-5

本文作者:文摘菌

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“大数据文摘”。

相关文章
|
机器学习/深度学习 传感器 人工智能
Reddit热议:15岁高中生用神经网络建立生命进化“新宇宙”
一位年仅15岁波兰高中生利用神经网络和遗传算法模拟出了人造生命的繁衍和进食活动,将视频发在了Youtube上。reddit网友纷纷表示鼓励,并表示,过个几百万年,说不定这个网络能够进化出战争和国家!
151 0
Reddit热议:15岁高中生用神经网络建立生命进化“新宇宙”
|
算法 量子技术
18岁天才华裔少年用一个经典算法,推翻量子加速神话!
一位年仅18岁的华裔少年提出了一种传统计算机AI算法,其运算速度可以与量子计算比肩,相对之前的传统算法实现了运算速度的指数级增长。这一发现不仅推翻了两位量子计算重量级人物的量子加速神话,而且证明了量子算法和经典算法研究之间存在富有成效的相互作用。
1612 0
|
人工智能
【话题】致敬伟大的科学家史蒂芬·霍金,他留下的预言能实现吗?
版权声明:本文为 testcs_dn(微wx笑) 原创文章,非商用自由转载-保持署名-注明出处,谢谢。 https://blog.csdn.net/testcs_dn/article/details/79556218 据英国天空新闻等多家媒体3月14日消息,史蒂芬·霍金去世,享年76岁。
890 0
|
人工智能
追悼伟大的科学家史蒂芬·霍金,预言见解
针对他的预言,我觉得: 1.人口过剩在人类未采取相应措施下会有这么一天; 2.人工智能会使人类退话,有这个可能, 毕竟工厂使用智能机器人已经逐渐替代人类,这个也是有很大可能的; 3.关于不要踏入能源领域的研究我是处于反对的, 毕竟地球资源有限, 新能源研究很有必要, 当然人类就是这样, 取之有道, ...
1451 0
|
算法 关系型数据库 Linux