日韩黑丝制服一区视频播放|日韩欧美人妻丝袜视频在线观看|九九影院一级蜜桃|亚洲中文在线导航|青草草视频在线观看|婷婷五月色伊人网站|日本一区二区在线|国产AV一二三四区毛片|正在播放久草视频|亚洲色图精品一区

分享

如何發(fā)現(xiàn)自己的臨界知識?

 親和友善 2018-06-14


如何找到有價值的臨界知識?前面說過,臨界知識其實是對事物更底層規(guī)律的總結。如果我們要找臨界知識,就要去它可能出現(xiàn)的地方尋找。

哪些地方比較容易產(chǎn)生臨界知識呢?那便是可信度比較高、適用面比較廣的重要硬學科里,比如數(shù)學、物理、化學、生理學等等。

看到這里,你會不會有些疑惑:數(shù)學?物理學?生理學?這些課程我們都學過,可是除了加減乘除等基本常識,似乎其他知識和我們日常生活沒什么關系???我們從來沒有發(fā)現(xiàn)生理課的知識能給買菜或談判帶來什么幫助。是不是要在數(shù)學和物理這些專業(yè)里,學習更加高深的知識才能明白呢?

當然不是。相反,我們要學習的反而是最基礎而重要的規(guī)律,這樣的規(guī)律適用面才廣泛。當然,不是說其他軟科學不能產(chǎn)生有用的臨界知識,但是要更加謹慎,多考慮適用條件,比如心理學、經(jīng)濟學和社會學的概念,我們往往需要深刻理解其原理和前置假設才能應用。

那么,為什么這些可信度高、適用范圍廣的結論更容易產(chǎn)生臨界知識呢?

這個問題要從臨界知識的本質特征說起。其實臨界知識的思想,核心是用更加可靠學科的研究方法、思想和結論來處理沒那么可靠的領域的問題。簡言之,就是解決問題最穩(wěn)妥的辦法是拿可信度更高的方法去處理問題。

比如房價高這個經(jīng)濟學現(xiàn)象,可以有很多解釋:比如溫州炒房團,比如丈母娘經(jīng)濟,比如對比國際大城市房價等等。但這些解釋的立足根基其實并不怎么牢靠。那么怎么辦呢?臨界知識的思路是不用這些“現(xiàn)象原因”解釋問題,或者說不用這些非常具象、未經(jīng)嚴謹驗證的推測解釋問題,而是借助可靠度更高的原理解釋,比如供需關系、不均衡分布以及規(guī)模效應等基礎知識。這樣的解釋未必對,但是顯然可能更可靠,也相對容易檢驗。

所以,找到可靠的知識學科就容易找到臨界知識。比如數(shù)學,就是一個邏輯推演的學科,數(shù)學方法是建立在幾個基礎假設以及邏輯分析之上的。因為數(shù)學不依托于真實世界存在,所以只要在它的假設范圍內,幾乎所有的推論都是正確的,那它的知識就很可靠。再比如,物理學。雖然比起數(shù)學而言,物理學置信度差那么一點點,畢竟還是有一部分結論是基于實驗歸納推測的。這么多年來,尤其是現(xiàn)代物理學的發(fā)展,使得這門學科的可靠度相當高。而物理研究物質規(guī)律,我們很多生活決策都有物質參與,那么物理學的結論也就很重要了。

而最熱門的經(jīng)濟學,很多結論其實是不太靠譜的。早些年人們甚至不承認經(jīng)濟學是一門科學。直到現(xiàn)在,經(jīng)濟學內部對很多重要問題都沒有共識,更不要說有可靠的真理了。不過,也不是說經(jīng)濟學的結論都沒有用,比如查理·芒格很推崇的規(guī)模效應以及與之相關的邊際效應,就是非常重要的臨界知識,也是經(jīng)濟學原理。而心理學知識,總的來說同樣也不是那么可信,本來社會學對結論的要求標準就比較低:只要結論大多數(shù)下情況成立就可以,甚至只要在特定情況下成立就可以。這不像自然科學,有一個反例就推翻一個定理。不過,心理學的一些研究成果還是很有價值的,雖然不能百分之百在每個人身上每次都起作用,但是作為一個概率判斷的工作,還是有很大的決策幫助,比如從眾效應、權威效應等等??傮w而言,只要了解其限制條件,是可以當作重要的工具使用的。

因此,對我們而言,找臨界知識的過程,就是尋找對我們有用的、適用范圍廣的可靠知識的過程。那具體怎么找呢?我個人的經(jīng)驗是:

1.從自己感興趣的領域入手,學習這個學科的重要知識

感興趣的領域,無論是營銷、策劃、咨詢、金融、法律、貿易等等都可以。我們此前說過,所有現(xiàn)象層面的知識研究到底層之后,都會聯(lián)系起來。所以,從自己感興趣的領域入手去閱讀經(jīng)典的書籍,從中尋找最重要的原理和知識。具體做的時候,要多留心,看似習以為常的事情,背后是否應用了我們已有的規(guī)律。

比如,很多年輕人都喜歡看TED演講,我們或被演講中的科技進步感動,也會因為一些感人的事跡而心緒起伏。可是,你有沒有思考過,為什么那些演講會吸引人呢?如果只是一個演講打動人心,那可能是個人能力原因,如果很多演講都能打動人,那背后很可能有規(guī)律。而對這個習以為常的事情探尋原因的好奇心,就是發(fā)現(xiàn)事物背后規(guī)律的第一步。事實上,有人就專門研究和總結了這個規(guī)律,寫出《TED演講的秘密:18分鐘改變世界》這樣的暢銷書。

如果你以前就了解演講的方法,那么你在看TED演講的時候就會提醒自己:“看,他在用‘坡道’技巧。”你發(fā)現(xiàn)了一個已知的規(guī)律在新場合中被應用的實例。

如果你過去并不知道一個好的演講背后有什么方法,那么你可能會看1000場TED演講,進行比較、總結,寫出了一本書《TED演講的秘密》,那你就從事情中總結出了新的假設規(guī)律。

這兩種能力對我們發(fā)現(xiàn)和掌握臨界知識都很重要。

2.找到最重要的知識和原理的原始出處

盡管我們可能發(fā)現(xiàn)了事情背后的規(guī)律,但是這往往還不夠,還要進一步尋找這個規(guī)律的原始出處。這個步驟非常重要,也是大多數(shù)人在學習研究的時候忽略的一個環(huán)節(jié)——找到重要的結論是怎么來的。

比如你可能接觸過1萬小時天才定律,大多數(shù)人學習這個方法,就是記住這個結論。然而,你要深入研究這個知識的出處是哪里。仔細找一找,就會發(fā)現(xiàn)結論來自心理學家對小提琴手的研究結果。當你知道這個結論的原始出處,你對這個結論的可能適用范圍和可能的局限就會有更清晰的認識。

3.嘗試用更加基本的原理來解釋這個知識

這一步工作就到了尋找和建立臨界知識的關鍵步驟。這一步驟,其實是尋找問題的第一性原理。

前面我們提過,埃隆·馬斯克說自己做每一行都是在用第一性原理思考。實際上,尋找和建立臨界知識的過程,也是用第一性原理思考:能夠用更加底層、通用的規(guī)律解釋,就不用新的假設。而這一點,正是科學研究的方法之一。還拿1萬小時天才定律舉例,對培養(yǎng)大師的現(xiàn)象,作者給出了新的結論:高強度訓練1萬小時。但是通過溯源到心理學實驗,我們會發(fā)現(xiàn)刻意練習很重要。而刻意練習為什么重要,可以從幾個更基本的原理解釋。比如,生理學上的結論:學習知識和行為之間的密切性與對應的神經(jīng)鏈強弱有關,神經(jīng)鏈越強,學習掌握得越牢靠。而要強化神經(jīng)鏈,就要反復訓練,這一點巴甫洛夫做了很好的證明。所以,持續(xù)高強度練習是提升能力的必由之路。同時,對于刻意練習的目的性,我們還可以與第二章“刻意練習”那一節(jié)中提到的心理表征聯(lián)系起來——只有構建提升心理表征,才能把練習從低水平重復提升到更高層次。

在這個過程中,我們就開始用更底層的知識,來解釋新學到的1萬小時天才定律,也理解了這個定理的局限所在。

4.沒有解釋的時候,想辦法尋找或者自己創(chuàng)造一個假設,并驗證

有時候,我們對一個領域的解釋并沒有相關的儲備知識,找不到更底層的解釋。

那么解決方案就兩個:要么我們想辦法查詢相關領域的書籍,看看有沒有別人的研究結論可供參考;要么自己給出一個可能的合理化假設,然后想辦法驗證自己的假設是否合理。你可能疑惑,怎么會自己創(chuàng)造假設呢?其實,這個過程正是科學研究的過程:發(fā)現(xiàn)問題,解釋問題,沒有現(xiàn)成的答案就建立一個假設。一旦這個假設被大量的檢驗驗證為真,那么新的規(guī)律就被發(fā)現(xiàn)了。

讓我們再舉一個例子說明這個過程。前一段時間李善友在羅輯思維給羅胖(羅振宇)代班,講了一期關于“不連續(xù)性”的話題,大意是:我們這個世界是非連續(xù)的,連續(xù)性只不過是我們大腦的一個假象罷了。聽完這個節(jié)目時,我發(fā)現(xiàn)這個觀點和我所知道的另外兩個案例有關聯(lián)。(從感興趣的內容入手)

第一個案例是羅輯思維首席執(zhí)行官脫不花在混沌研習社的一次分享內容,大意是羅輯思維要砍掉現(xiàn)在十分賺錢的業(yè)務——“賣貨電商”這個存量,迎接新的增量。

第二個案例是,克里斯坦森在《創(chuàng)新者的窘境》中提出的“窘境”問題,即為什么成功企業(yè)管理者做出的每個決策都是正確的,最后卻會導致企業(yè)陷入困境。

這兩個案例,都描述了我們這個世界中存在的一種不連續(xù)性現(xiàn)象。假設李善友教授提出的不連續(xù)性觀點是正確的,且我了解的兩個案例都印證了這種現(xiàn)象的存在,那么我的問題是:為什么會出現(xiàn)這種不連續(xù)性現(xiàn)象?(李善友老師在他的混沌研習社中給出了自己的證明,但是我們不是要找一個答案,而是要培養(yǎng)自己找出答案的能力。)

我的思考是:創(chuàng)新者之所以遇到窘境,一個重要的原因就是不愿拋棄存量,擁抱增量。你可能會覺得,這些管理者太頑固了,因循守舊,如果換了我,肯定會選擇朝陽產(chǎn)業(yè)和未來的希望,怎么會繼續(xù)守舊?

可是想象一下,你的公司現(xiàn)在出售的產(chǎn)品廣受市場歡迎,一年給公司帶來5000萬元的利潤,你的房子、豪車、陪愛人出國度假的資金都主要來自這個產(chǎn)品。這個時候,有客戶找你,說想做一個新產(chǎn)品,但他的需求很少,一年只有50萬元。

如果你答應他的要求,這將占用你現(xiàn)在的生產(chǎn)線,造成拳頭產(chǎn)品生產(chǎn)停工。這可能導致公司收入下降到1000萬元,這個時候你會怎么辦?放棄賺錢業(yè)務,去做這個50萬元的項目?如果你這么想,那我再告訴你一個事實,你幾乎每周都會見到這樣的新客戶,說自己的需求代表未來的主流??烧l是真正的未來,沒人知道。

設身處地地想一想,你會發(fā)現(xiàn),這個世界不會自動標注出哪個客戶或產(chǎn)品未來一定會成功,你可以勇敢地投入,但一切都是不確定的。而與此同時,我們眼前的高收入、大房子、出國度假和美食,卻是明確的、可感知的。你能放棄這些確定的幸福享受,而去做一個不知道未來在哪里,也不確定到底會不會是“新希望”的新項目嗎?

我相信,大部分人不會。為什么我這么肯定?因為心理學研究早就證明了,人有“及時享樂”“厭惡風險”和“只能根據(jù)感知到的認識做判斷”的心理特點。人的這些特征,使得我們對存量敝帚自珍,而難以擁抱充滿風險的增量,這是人性使然。打江山容易,坐江山難。(用更基礎的道理解釋)

我們容易守著既得利益的存量,卻很難放棄已有利益去迎接變革的增量;很多人換一份工作都沒有勇氣,更不要說賭上整個公司命運投入一個未知的領域了。這樣,既得利益的公司就會被那些新創(chuàng)立的沒有包袱的創(chuàng)業(yè)者打趴下,在最終結果上看起來就是非連續(xù)性的。(成功的創(chuàng)業(yè)公司是無數(shù)創(chuàng)業(yè)者試錯及失敗之后的幸存碩果,但大公司沒有那么多資源進行如此多的試錯,所以轉身并不容易。這也是大公司愿意花大價錢收購有潛力的新公司的原因。)

你看,現(xiàn)在我們用查理·芒格提到的重要學科——心理學的知識解釋了一個企業(yè)管理的問題。這就是臨界知識的威力——可以普適地解釋問題。

不過,我們還可以把這個思考繼續(xù)深入。前面提到的非連續(xù)性都是現(xiàn)象層面的,換句話說,表面上看,我們企業(yè)的產(chǎn)品和戰(zhàn)略需要一直變化,所以對管理者提出了很高的要求。但問題是,我們?yōu)槭裁匆恢弊兏锖透倪M呢?我們之所以變化,恰恰是因為“變化的原因”不變,即企業(yè)存在的理由不變——為用戶創(chuàng)造價值是企業(yè)存在的基礎。其實“用戶需求是第一位”的要求一直沒有變,只不過我們的企業(yè)必須不斷克服自己的弱點,改變自己,挑戰(zhàn)自己,才能滿足這個用戶需求不變的底層要求。

這讓我想起了一個段子:有個男人一輩子喜新厭舊在換老婆,表面上看起來他一直都在變,可是仔細研究發(fā)現(xiàn),他的底層需求一直沒變,每次都是娶20歲的女孩子!這就是在看似變化的現(xiàn)象背后,是一個不變的底層規(guī)律——滿足用戶需求不變?。嫿ㄗ约旱募僭O)

現(xiàn)在,我們又發(fā)現(xiàn)了新的臨界知識——真正滿足用戶的需求是企業(yè)決策第一原則!當我們真正理解這個臨界知識之后,會在創(chuàng)業(yè)、帶團隊等需要做管理的時候時刻警醒自己,因為我們知道,這個定律是和我們的人性相悖的?。ㄓ脩粜枨蟮谝?,這其實是一個大家都知道的很“舊”的概念,但是我們重新理解了這個概念,當我們能夠以新的角度理解舊的概念并應用它解釋很多新事情的時候,舊概念就成了我們的“新武器”。)

你看,我們通過這種不斷思考,又提出了自己認為重要的臨界知識假設。

你可能會好奇:我們提出的這個臨界知識新假設,一定是正確的嗎?確實,答案是:不一定正確。我們提出每個臨界知識假設,都是一個假設而已,是需要被驗證和可能被推翻的。但是,這不重要。重點是,當你具備了這種不斷質詢、反思探索的學習能力時,在持續(xù)的發(fā)現(xiàn)和自我否定中,你的臨界知識假設會進化得越來越可靠,越來越有解釋力!

上面的案例說明了我一直尋找臨界知識的方法,其實說白了也很簡單:把科學研究的嚴謹方法引入日常的生活思考決策中。如果你堅持這樣訓練,也能找到自己的臨界知識!

    本站是提供個人知識管理的網(wǎng)絡存儲空間,所有內容均由用戶發(fā)布,不代表本站觀點。請注意甄別內容中的聯(lián)系方式、誘導購買等信息,謹防詐騙。如發(fā)現(xiàn)有害或侵權內容,請點擊一鍵舉報。
    轉藏 分享 獻花(0

    0條評論

    發(fā)表

    請遵守用戶 評論公約

    類似文章 更多