1.4 人类 Bok 与个人 BoK

知识体系,作为横亘学渣学霸的第一个学习鸿沟,我们已经充分论证了它的重要性。下面是不是要立刻马上开始做了?开始搭建自己的知识体系了?

等等。我们还需要界定清楚”知识体系“这个概念的外延和内涵,回答 what 问题,弄清楚”什么是什么“(what is what)问题?

知识体系是我们中文语言的说法,对应的英文概念是body of knowledge,我简称为“[[BoK]]”。当一个名词概念被我们熟视无睹,从小就听说知识体系长知识体系短,但是学了几十年也没有刻意梳理和建立知识体系,引入BoK 这个说法就很有必要了[^ 同理,如果大家对”理解“都没有清晰的定义,不同人对”理解“有不同的理解,或许引入”编码“这个概念就是有必要的]。

BoK 指的是某一学科或专业领域内所有认知和理解的集合。可以说,BoK是一种客观存在,任何学科领域都有自己的BoK,其核心就是将知识进行系统化、结构化和有序的整理,从而便于学习、应用和传播。

例如,项目管理领域就有一本权威书籍叫《项目管理知识体系指南》(PMBOK 指南) [^ https://book.douban.com/subject/30230063/]。这本书由美国项目管理协会出品,以系统化的方式组织和梳理了项目管理的核心概念、流程、工具和技术,为从业人员提供了一个全面、系统化的知识参考框架。因为它全面、成体系、权威,它也成为了项目管理专业的国际标准。

事实上,任何成熟的学科领域都应该有一个自己的知识理论体系,作为该领域知识和实践经验的结构化、系统化表达,最好用书籍或在线百科的形式呈现。例如,软件开发有软件开发的BoK,财务会计有财务会计的BoK,艺术设计有艺术设计的BoK,甚至炒菜都有自己的BoK。

我在总论中说到本书的唯一目标是“让所有的学习问题都不成问题”,而达到这个目标的前提之一就是要帮助读者你在自己的脑子建立一个属于自己的科学学习BoK。现在,这个科学学习 BoK 以这本书的形式呈现,同时也会以开源、持续迭代的类似 Wikipedia 的在线百科形式呈现。最终,这个科学学习 BoK 应该被你和你的家庭成员理解并内化,成为你个人的科学学习 BoK,应用到真实生活中,解释与教育学习有关的现象,解决与学习有关的具体问题。

为什么中国传统技艺经常“失传”? 部分原因就是 BoK的整理和传承不到位,停留在“生活智慧”的层面。一个学科不断成熟的过程,就是一代代学人共同建设BoK,不断发展完善 BoK 的过程,BoK 就是一个学科成熟的标志。但是,传统技艺过于依赖口口相传或师徒传授,缺乏体系化的书面整理。这种非正式的传承方式决定了知识和经验容易随着时间流逝而丢失。在社会快速变革、技术飞速发展的当下,传承断代问题更加严重。

相反,如会计这样的学科,从 400 年前复式记账法的发明以来,从业者通过不断发展和完善其 BoK,会计学科已经发展的非常成熟,成了管理科学的一个分支,有了完善的知识体系。在此基础上,学科专家更建立了一套标准化的教育和考试系统,如 CPA 考试,确保了这个领域专业知识的传承和发展。

建立一个结构化、系统化的 BoK 是确保一个学科持续发展和传承的关键。同理,建立个人 BoK 对个人学习成长也至关重要,和个人在现实中解决问题的能力高度相关。例如,如果你面试两个财务人员,其他条件都差不多,但是一个人有 CPA执照,另一个人没有 CPA 执照。单单 CPA 执照背后代表的个人为了建立专业知识体系付出了巨大努力并且有基本证明,也会让作出人才选择更有客观依据。

所以,不要把学习的手段,错当成学习的目的。用应试模式来看学习,就会把不挂科、通过考试、获得高分作为学习目标。但是,更有指导意义、更具体的学习目标,当是建立个人 BoK。不论一个人上学 10 年还是 20 年,学过几个专业,上过多少课外培训班,但是,道路千万条,终点只有一个:建立自己的个人 BoK。

在这个终身学习的时代,即使是应试阶段,还在课堂里接受灌输式学习,也应该尽可能以建立 BoK 为自己的学习目标。这样的话,出了应试教育阶段,你会发现自己少走了很多弯路,少浪费了很多时间。

在此,有必要做一个强调:BoK作为客观存在,作为一个学科领域内知识的体系化结构化整理,它是非常庞大的,不应该作为个人学习的目标。一个活生生的人,没必要也不应该皓首穷经、力求把一个完美的学科 BoK 放到自己脑子里。

所以,有必要做一个二分:人类 BoK vs 个人 BoK。前者是客观的、学科层面的人类知识梳理,力求完整,求大求全。后者是个人的,服务于个人实际目的的,不求大,不求全,只求有用,只求解决问题。

《通识:学问的门类》[^ https://book.douban.com/subject/30414788/]这本书整理和介绍了全部人类知识,把人类知识分为人文科学、社会科学、自然科学和文化艺术四大门类,再进一步细分为32个学科。这是一张人类知识的全景图,给我们展示了人类知识的广度和丰富。

人类知识的学科分类

而学科,是一个流变的过程。

所有学科,都是在几千年人类文明发展过程中由各自学科的开创者、建设者、继承者一砖一瓦建设出来的。古代人类文明形成了一些经验性知识(俗称“生活的智慧),但是,现代学科确立是对事物世界不断进行分类、给人类知识建立体系、引入秩序的过程。

学科的确立过程

通过科学进步,人类还在不断建立新学科,例如,1956 年诞生了一个重要的新学科:AI 学科。我的 logseq 中有一条笔记,展示的就是 AI 学科从无到有,在这 60 多年里的发展流变过程。

同时,现存学科的融合也会带来新学科的出现。例如,学习科学(learning sciences)[^ https://en.wikipedia.org/wiki/Learning_sciences]就是认知科学、计算机科学、教育心理学、人类学和应用语言学等多学科的融合。

由于人类知识过于庞大,同时人类大脑的学习速度有限,效率有限,一个人终其一生也只能在一个很细分的领域有所了解,所以,32 个学科还偏大,在大学里还需要更细颗粒度的学科划分。

例如,中国大学本科专业目录可以视作更细致的人类 BoK 分类。教育部持续更新《普通高等学校本科专业目录》, 2023 年 4 月最新版本[^ http://www.moe.gov.cn/srcsite/A08/moe_1034/s4930/202304/W020230419336779992203.pdf]的本科目录共有792个专业,可以视为 36 个学科进一步细分为这么多知识领域。所谓“专业”,顾名思义,就是要展现学科知识的深入以及专业化程度。

专业目录节选

而现在,人类知识获取又进入到一个跨学科的阶段。生活在 GPT 时代,面对越来越强大的AGI,我们对学科知识的处理方式必须做出调整:需要打破过去的专业、科学壁垒,建立多元的跨学科个人知识体系。

个人 BoK:不以有涯随无涯

对BoK进行人类BoK和个人BoK的二分法,是为了更好知道我们的学习实践。

全部人类知识,32个学科BoK,792个大学专业......站在人类知识的汪洋大海面前,一个普通人很难不“望洋兴叹”,甚至心生畏惧。

但是,完全没必要。学习“全部”知识,这不是人该做的事情,这是应该让机器去做的事情。GPT 模型通过学习近乎全部的人类文本,把几十万亿 token 体量的知识学习了好几轮,最终近乎掌握了已有的人类知识。机器已经做了这件事,我们就没必要浪费生命了。

人的学习,不是要皓首穷经、寻章摘句,在故纸堆里整理某个已经客观存在的知识体系,而是要根据自己的目标和需求,构建出属于自己的、主观的个人 BoK。我们可以高效地建立个人 BoK 的框架,然后现学现用,在做中学,在解释世界、解决问题的过程中让个人 BoK 不断完善,越来越强大。

例如,在哲学领域,知识论或心智哲学就是哲学中的两个分支。同样,心理学领域同样庞大,包含多个子领域,如认知心理学、发展心理学、社会心理学等。根据实际需求,例如我关注于理解人类的心理过程或学习机制,就可以专注于构建认知心理学的知识树,而忽略与我的需求不太相关的领域,如弗洛伊德的精神分析心理学。

例如,我想学习一个新技能,例如 git[^ https://en.wikipedia.org/wiki/Git]。作为版本控制软件,它客观的 BoK 也是内容相当丰富,涵盖众多概念、事实性知识和技巧。

但是,我的需求很简单,我只需要用 git 这个工具来对我的知识库和代码进行版本控制,我只需要一个小小的以 git 为主题的个人 bok。于是,我会在我的 logseq 中新建一个笔记,命名为“git 大法”。知识体系命名可根据个人习惯来,我习惯用“xx 大法”来称呼个人 BoK,更有气势而已。你可以用“bok-git”或其他你习惯的文件名格式。

我使用2W2H模型来整理个人 BoK。why 部分梳理个人需求,我为什么要学习相关知识;what 部分梳理基本概念和相关基础知识,回答”什么是什么“问题;how 部分是bok 的主体内容,梳理步骤、流程、方法;how good 部分用来放一些更高层次的思考。

我还增加了 inbox 部分,存放尚未整理对 bok 对应部分的碎片内容;todo 部分则是这个 bok 领域我的待学习待实践内容;reference 部分整理学习资源,archive 部分存放归档内容,不删除,因为以后或许有用。

Git 大法作为父节点,还链接了一系列节点笔记,这些笔记共同组成了我关于 git 主题的个人 bok。

这个小小的个人 BoK,与同主题的人类 BoK 不同,它虽然不完整,但是满足了我当前的需求,而且可以随着我的实践来不断迭代。以后遇到问题了,我再学习 git 更复杂的概念,包括分支、冲突解决等。这样,我们就把学习和行动结合起来,真正做到了“知行合一”,在做中学(learning by doing)。

庄子说,“吾生也有涯,而知也无涯。以有涯随无涯,殆已!”。个人 Bok 就是对这个学习理念的践行,不是用“有涯”的生命去追求“无涯”的知识,而是让知识去赋能我们的生活。如果学习和知识成为你的压力而动力,没有让我们更有生命力更加自由,反而成了僵化知识的奴隶,我们为什么要学习?这肯定是我们的学习出了问题。

所以,个人 BoK 的原则就是:不是用活的生命去整理死的知识;而是让死的知识驱动活的生命。

既然,BoK是对人类知识的成体系、结构化的有序整理,那么,有哪些组织结构来整理BoK?那种方式是最适合个人BoK的?

不只是内容构成,人类 BoK 和个人 BoK 在组织结构、梳理构建方法上是存在显著差异的。

在表征人类知识体系时,可以采用多种结构,每种结构都有其特点和适用场景。以下是几种常见的结构:

1. 树状结构(Hierarchical Structure): 树状结构是一种层次化的方式,它从一个单一的根节点出发,通过分支形成多个层级。每个节点都是另一个节点的子节点或父节点。树状结构适合表征具有明确层级和分类的知识体系,如生物分类、组织架构、书籍目录等。
2. 网状结构(Network Structure): 网状结构呈现出复杂的连接关系,各个节点之间可以通过多条路径互相连接。网状结构用于表示知识点之间复杂且不是严格层级化的关联,如社交网络、语义网络、概念图、知识图谱等。
3. 矩阵结构(Matrix Structure): 也可以称为“表格结构”。矩阵结构通过交叉的行和列来表征信息,每个交叉点代表行和列特定属性的结合。矩阵适合用于比较和关联两组或多组不同类别的数据,如技能矩阵、责任分配矩阵等。
4. 流程图(Flowchart): 流程图通过箭头和图形来表征步骤或流程的顺序和决策点。适用于描述过程、操作步骤或决策逻辑,如算法流程、操作指南等。

人类知识体系不会仅限于一种结构,而是会结合网络结构、树状结构、流程图、矩阵等多重结构来人类知识的复杂性和多样性。例如,一个大型的知识管理系统可能会同时使用树状结构来组织主题目录,使用网状结构来构建知识点之间的关联,以及利用矩阵结构来管理不同领域知识的交叉点。

个人 BoK:画自己的知识树

个人BoK的建立,在内容上不需要像GPT那样去学习全人类的知识,在组织结构上也不需要像 wikipedia 那样去给全人类知识建立结构化体系。什么结构的个人 BoK,才是最高效、最有用的呢?

“地球人都知道”的马斯克,给出了简洁有力的回答。

2014年,Elon Musk在Reddit网站上和网友互动,这种活动叫“ask me anything”,简称“AMA”。一个网友问出了我们的心声:马斯克马斯克,你如何学习地这么多?这么快?

马斯克的回答很聚焦,核心观点只有一个:

一点小小的建议:很重要的一点是把知识看成是某种语义树。在你陷入树叶/细节知识之前,确保你理解基本原理,也就是树干和大的树杈。不然,你的树叶都没有地方能挂的住。

One bit of advice: it is important to view knowledge as sort of a semantic tree -- make sure you understand the fundamental principles, ie the trunk and big branches, before you get into the leaves/details or there is nothing for them to hang on to.

把这46个单词浓缩成一句话:

画一棵自己的知识树。

学习的具体目标就是构建个人知识体系,打个比方就是“画自己的知识树”,不用陷入无穷的树叶中,先快速建立知识框架,理解树干和枝叉,然后再逐步积累和完善细节知识,逐个击破。

如果你只盯着树叶,一叶障目而不见体系,那么,你可能就无法学的又快又好,像马斯克那样。

所以,组织人类知识,有网络结构、树状结构、表格结构、流程图等很多种方式,但是,建立个人 BoK,以知识树为主就好,表格和流程图等作为补充即可。用表格梳理如下:

既然用“知识树”来比喻个人知识体系,那么树叶是什么,枝杈是什么?树干是什么?

一句话,树叶就是事实性知识和抽象概念,枝杈是思维模型,树干是原理。

先谈概念(concept)。人类学习是对信息进行高效压缩的过程,而概念就是最有效最常见的一种压缩。概念是人类理解和处理信息的关键方式,我们将大量事实、例子和特性归纳为一个间接的标识或词汇,极大提升了人类思维的效率和信息处理能力。

例如,地球上生活着各式各样大大小小合计超过200 种的狗类动物,但是,我们用“狗”这一个概念就把这 200 多种狗类动物的共性、把所用属于“dogness”(狗性)的东西打包进来了。你看到一只猫不会叫它“狗狗乖”,因为你对这个概念有清晰的判断和掌握。

概念,是我们理解世界的基础,帮助我们把繁杂的信息简化压缩成可管理可操作的心理单位。一个所谓的聪明人,脑子里一定积累了海量的清晰而准确的概念,我称之为“个人概念量”。个人概念量之于终身学习,就如何英语词汇量之于英语学习。

除了抽象概念之外,还有事实性知识(factual knowledge)。地球有多大?人脑神经元数量有多少?GPT 模型的参数有多少?事实型知识虽然看起来普通,当这是人类认知过程中最基础的资源,没有是不行的。

我不知道如何用中文语言里的词汇来表达事实性知识的单位。是不是应该叫”一条事实性知识“? 在英语里,事实性知识的最小单位叫factlet,最小单位的事实。例如,Google 知识图谱由50亿个概念和5000亿个factlet组成。”dogs are animals”,这就是一个 factlet。

童年马斯克被小伙伴称为“事实工厂”,就是因为他酷爱读书,每天放学后就泡在书店里,每天能读完两本书,他家里的两套百科全书被他读到“烂熟于心”。小伙伴连月球与地球的距离都不知道,而小马斯克可以脱口而出近地点和远地点的精确数字。

回忆小时候的读书,马斯克说,“我发现自己不知道的东西太多了,而所有的一切都在书里。”[^ 《硅谷钢铁侠》,2015] 马斯克在童年时期积累海量的事实性知识,一方面为他以后的强大学习能力、知识树构建能力夯实了坚定的基础,另一方面也塑造了他看待这个世界的方式:为什么要害怕黑暗?“黑暗,不是过没有光线而已”(darkness, it’s just the absence of light)。

现在的互联网上存在一种不好的倾向,就是有不少自媒体面向家长鼓吹儿童的“思维”升级,什么创造性思维等等。但是,创造等高级认知能力,必须以海量的事实性知识为基础,否则,创造就是无源之水,缘木求鱼。毫无疑问,如果缺乏内驱的、自由快乐的海量阅读,童年马斯克不会成为今天的马斯克。

所以,树叶有两种,事实性知识是基础,概念是关键。

知识树的枝杈,是思维模型(mental models)。

其实,这个词也受到了一定程度的“污染”,mental models的直译应该是“心理模型”或“心智模型”(维基百科的用法)。“思维”一词对应的英文表达是“thinking”,例如系统思维的英文是“systems thinking”。好好一个“心理模型”,非要说成“思维模型”,后者使用量是前者的 10 倍,是因为这些年“刷大词”这个病比流感还猛,“语言腐败”问题急需得到重视。这个词汇已成中文语言的既成事实,我们个人无力对抗,读者朋友知悉即可。

对于思维模型,Wikipedia的定义是“人脑中对真实世界事物运行方式的思考过程的解释。是对周围世界、世界各个部分之间关系的表征。” 在我看来,思维模型就是我们针对特定场景特定问题,把相关概念、知识和经验进行整合,使其工具化,用作思考问题、解决问题的心理工具。

打个比方,思维模型就是安装在人脑中的App。每个「人脑App」,都专门解决一个主要问题,有一个主场景,它将解决问题所需的不同步骤捆绑在一起,形成完整的解决行动方案和体系。

举几个例子,交警的一套交通指挥动作,就是交警同志脑子里的一个App,一个思维模型;高中物理课上,我们学习到的引擎的运作机理,在我们脑子里也形成了一个App,一个思维模型;星巴克的员工三下五除二给你做出一杯拉花摩卡,是因为她脑子里有这么一个App。

为什么学习 git 这样的技能有难度?因为一般人很难在大脑中建立关于 git 的一系列从简单到复杂思维模型,无法清晰地想象 git 系统是如何运作的。

git 基础操作的思维模型git reset 的思维模型git checkout 的思维模型

费曼一下:思维模型就是我们对概念、知识和经验的工具化整合,是我们解释世界、解决问题的思考框架,是我们大脑中的App。

思维模型很有用,最出名的思维模型布道师,当属查理·芒格(Charlie Munger)。

1994年,当时70岁高龄的芒格在南加州大学商学院毕业典礼上做了一个演讲,叫「论基本的普世智慧」(A Lesson on Elementary Worldly Wisdom),他提到,一个具有普世智慧的人,能够学以致用、解决问题。他认为,真实世界是不分科的,不可能在一个学科里找到世界的所有智慧,必须掌握横跨一系列学科的思维模型。为了培养这种能力,芒格积累了来自十几个不同学科的100个思维模型。

芒格说,要想成为具有普世智慧的人,80 或 90 个重要的思维模型就能起到 90% 的作用。

于是,有网友做了个除法,四舍五入取整 100,编撰出了“芒格的 100 个思维模型”这类的清单,每一个词条附上了几十上百字的解释。但是,把这 100 模型打印出来,学习背诵之后,一个人真的就变得更聪明了吗?真的能在工作生活学习投资中变得更强大了么?

但事实上,芒格的 100 模型和马斯克的知识树一样,更多是一种方向性的指导,有启发意义,不当作为教条。

根据我多年的实践、观察和思考,我认为芒格的 100 模型不是你真正所欠缺的。我们真正需要的,是模型背后的跨越多学科的知识体系,这才是真正的更有用的思考框架,本质上是跨越多科学的多元的个人知识树。

知识树的树干是原理(principles)。小能熊的学习解决方案一贯包含“道法术器”多个层面,“术器”负责落地,改变行为模式,“法”是系统方法论,强调整体性,成体系,而“道”就是这个科学原理,是知识树的树干。

万物都有原理,你需要找到它。这个原理,也被称为“第一性原理”(first principles)或“从头算”,其实就是说,你基于最基础的东西,你可以推导出来后面具体的、新的理论,具体的方法技巧工具,比如说事实。

例如,大学经济学课程,开篇就是经济学十大原理。会计专业的第一门课就是财务原理。你可能觉得设计作为专业,还可以细分为学画画、学平面设计、手绘、字体设计,但是,他们都基于艺术的7大原理,或者说美学的七大原理。

什么是原理?类似于真理,是领域最普适的、最底层的、浓缩的原则、公理、真理。整个知识树,全部的树干和枝杈,不论细节如何,都不会脱离这个树干,都不会违背这个树干。苹果树的树干上长不出猕猴桃来。同理,不论经济学领域最新提出什么解释现象的新理论、新观点,提出了什么解决具体问题的新模型,都得基于这个原理来发展。

万物都有原理,你从上空俯瞰人类的知识森林,浩瀚无边际,但是,整个森林都建立在庞大的根系和树干上的。人类知识的树干,大概有这么几根:数学物理的原理,生物原理,心理原理,社会原理。你在入门那一刻,就已经通过具体的树叶和枝杈在间接接触原理了,但是,你也可以主动去搜索、去了解大师对本领域的原理性总结。但是,立刻获得的原理,需要经过漫长的自身实践,才会把原理内化,成为自己的知识。

提出“知识树”观点的马斯克,同时也是“第一性原理”的忠实拥泵。随着他创业经验的积累,第一性原理在他个人事业中的重要性越来越大。不论是 tesla 还是 SpaceX,都是依据“第一性原理”来发展和决策的。

所以,你就发现,人类的所有知识,要么是树叶,要么是枝杈,要么是树干,然后这些东西共同在学科领域里组合在一起,就构建成了个人知识树。

随着一棵棵知识树的发芽、生长、壮大,你的大脑知识库,你的后皮质中就有了一个茂盛的知识树林,而这个知识树林是有关联的,他们构成了一个整体,形成了你的[[个人知识体系]](personal BoK)。

知识树林的这个比喻,含义之一就是:我们得建立跨学科的个人知识体系。

我们在学校中的学习和考试是分科的,但是,真实世界是不分科的。只靠一个狭窄领域的专业知识来解决问题的时代已经过去了,一去不复返了。当下的现实,是不论专家学者,还是力求具有竞争力的普通人,想生活幸福的普通人,都需要跨学科的知识体系积累。以科学研究为例,当下的前沿学科,无一不是横跨多个单一学科的跨领域学科,当下的大师,无一不具备丰厚的跨学科知识积累。

例如,认知心理学是研究研究人类认知及其原理的心理学分支,但是,自从1956年的认知革命以来,“认知”这个单点不断将各个学科打通,汇聚成一股改变世界的力量。1956年,认知心理学历史上最重要的年份,《神奇数字7+-2》这篇论文的发表,揭开了对记忆和认知研究的新篇章。认知心理学与神经科学的结合,带来了“[[认知神经科学]]”(也称为脑科学)的诞生。然后认知心理学、脑科学与AI、计算机的结合,带来的[[认知科学]] [^ https://en.wikipedia.org/wiki/Cognitive_science]的诞生。认知心理学、脑科学、AI、教育学的结合,带来了[[学习科学]]的诞生。认知科学,及其在教育、学习场景的应用(学习科学),就是的跨领域学科,是心理学、哲学、人工智能、神经科学、语言学和教育学多个研究领域的交叉学科。

认知科学是跨学科研究

我们的知识是需要迁移的,从书本迁移到大脑,从大脑迁移到生活中的解决问题。知识在一个学科内部的迁移运用,叫“[[近迁移]]”。而知识在不同学科之间的迁移,在不同知识树之间建立关联,这叫“[[远迁移]]”。不幸的是,我们生活在一个低垂果实已经被摘完的时代,现在,只有高处的果子是可吃的了,只有“远迁移”才能创造创新。最近几十年,所有的科技进步都是来自于这种学科知识树之间的关联和融合。不论是学科发展,还是个人发展,都是如此。

所以,我们的学习,终其一生,就是要建立个人知识树,并且从一棵一棵小小的知识树,成长为一篇茂盛的知识的树林。

接下来,我就会带领你用系统的方法、高效的工具、克制极致的工具技巧来构建这样的个人知识树。