透过现象看本质(5):心智计算机的认知观

零基础学产品,BAT产品总监带,2天线下集训+1年在线课程,全面掌握优秀产品经理必备技能。了解详情

人脑就像电脑那样,如果你需要某一方面的功能,只需装一个对应的心智程序。

一、

所有人都知道,遇到打不开的文件格式,要安装新的应用程序来打开。如果你有个朋友,他每次遇到打不开的文件时,却自己编写个新的应用程序来用。你一定会对他的行为感到很奇怪。

对于使用一个新电脑/手机的人来说,很自然做的第一件事,就是去安装一堆应用软件来增强电脑/手机的功能。但很少有人在做一件新的事之前,先给自己的大脑安装一些新的心智程序来增强大脑的功能——在人类中,极少有人有这样的习惯。这不仅仅是一种习惯,更折射出一个人行为背后的“认知观”——我们模仿世界观、人生观而造的词,用来描述人是如何理解自己认识世界、认知本质的过程。

这种新的认知观认为,人脑就像一台心智的计算机。有多少功能,取决于你安装量多少种心智程序。如果你缺乏某种功能(技能),安装一个心智程序就是了(学习)。当然,你如果安装了错误的,甚至是带毒的心智程序(比如邪教),会严重影响你的心智功能。大部分心智程序都不需要你自行开发,直接下载安装就行了。

Elon Musk就是秉持这样“心智计算机”认知观的一个人,他认为,学习就像是“把数据和算法下载进大脑”的过程。既然如此,就要追求较快的下载速度。他极度推崇自学,认为相比于自学,在教室里听课是“龟速的下载速度”。为了创办SpaceX,他从朋友那里借了全套的大学里的火箭和推进教科书开始自学。

后来,有人问他是如何学会造火箭,他回答都是从书上学的。就这样,一个靠看书学会造火箭的人在短短十几年内就改变了航天行业。2017年上半年全世界火箭发射 42次, Spacex 射了 10次,占了将近四分之一。如果SpaceX是个独立的国家,它很快会超越美国、中国,成为世界上每年火箭发射数量最多的国家。由是观之,心智计算机的认知观威力有多么强大。

二、

我们这个系列的文章,讨论的是“如何透过现象看本质”。前几篇文章讨论了什么是“本质”和什么是“看”,接下来要讨论“如何”了。但是,秉承透过现象看本质的精神,我们跳出现象层面的讨论,而先研究更底层的框架。也就是说,我们不在本篇中讨论具体的方法论,也即具体的“如何”(有些读者已经失去耐心,愤怒了^_^),而先讨论我们的认知观。

和“心智计算机”认知观相对的是传统的“顿悟”认知观。像达摩面壁、王阳明格竹致知、瓦特盯着烧水壶发明蒸汽机等故事,都意味深长地折射出这种传统的认知观。

这种模型过于简陋,没有解释信息是如何输入大脑,以及在大脑中是如何被处理的。在这种认知观中,信息的输入和过程被省略了。在反映这种认知观的诸多神秘故事中,人可以不输入任何信息,或者输入很少的信息,就可以突然顿悟。

不输入信息的极端故事,就是达摩面壁。达摩在洞中坐禅九年,为了隔绝信息输入,整日面对石壁,而一朝突然顿悟。王阳明格竹致知,则是输入很少信息的反面例子。受朱熹格物致知理论的影响,他认为要认识世界就是认真观察。因此他观察了七天七夜的竹子,结果什么顿悟都没得到还病倒了,从此他不再相信朱熹的理论。看过上一篇文章的读者知道,观察,重要的不是观察力,而是观察器。因此,格竹致知只能是徒劳无功就毫不奇怪了。

还有一个典型例子,就是被载入教科书的瓦特故事。教科书让我们都相信,瓦特是在观察奶奶家里烧水壶的壶盖运动,灵机一动产生了发明蒸汽机的想法。而事实上在瓦特之前,蒸汽机已经存在了很长时间,人类利用蒸汽做功的记载,更是可以追溯到数千年前。 瓦特时代的蒸汽机已经足够复杂和成熟。瓦特不是从无到有发明了蒸汽机,而是站在数十位被湮没在历史中的发明家们的肩膀上,对蒸汽机做了重大的改进。瓦特的改进,不是闭门造车,突然顿悟。而是“输入”了大量前人的智慧和那个时代最新的物理学和机械知识,在此基础上,才做出了重大改进。

三、

“心智计算机”认知观:

在计算机中,任何输入,一定都源于预先的输入。哪怕是随机数的产生,也需要在系统中先有一个随机数生成的程序。在这种认知观下,我们不相信没有高质量的输入,却会有高质量的输出。在计算机科学中,有一句名言:“Garbage(垃圾) in, garbage out”——若输入的是垃圾,输出的也一定是垃圾。因此,这种认知观相信,个人的智慧,产生在高质量的输入之后;若无优质的输入,必不能产生优质的输出。

对于人与人的区别,我们更容易观察到的是输出端的区别,而不是输入端。俗语“只见贼吃肉,不见贼挨打”,就是这个道理。我们也容易看到鸭子在水面上悠然前行,却看不到它双脚在水下拼命划水。

这种过于重视输出端导致的偏见,会导致我们选择了错误的学习方法。举个例子,很多人都听过“速读训练”吧?如果我们比较阅读速度很快和很慢的两类阅读者,我们会发现,阅读快的人眼球停顿的次数要少很多,目光在书本上的移动速度会快很多。事实上,早期有些研究阅读的心理学家也在实验中证实了这一点。有些人就直接把这些研究成果用在商业上,开办速读培训班。通过各种方法强迫学生加快目光移动来提高阅读速度。

但近年来的心理学研究推翻了这套快速阅读理论,眼动速度快是阅读速度快的结果,而非原因。造成阅读速度快的原因,是因为阅读者具有相应的背景知识,理解速度快。如果换成陌生领域的材料,阅读速度也会慢下来。因此,要提高阅读速度,不应该在输出端——眼动速度上费力气。而应该在输入端——相应领域的背景知识上用功,才能有质的变化。

写文章也是如此。我刚刚开始写作的时候,经常为了写一篇文章,枯坐一整个下午,抓耳挠腮却一个字也写不出来。那时候非常羡慕那些会写的人,也看了一些写作技巧的书,却丝毫没有改变这一点。直到后来,听了李笑来的写作课,明白了问题出在输入不够,而不是文笔不好。

现在,更多把精力放在阅读输入上,而不关心如何写的问题。每当写不下去的时候,不再是枯坐一下午。而是去寻找相关领域的文章、书籍,看看别人是怎么看待这个问题。这时往往会发现,导致自己写不下去的原因,不在于没有灵感,而是输入不够,在这个领域的积累不够。等到相关信息输入完成,写作就是很顺畅自然的过程了。

有段时间,我很羡慕那些能够持续产出文章的人。甚至,我也强迫自己要每天写1000个字的文章。当做不到的时候,也会很气馁,责怪自己没有毅力。但当我明白应该在输入端下功夫的时候,我不再在意自己是否每天可以输出1000个字的文章。只对自己每天是否有足够多的输入提出要求。当我每天可以看两个小时书,做一个小时笔记时,我就积累了足够多的思考碎片。笔记都是碎片化的,不成体系的各种小段路。等到需要成文时,我不再是在字词层面编织我的文章,我所做的不过是把平时思考的碎片串起来而已。

乔布斯在大学的时候,选修了一门书法课。他回忆道:

当时我并不指望书法在以后的生活中能有什么实用价值。但是,十年之后,我们在设计第一台 Macintosh 计算机时,它一下子浮现在我眼前。于是,我们把这些东西全都设计进了计算机中。这是第一台有这么漂亮的文字版式的计算机。要不是我当初在大学里偶然选了这么一门课,Macintosh 计算机绝不会有那么多种印刷字体或间距安排合理的字号。要不是 Windows 照搬了 Macintosh,个人电脑可能不会有这些字体和字号。要不是退了学,我决不会碰巧选了这门书法课,个人电脑也可能不会有现在这些漂亮的版式了。当然,我在大学里不可能从这一点上看到它与将来的关系。十年之后再回头看,两者之间的关系就非常、非常清楚了。你们同样不可能从现在这个点上看到将来;只有回头看时,才会发现它们之间的关系。所以,要相信这些点迟早会连接到一起。

2013年,胡泽民将91助手以19亿美元出售给百度,创造了中国互联网产业并购金额的一个记录。但这么大一桩生意,一开始的时候公司内部对它的期望并不大。他回忆道:

我之所以会在网龙主动请缨,毫不犹豫地挑起91无线的大梁,就是因为这段经历(8年前做过移动通信产品)……所以当我看到这些91要做的事情,认为没什么新奇的……对此我深有同感:不要忽视你的经历,它们都是一种积累,到了一定的阶段,量变就会转为质变。

因此,与其在输出端“临渊羡鱼”,不如在输入端“退而结网”。心智计算机的认知观是一种重视输入的认知观,只问耕耘,不问收获。你永远不知道这些输入最终会给你带来什么样的收获。但就像长江商学院的口号:“凡是过往,皆为序章”,就像乔布斯说的:“不可能从现在这个点上看到将来;只有回头看时,才会发现它们之间的关系。所以,要相信这些点迟早会连接到一起。”通过持续输入让内部积累增加,那么,积累的“气压”达到一定程度,输出就会自然喷射。而不要强求输出,内部气压若达不到一定程度,强求喷射只能是徒劳无功。

四、

前面我们给出了一个计算机处理信息的模型,但那是个简化的版本。更完整的模型是这样的:

在这个模型表明,计算机内置处理系统的性能、功能,不是它自己所能决定的,而是由人类决定的。今天的人工智能虽然在飞速进步,但其性能、功能依然是由人类的计算机科学家、程序员所决定。等哪天,人工智能可以为自己创造功能、添加功能的时候,才可以说它获得了真正的智能。

甚至按认知科学家马图拉纳和瓦雷拉的自创生理论,这时候的人工智能,已经可以被认为是生命。自创生理论认为,生命和非生命本质的区别在于,是否能够“自创生”。生命可以自己创造自己,非生命只能由其他创造。

计算机与人的不同在于:

计算机不能决定自己的处理系统,它是被人决定的。而人可以自己决定自己的处理系统。

每个人都可以决定自己的处理系统!多么重要的一句话!关键是,虽然每个人都可以决定自己的处理系统,但并不是每个人都相信这一点。

斯坦福心理学教授卡罗尔·徳韦克通过几十年的研究,提出的心理定向(Mindset)理论:在我们当中,有些人相信智力、性格是不能改变的,对于任务的挑战,倾向于从自己的智商、性格出发;而另一些人则相信智力、性格是可以改变的呢?前者,心理学家称之为:固定型心理定向;后者被称之为成长型心理定向。

具有固定型心理定向的人相信智力是个人所固有的属性。他们更关注输出端,在意自己的表现,避免得到负面评价。他们避开那些可能会失败的挑战,面对失败很少能坚持下去。

具有成长型心理定向的人相信智力是可塑的。他们把能力不断增长看成他们的目标,他们寻找挑战,不怕丢脸,具有高坚持性。

当然,大部分人都不是这两种极端,而处在两个极端的连续体之间。而且,一个人可能在自己学习数学上是个固定型心理定向者,而在学习外语上又是个成长型心理定向者。心理定向对一个人的坚持性、学习目标、失败感和对成功的追求有极大的影响。

五、

如果我们认为人是可以决定自己的处理系统。那么,这个决定的过程是怎样的一个机制?

过去,有一种被称之为心脑二元论的解释。这种理论认为,我们的脑(处理系统)和意识怎么想,怎么运作,取决于一种更高级的、更底层的东西。这种东西,有种观点,认为是“心”;在弗洛伊德那里,被认为是“潜意识”;在笛卡尔眼中,是大脑中的“小人”。不管这种东西是什么,总是无法避开另一个问题,这种更底层的东西,是不是又被更更底层的东西所决定呢?如果要深究下去,这个问题只能无限退行,没有答案。

模仿自创生理论,我们提出一个简单的模型来解释我们是如何决定自己的处理系统。在这个模型中,大脑的处理系统是自创生的,避免了心脑二元论无限退行的窘境。

处理系统决定了安装什么样的模型。

首先,处理系统当中的“价值观”模块决定了安装什么样的模型。例如:一个基督徒的大脑很少可能会去安装如何“清真”地处理食品的模型。

其次,处理系统本身是由各种各样的模型组成,就像电脑的软件系统由各种各样的程序组成。处理系统中的低级模型若没有安装,则无法支持高级模型的安装。因此,处理系统中模型的组成,决定了它可以安装什么样的模型。就像电脑启动时,先运行预置在主板上的BIOS程序,然后由BIOS带动OS(比如Windows)。如果OS上没有相应的运行环境,还得先启动运行环境(也是个程序),比如 .net framework,然后再运行具体的程序。如果没有底层程序的支持,就无法运行高级程序。人脑也是如此,小学数学没学好,是没法学中学数学的。

因此,在这个模型中,处理系统和模型是相互决定的。处理系统由模型组成,而安装什么模型又由处理系统决定。所以,这可以成为一个正反馈的过程:你安装了越多的模型,你的处理系统就越强大;处理系统越强大,你就能安装越多的模型,安装模型的速度也会越快。就像我们前面讲的快速阅读,阅读速度快的人,是因为他有丰富的背景知识,也就是因为他之前读的多;读得越多,就会读得越快;而读得越快,也会导致读得越多。

电脑和电脑的区别,除了硬件性能的区别,还有就是安装了哪些程序。而人与人之间在大脑“硬件”层面的区别是很小的,大部分人的智力水平区别不大。听到这句话的时候,可能你不相信,你马上可以举出身边好多例子说谁谁谁很聪明,谁谁谁就很笨。那么,如何解释人和人之间的差别呢?

这个模型中的正反馈过程,为这点提供了解释。导致人与人之间差别的,不是硬件,而是这个正反馈过程——即,知识/技能的马太效应:知识越多的人,学习越快;学习越快,知识越多。最终导致“富者愈富,贫者俞贫”。

而这种马太效应,也由心理学家在研究中得到了验证。著名心理学家斯坦诺维奇在1986年发表的论文《阅读中的马太效应》,已经得到了3500多次引用,成为认知心理学领域的经典文献。由于马太效应的存在,早期阅读能力对一个人的终生知识量有极大的影响。

这种马太效应,可能会让人绝望。难道我们这辈子就注定一步落后,步步落后吗?

实际上,并不用担心。我们之所以有这种担心,是因为过分夸大了知识和技能的通用性。比如,如果我们在现实生活中遇到一个像《最强大脑》中选手那样能一口气背下几百位数字的奇人,你一定会认为这个人记忆力很强。也就是说,一般人都认为记忆是一种通用性的能力,如果记数字很厉害,记其他东西也会很厉害。

心理学家安德斯·埃里克森(“刻意练习”理论提出者)在80年代做过一个实验。让一个记忆力和智力水平都一般的大学生完成一项基本的任务。实验人员给这个大学生念一串随机数,然后要求他记住。如果他能记住,下次的难度就增加一点(数字加1位)。这个实验每天做1个小时,坚持了将近2年的时间!刚开始,这个大学生只能记住大概由7个数字组成的序列,这个成绩很一般。但是要日复一日、月复一月地练习,成绩就能提高。20个月后,当实验结束时,他能够记住由80个数字组成的序列。

一个普通人能够记住那么长的数字,这种现象在当时很不寻常。但是大约10年后,在20世纪90年代初举办的世界记忆力大赛中出现不少类似的例子:很多普通人经过大量训练,能够记住很长的序列。经过20年激烈竞赛,能够记住80位数字已经不那么稀奇了。目前这个项目的世界纪录保持者能准确记住由240个数字组成的序列。

这个实验,看起来很励志——普通人只要持续练习,都能成为记忆大师。但实际上,我们乐观地估计了技能的通用性。在这个学生能记住80位的长数字串之后,埃里克森测试他对长字母串的记忆能力,结果他只能记住7个字母——跟刚开始练习记数字时一样!

当然,光是一个记忆实验不能证明所有技能都不具备通用性。限于篇幅,此处不展开,等到后文讲到技能精进时再解释这方面的原理。总的来说,我们往往过分夸大了技能的通用性。

在心智计算机的认知观中,大部分技能是专用的(针对某一领域),而非通用的。专用技能可以转化为通用技能,也就是技能的泛化——参阅我写的《原生技能与后升技能》。但明白技能是专用的这个原理,就足以对我们的生活产生巨大的影响。这意味着:

人脑就像电脑那样,如果你需要某一方面的功能,只需(而且必须是)装一个对应的心智程序。

这和我们熟悉的常识不一样。很多时候,我们不会某一样技能的时候,往往归咎于自己某种能力不够。比如文案写不好,会觉得自己没有创意,或者没有文笔。瞧,这不就是“固定型心理定向”吗?而心智计算机的认知观,提倡的是“成长型心理定向”。不会?没关系!装一个心智程序就行了!

来,看看高人是怎么做的。知名的营销人小马宋回忆道:

我的第一份广告公司的工作,虽然我想法很多,但是真正有用的不多,对于广告创意的思路也很局限。那好,我用了一个笨办法,我就阅读大量的广告创意案例。那时,我和同事用了半个月的时间把德国的一本世界级广告创意杂志十年来的作品,从网上全部下载下来,一共是20000个顶尖的创意作品,我又用了近一个月的时间,把他们分门别类的整理成了10个PPT。而我则把这20000个创意反复看了三遍以上。当我看完了这些创意后,我发现,其实市面上大部分广告,创意方法都是来自这些经典的创意,无非变变形式而已。

同时,我也收集了世界上最经典的文案,全部抄写了一遍。大部分经典的文案我都是背诵或者能够够复述。这时,你写文案的时候就有了各种不同题材和思路帮你。而我个人也在从事广告的6年间每天保持着阅读10个以上广告案例的习惯。

这就是心智计算机的认知观所提倡的,不会的话,别懊恼,也别自己瞎琢磨!先去“应用商店”搜索、下载适合的“心智程序”。装上,你就会了!

到这里为止,我们已经完成我们认知观的搭建。接下来的文章,将切入具体的方法论层面,敬请期待。

相关阅读

透过现象看本质(1):从认知的角度说起

透过现象看本质(2):是否存在唯一的本质

透过现象看本质(3):认知目的在于有效

透过现象看本质(4):如何“看”

 

作者: 王武佳

来源:微信公众号: 王武佳

本文由 @ 王武佳 授权发布于人人都是产品经理,未经作者许可,禁止转载。

祝给予赞赏的伙伴,2017年发大财!

评论( 0

写下你的想法

推荐阅读