什么是聪明人?

什么样的人我们会认为是聪明人?

一个5岁的小孩子能把圆周率背到小数点后100位,我们会认为他聪明;但同样的事情发生在五大三粗的爷们儿身上,我们会觉得他是闲着没事干。一个知识竞猜节目中,如果一个人连续答对多个事实性问题,观众会叹为观止。放到生活中,这样的知识又很难被周边的人认可。

我们的直觉通常会把知道多少信息当作聪明,这是由于我们从类人猿进化而来,大脑还留着这样的烙印,即认为拥有更多信息的人,能更早发现潜在威胁和食物来源,在自然界中拥有更多的生存优势。

信息爆炸始于互联网,也不过二十几年,知道多少件事很难再拥有竞争优势。你驾车二十几年熟悉城市的每个街道,也敌不过导航APP的运算能力。即便你终生学习,也不会比维基百科。

过去我们的学习通常是以知道更多为主,而今天需要做一些视角转换:心理学视角


心理学中,对于智力有两种分类:

1.流体智力

指在不同领域运用推理的能力。可以通过智力测试中的图像分类、数列推理来测量。之所以这么命名,是因为流体这个词,可以体现这是一个像水一样流动的、过程性的智力,对应的知识例如归纳法、归谬法、反证法、乘法、除法等,是一种推理运算的智力。

2.晶体智力

指通过学习获得的陈述性事实。这些知识就像晶体一样结晶成一块一块地存储在长期记忆中。例如我问你北极熊是什么颜色,你立马知道是白色,这就是一个陈述性事实。

相应的,流体智力对应的知识叫做程序性知识,晶体智力对应的知识叫做陈述性知识。

我们所说的知道多少,指的就是陈述性知识,例如圆周率小数点后的一百位、历史事件的时间节点、具体概念的陈述性定义等。

而如何知道,就是程序性知识,例如类比推理、图式想象、归纳演绎等。


程序性知识为何越来越重要?

当一个人的陈述性知识再也不可能比搜索引擎更丰富时,程序性知识会变得越来越重要。换句话说就是:

信息人人都看得到,但看出什么来,就因认知能力而异。

程序性知识初期当然得靠陈述性知识的输入。例如学习骑自行车,你至少得先知道如何骑,才能开始练习骑行技能。又例如,小孩要学习乘法运算规则,至少也得先明白乘法的陈述性定义是什么。

学习程序性知识,是一种技能内隐的过程。例如一个会骑车的人,骑车技能已经内隐到了条件反射中,成为了一种肢体的自动化运算规则。

学习程序性知识也是如此,长期的训练会让它像车技一样内隐到条件反射中,不过这种反射不是肢体上的,而是认知层面的。

离开学校后,大部分人基本脱离了程序性知识的学习。因为学习程序性知识更烧脑,而人大脑有一条生存效应是:

能不用就不用,够用就好。

如果现有的知识对工作来说已经够用,即便只是看上去够用,大部分人也很少主动学习。任何有效的学习过程,都会伴有认知层面的不舒服。如果没有这样的感受,即便你一天看一本书,也只是在完成KPI而已。

互联网的发展使得信息传播的边际成本趋零,而信息就像数据,如果不做解读,没有任何意义。无论是个人还是组织,依靠信息不对称难以建立持续性的竞争优势。所以,程序性知识毫无疑问将扮演重要的角色。


程序性知识有哪些?

上文提到,程序性知识其实就是一种算法,这种算法可能来自逻辑学和数学中的基本运算规则,也可能来自多个学科中的概念。

例如,进化论除了可以是一种陈述性知识之外,也可以当作程序性知识来理解世界的演化过程。动物的进化史即是陈述性知识,也是程序性知识。


如何获得更多的程序性知识?

将一个陈述性概念看作程序性知识。

查理•芒格,他的多元思维框架就是这样一个程序性知识集合的模型。

《穷查理宝典》中这样说:

查理的投资方法和大多数投资者所用的较为粗陋的系统完全不同。

查理不会对一家公司的财务信息进行肤浅的独立评估,而是对他打算要投资的公司的内部经营状况及其所处的、更大的整体‘生态系统’作出全面的分析。

它们借用并完美地糅合了许多来自各个传统学科的分析工具、方法和公式,这些学科包括历史学、心理学、生理学、数学、工程学、生物学、物理学、化学、统计学、经济学等。

查理采用‘生态’投资分析法的无懈可击的理由是:几乎每个系统都受到多种因素的影响,所以若要理解这样的系统,就必须熟练地运用来自不同学科的多元思维模式。

以“将一个陈述性概念当作程序性知识”去理解芒格的思维框架,就明白为什么他倡导多学科学习了。这是为了获得更强的运算推理能力,而非掉书袋装逼。

在自己思想深处种植下一排程序性知识,它能解决思想和现实之间一系列的问题。

聪明人都有自己独特的程序性知识体系,这一点很值得我们学习。

你可能感兴趣的:(什么是聪明人?)