周家乐、张弛、王嘉仪编译

征服四个不同领域,马斯克的高效学习秘诀

什么?马斯克(Elon Musk)的40多岁时就建立了四家数十亿美元的公司 – 还是在四个不同的领域——软件,能源,运输和航空航天!

要想”做好一件事,专注其中”对于普通人已属不易。Musk却在火箭科学、工程、建筑、隧道、物理、人工智能到太阳能和能源等各个领域都十分精通。

人们将他的成功归因于:一周能工作85个小时,令人难以置信的韧性,甚至有人认为他有着超时空的预判能力。

但我不满足于这些解释,因为很多普通人也这样刻苦啊。我还想寻找他成谜且更独特的地方。

我阅读了大量关于Musk的文章、视频和书籍,根据我对Musk生平了解以及对讨论学习和专业知识的相关学术文献的研究,我把像Elon Musk这样的人称为现代博学家,他们通常都有这些特点:

  • 遵循5小时原则,即每周至少学习5小时。

  • 学习内容广泛,跨越多领域。

  • 深刻理解每个领域相互联结的内在机理和认知模型,把认知模型转化为自己的专长。

通过对历史上20位最重要的科学家研究,惊讶的发现其中有15位是博学家! 还有,当今世界最大的五家公司的创始人- Bill Gates, Steve Jobs, Warren Buffett, Larry Page, 和Jeff Bezos - 也是博学家(他们都遵循5小时规则)。

我确信这一结论:所有人都应该跨领域学习,来增加获得突破性成功的几率。

博而精的诀窍

“专注于一个领域才能有所成就。”

“杂而不精,一事无成。”

这些话中隐藏着一个假设:如果你同时涉猎多个领域,那你只可能略懂皮毛,永远都不会精通。

现代博学家的成功充分证明了这样的假设是错误的。其实,跨领域学习恰恰拥有很多容易被忽视却十分重要的优势:

1.创造性的组合你所有具备的技能,会让你成为世界级的专家。

2.给你带来了信息优势以及创新优势

3.是你未来职业生涯的保障

4.它能帮助你在全球经济的竞争中脱颖而出。

例如,如果你从事技术行业,其他人只阅读技术相关的文献,而你还了解很多关于生物学的知识,那么你就有更多好点子。如果你是生物学专业的,还懂点人工智能,那么你比其他所有局限于生物学专业的人都有信息优势。

人人都知道的道理,却很少有人会真正去学习自己领域外的知识,大多数人只关注一个领域。

现代博学具备让我们学习(我们同行所不熟悉的)新领域和形成新技能的优势。

一个有趣的研究印证了这一点。该研究考察了二十世纪59位歌剧作曲家是如何掌握他们的技艺。与传统的说法相反,(顶尖表演者的成功只能通过刻苦的练习和专业化),研究人员Dean Keith Simonton发现:“最成功的歌剧作曲家的作品往往融汇了各种风格……作曲家们能通过交叉练习去避免太专业化(过度训练)带来的弊端-- 让人变得很死板。”UPENN研究员Scott Barry Kaufman在一篇 Scientific American 的文章中总结了这些。

Musk的“学习迁移”超能力

据Musk的兄弟介绍,从十几岁开始,Musk每天要读两本不同学科的书。举例来说,如果你一个月读一本书,那么Musk读的书是你的60倍。

起初,Musk读的都是科幻小说、哲学、宗教、编程以及科学家、工程师和企业家的传记类。长大后,他的专业兴趣已扩展到了物理、工程、产品设计、商业、技术和能源。他对知识的渴求帮他接触到大量学校不会教的课程。

Elon Musk非常擅长一种大多数人没意识到的、独特的学习方式——学习迁移。

学习迁移是指我们在一个情境中学习的东西,将其应用到另一个情境的过程。它可以指把我们在学校或书本上学到的核心知识应用到“现实世界”,也可以指把我们在一个行业学到的知识应用到另一个行业。

这就是Musk突出的闪光点。在他的几次访谈中,他都介绍了其独特的学习迁移两步法。

首先,他将知识解构为基本原理和认知模型。

Musk在Reddit AMA上回答了他是如何做到这一点的:

把知识看作一棵语义树是很重要的,在你进入叶子/细节之前(不需要依赖其他知识了),你至少先懂基本原理,即主干和大分支。

其他世界级企业家比如白手起家的亿万富翁,Warren Buffett的长期商业伙伴Charlie Munger,也具备类似的思维方法,:

“养成从现实中提炼模型的习惯是你能做的最好的事情。

白手起家的亿万富翁Ray Dalio对此表示赞同:“那些对[原则/认知模型]了解的更多的人更能高效的将其运用到工作中。”

研究表明,学习迁移就是在把知识转变成更深层次的、抽象的认知模型的过程中提高的。而且,有一中叫做“对比案例”的技术方法,能特别有效地帮助人们直观地了解潜在的认知模型。

下面是解构过程的工作原理:假设您想要解构字母“A”,并想理解使“A”成为A的内在机理。让我们进一步假设你有两种方法可以用来做这件事:

你认为哪种方法更好?答案是方法1!

在方法1中的每个不同的A能让人看出,每一对儿A哪些保持一致,哪些发生了变化。然而,在方法2中什么都看不出来。

当我们学习任何东西要通过观察许多不同的案例。这会培养出一种直觉,我们知道什么是必要的,来找到属于自己的独特组合。

这在我们日常生活中意味着什么?当我们进入一个新领域时,我们不应该只局限于一种方法或死磕最佳实践。我们应该探索许多不同的方法,解构、比较和对比。以便揭示内在机理。

其次,他在新领域里重建这些基本原则。

Musk的学习迁移过程的第二步包括把他在人工智能、科技、物理和工程学方面学到的基本原理重新构建到不同的领域:

  • 用于制造宇宙飞船SpaceX。

  • 创造能自动驾驶的特斯拉。

  • 想做出颇具想像力的超级高铁(Hyperloop)。

  • 设想造出垂直起飞和着陆的电动飞机进入太空

  • 想设计出一种与你的大脑相连的神经网。

  • 在科技领域,想更好的建立PayPal。

  • 以及共同创立的OpenAI,这家非营利组织为了减少人工智能带来的负面效果。

  • 在物理方面,建立 The Boring Company。

加州大学洛杉矶分校的心理学教授Keith Holyoak是世界上著名的类比推理思想家之一,他建议人们自己去琢磨两个问题来提高理解力:

1.一件事发生会让我想起什么?

2.为什么我会想起它?

通过不断地观察你的环境和阅读材料,并对自己提问,你就在已经在锻炼你的大脑,这个过程帮助你摆脱旧思维,跨界认知建立事物之间关系。

要旨:这不是魔术。这只是正确的学习过程

现在,我们可以开始理解Musk是如何成为世界一流的现代博学家的了:

  • 他花了很多年阅读,阅读量是普通阅读者的60倍。

  • 他广泛阅读不同学科的书籍。

  • 他不断地运用所学到的知识,将思想解构为基本原则,并以新的方式重建它们。

从最深的层面上,我们可以从Elon Musk的故事中学到的是,我们不应该教条地认为专业化是通往事业成功最好或唯一途径。传奇通才Buckminster Fuller 认为我们都应该考虑思想转变。他几十年前就分享过这些:

“我们正处在一个人人认为专业化到极致是合乎逻辑的时代……而现状是,人类已经失去了全面理解的能力。专业化增加了个体的孤立、徒劳和困惑感。使得个人把思考和社会行动的责任抛给别人还会滋生偏见,最终导致国际和意识形态的不和,甚至战争。”

在最实用的层面上,我们可以从Elon Musk那里学到的是想要变成现代博学家的公式:

  • 投入时间(每周至少5小时)

  • 跨领域学习核心认知模型。

  • 将这些概念与我们的生活和世界联系起来。

  • 积极应用所学到的知识。

以下是列表,链接:

https://medium.com/accelerated-intelligence/this-is-exactly-how-you-should-train-yourself-to-be-smarter-infographic-86d0d42ad41c

当我们建立“第一原则”/认知模型的库,并将它们与不同的领域联系起来时,我们会突然获得了进入一个快速学习新领域的超能力,并迅速做出独特的贡献。正因为如此,我创立了Mental Model Of The Month Club。

了解了Elon的学习超能力,能帮助我们了解了他是如何能够进入一个已经存在100多年的行业,并改变了整个行业的竞争基础的。

Elon Musk代表了一类人,但他的能力并不神奇。

相关报道:

https://medium.com/accelerated-intelligence/learn-like-elon-musk-fe8f8da6137c

大数据文摘
大数据文摘

秉承“普及数据思维,传播数据文化,助⼒产业发展”的企业⽂化,我们专注于数据领域的资讯、案例、技术,形成了“媒体+教育+⼈才服务”的良性⽣态,致⼒于打造精准数据科学社区。

产业埃隆马斯克
1
相关数据
自动驾驶技术技术

从 20 世纪 80 年代首次成功演示以来(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展,但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个:首先,在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境,从而进行实时推论。第二,信息性决策需要准确的感知,目前大部分已有的计算机视觉系统有一定的错误率,这是自动驾驶导航所无法接受的。

类比推理技术

在两种情况或事件之间感知和使用关系相似性的能力 - 是人类认知的一个基本方面。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

逻辑技术

人工智能领域用逻辑来理解智能推理问题;它可以提供用于分析编程语言的技术,也可用作分析、表征知识或编程的工具。目前人们常用的逻辑分支有命题逻辑(Propositional Logic )以及一阶逻辑(FOL)等谓词逻辑。

暂无评论
暂无评论~