所有学习的起点都应只有一个:好奇

Posted on 2019-11-23

刷豆瓣无意看到 @新京报书评周刊 发布了一张图片

封面标题是《人类为何需要复杂性思维?》

image

兴趣来了,找来《新京报》电子版。

发现他们做了一期「复杂性」专题介绍,选题相当有意思:

  1. 「主题」B01 人类为何需要复杂性思维?
  2. 「主题」B02 复杂性研究:现代科学理解世界的新方式
  3. 「主题」B03 专访韩靖:中国学者是如何接受复杂性研究的?
  4. 「主题」B04 生物学思维:理解复杂世界的一把金钥匙
  5. 「主题」B05 专访拜因霍克:用复杂性思维重新审视经济学

由于《新京报》网页电子版阅读体验比较差,我将以上文章转成了 pdf,公众号回复「复杂性」即可获取下载链接。

随后,我在知识星球发布了这样一条消息:

image

阅读完以上文章f,心中萌生出四个问题:

学习圣地应该是怎样的?

《专访韩靖:中国学者是如何接受复杂性研究的》文中提到:

作为国内较早接触复杂性研究的学者,韩靖早年多次访学于圣菲研究所,师从复杂性研究的奠基人、“遗传算法之父”约翰·霍兰德。她眼中的“圣菲”是怎样的?复杂性研究与跨学科合作有着怎样的内在关联?复杂性研究在中国又是如何发展的?

根据韩靖的回答,我整理出一个「学习圣地:圣菲研究所」的特质:

致力大问题——复杂性研究到底意味着什么?圣菲研究所致力探索复杂性科学的方法论。

保持活力与开放——圣菲研究所固定研究人员只有十几人,教授任期有限,但访问学者的人数一年达到几百人次,访问时间长则半年,短则半天。

鼓励跨学科解决问题——圣菲研究所的一大特点是不刻意划分学科类别,不同学科的专家学者 “混搭” 安排在工作区域,乐于邀请跨学科领域的学者、专家讨论问题。

自组织——圣菲研究所努力地提供学科交叉研究的条件,孕育新的学科方向,第一任所长乔治 · 考温认为只需要提供平台,不用刻意管理他们,让他们 “自组织”(self-organize),合适的人会留下来,合不来的自然会走。

受此激发,致敬圣菲研究所之心蠢蠢欲动……

为什么要学习生物学?

学习本身就是很复杂的行为,就像我这篇文章,本无意写,想整理成卡片就算了,但后来想:一张随机看到图片竟然带来那么多的启发与行动,做个记录相当有意义。

生物很奇怪,尤其生物的学习本身充满随机与惊喜,阅读一篇文章、一本书所得的启发随个人经历而不同。

本文记录的所得,皆与我个人长期关注的问题高度相关,它们只是刚好在这一篇文章出现,且被我无意看到,忽然萌发念头将这个过程写下来。

以上就是我在阅读《生物学思维:理解复杂世界的一把金钥匙》的瞬间想法:

我们身处于技术复杂性临界点时代,传统的思维显然无法应对,而生物学思维更愿意接受多样性,并倾向于陈列大量事实,在抽象化的复杂性上采取相对的容忍度,因此,以生物学思维思考技术复杂性是个不错的选择。

如果说,生物学思维是理解复杂世界的一把金钥匙,那么,这些生物学思维可以被表述为:不要被表象所迷惑;以欣慰感看待不理解的事物;谦卑之心加上迭代的生物学思维。

我们必须努力维持两种相互对立的状态:第一种状态要求我们努力克服自己的无知,绝不能沉迷其中;第二种状态意味着一旦理解了某个事物,就不要认为它是理所当然的。这就是科学的思维,也是生物学思维,是我们学习新事物和解决难题的必备能力和先决条件。

如果要为所有学习行为寻找一个共同点,那就是好奇。

没有好奇的热情与驱动,持久的学习几无从谈起。

财富增长的方式是怎样的?

当年阅读完《Naval:如何不靠运气致富》之后,自己饶有兴致地写一篇:[《财富认知升级 10 条|读<如何不靠运气致富>有感》](https://www.cnfeat.com/blog/2019/09/20/How2GetRich/)。

image

如今看来,这些思考未免散乱,未曾站在大时间尺度思考,未曾梳理出简洁统一的视角。

读到《专访拜因霍克:用复杂性思维重新审视经济学》,发现

新京报:在《财富的起源》中,你指出了财富增长的三条途径:商业设计、物理技术与社会技术。在财富的积累过程中,这三种方式的关系是怎样的?

拜因霍克:物理技术与社会技术是共同演进的。随着知识的进步,我们开发出更好的技术制造方式(“物理技术”)和更好的组织机构方式(“社会技术”)。在几千年前,对动物耕犁的物理技术创新彻底改变了人类社会的组织方式,并最终发展成为乡村、城市和帝国。

新的社会形式又进一步带来了许多物理技术上的创新。正如我们今天所见,计算和通信的物理技术导致了新的社会形式,继而产生了进一步技术创新的需求。然后,企业将物理和社会技术结合在一起,创造出全新的商业模式,比如因手机的诞生而出现的社交平台公司。

image

读书不一定能让你致富,却让你在贫困之时不贫穷。  

如何做到大问题驱动?

最近在整理一份大问题清单。

image

初衷是自己喊大问题驱动喊到声嘶力竭,很多朋友跑过来问我,什么是大问题?我该如何确定自己的大问题?

如何批量解决这个问题?

我的答案是列一份智者大问题清单,你若是实在想不到自己的大问题,就可以选择感兴趣的大问题,模仿他们行动,在模仿中探索到自己的大问题。

刚好这篇文章《专访韩靖:中国学者是如何接受复杂性研究的》提供了一个鲜活例子:   

新京报:复杂性研究最初是如何进入你的视野的?你为什么会对它产生浓厚的兴趣?

韩靖:人工智能是我读博阶段的研究方向。那时我一直在思考一个问题:程序如何才能超越程序员?当然,这不仅仅是指计算能力,更多的是指人类的自我学习能力和无穷无尽的创新,甚至自我反省。

很长一段时间我看不到可能的实现方法。直到我在书店里读到了米歇尔·沃尔德罗普的《复杂:诞生于秩序与混沌边缘的科学》。

这本书充满激情地介绍了复杂性研究以及圣菲研究所的种种有趣的故事,里面的分类器系统和复杂自适应系统的框架概念,这让我看到了希望。

我记得那是1998年的春天,我从书中介绍的自适应分类器系统看到了具有更强大的学习能力和适应性的方法框架,让我对复杂性和圣菲研究所都非常向往。一年之后,我非常幸运地成功申请到圣菲研究所国际学者的奖学金计划(Internatinal Fellowship)。

P.S.

最后,我将复杂性研究列入主题阅读清单,拉了一份书单,感兴趣的同学可以「阅读原文」点个收藏。

书单:复杂性研究:现代科学理解世界的新方式

image


加入「笨方法学写作」知识星球,这一次彻底学会写作。
你将:
⬇⬇⬇
  • 1)习得钱钟书、纳博科夫等写作高手的卡片创作技法;
  • 2)克服写作怕难痛,零基础新手轻松学会写作;
  • 3)获得科学系统的写作指导,52 节课程,52 个习题;
  • 4)掌握学习任意知识的有效方法论:笨方法;
  • 5)遇见更优秀的人,享受被动进步的乐趣。