思維方式

筆記君說：

隨著人工智能技術(shù)的快速發(fā)展，許多專業(yè)和職業(yè)，可能面臨著被AI代替的風(fēng)險。不少知識工作者產(chǎn)生了一些困惑和焦慮。

實際上，在很多專業(yè)領(lǐng)域，還離不開人類的技能、智慧和創(chuàng)新，涌現(xiàn)出了很多不被AI所代替的專業(yè)高手。

我們?nèi)绾尾拍芟袼麄円粯硬槐籄I取代？如何像AI一樣迭代自己？

今天這篇文章，我們就來聊聊學(xué)習(xí)力與AI。

一、不被時代追殺，
唯一的核心競爭力是學(xué)習(xí)力

 

1.學(xué)習(xí)的本質(zhì)：把經(jīng)驗轉(zhuǎn)化為知識，用知識解決問題

田俊國：AI來勢洶洶，大有重新改變一切行業(yè)的趨勢。
 

在一次沙龍上，大家都在討論一個話題：如何運用AI讓我們的工作更方便？甚至有人提出：AI來了，作為自然人，我還需要學(xué)習(xí)嗎？

在那次沙龍上，我突然提出了一個反問：我們更需要思考的是，你如何能像AI一樣迭代自己？

我們其實根本沒有教會我們自己迭代，我們依靠AI在迭代。我們訓(xùn)練AI，其實是反的，你真正需要訓(xùn)練的是你自己的潛意識，你的潛意識就是你隨身攜帶的AI。

如果你不能讓你的潛意識像AI一樣工作，你跟自己內(nèi)在的龐大的智囊無法合作的話，你訓(xùn)練外部的AI，其實也是句騙人的話。

反而，在AI時代，對自然人學(xué)習(xí)能力的挑戰(zhàn)，對知識管理，和知識提煉加工能力的挑戰(zhàn)，是越來越大，而不是越來越小了。

我們咋一想起，很多事都能讓AI來做，而我們忽略的一個現(xiàn)實是：我們身上一直都帶著AI。

以我來說，如果讓我講課拿著稿子念，我可能會崩潰。因為我不習(xí)慣用稿子，我可以用一個即時貼講一天的課，我只需要把提綱一寫，我就交給自己的“AI”了。

我上課最喜歡學(xué)生向我提問和點評作業(yè)，喜歡“你說我點評”和“你問我答”的方式。

因為在這個當(dāng)下，我自動把我當(dāng)成個“AI”，分成了前臺和后臺，前臺是你能看見的我，后臺是內(nèi)在的我。你問的任何問題，我都會轉(zhuǎn)而問他（后臺的我、內(nèi)在的我），他告訴我一個答案，我因此而受啟發(fā)。

而關(guān)于“自然人如何像AI一樣迭代自己”的思考，其實源于2020年我開展的一波關(guān)于深度學(xué)習(xí)的主題閱讀。那一批書中有很多微積分的內(nèi)容，很難看懂。

但我們把這批書全都讀完的時候，我驚呆了。因為我是計算機專業(yè)，其實知道最早的AI就是憑著大樣本量，大數(shù)據(jù)庫，拼命地算，看起來很智能，其實很笨。

但我看了深度學(xué)習(xí)理論以后，才發(fā)現(xiàn)這一代的AI完全不一樣了，它的卷積積分和深度學(xué)習(xí)理論太厲害了。

受其啟發(fā)，我就想如何借助AI的學(xué)習(xí)方式，來反哺自然人的學(xué)習(xí)。在做完這波閱讀之后，我推出了一個“學(xué)習(xí)力躍遷的訓(xùn)練營”，其文字稿最后也就演變成了這本書。

這個訓(xùn)練營的目的或者根本上想解決的問題，就是自然人如何像AI一樣迭代自己，這對于每個人來講，都很現(xiàn)實的問題。

所謂“知識工作者”，是能把經(jīng)驗變成知識，再運用知識解決問題，二者缺其一，都不能稱為知識工作者。

但是，這兩點恰恰是AI最厲害的地方?，F(xiàn)在路上跑的每輛智能駕駛汽車，都在積累數(shù)據(jù)，積累經(jīng)驗，再把經(jīng)驗迭代成算法，算法再指導(dǎo)所有的智能車。自然人也要像智能汽車，我們才能在這個時代生存。

以前的時代，你用存量的知識都能混一輩子。今天你必須有足夠強的學(xué)習(xí)力，才能生活下去。在過去，會開車可能就是一輩子的鐵飯碗，現(xiàn)在換5次職業(yè)也未必能熬得到退休，可能突然有一天，你的職業(yè)就被別人替代了。

“蘿卜快跑”剛火起來那陣，我正好到武漢出差，坐了一輛滴滴快車，師傅跟我說：現(xiàn)在感覺到被時代追殺。

這位師傅原來是一個IT企業(yè)的中層，企業(yè)因為經(jīng)營不善，自己主動辭職，但半年時間都沒事干（沒找到工作），然后自己弄個車跑滴滴，跑了沒多久，發(fā)現(xiàn)蘿卜快跑出來了，所以，我們（自然人）在被時代追殺。

其實，不被時代追殺唯一的核心競爭力是學(xué)習(xí)力。學(xué)習(xí)力的核心，是把經(jīng)驗轉(zhuǎn)化成知識，用知識解決問題。

當(dāng)然，這個過程中，又會有新的領(lǐng)域不斷涌現(xiàn)出來，這些領(lǐng)域誰都沒干過（如知識主播），大家都在探索，這個時候比的就是學(xué)習(xí)力。

我在為一個學(xué)生的書作序時寫道：好奇心、探索精神和學(xué)習(xí)力，可以碾壓一切經(jīng)驗。因為經(jīng)驗在這個時代不值一提，所有的經(jīng)驗都比不上你的探索精神，你的學(xué)習(xí)力。

 

2.從實際問題著手思考，是最好的學(xué)習(xí)方式

田俊國：當(dāng)你在某段時間內(nèi)思考一個問題時，這個問題便成了主題閱讀的主題。圍繞此問題去買書，買一堆書，然后帶著問題去學(xué)習(xí)、思考。
 

我之所以對學(xué)習(xí)力感興趣，是因為我一直從事教學(xué)工作，教學(xué)與學(xué)習(xí)是相互關(guān)聯(lián)的，所謂“不知學(xué)，何以教”。

一開始我覺得認知心理學(xué)很重要，因為它是關(guān)乎一個人接收信息、加工信息的學(xué)問，但這還不夠。

我就在想，人工智能學(xué)習(xí)力那么強，它是怎么學(xué)習(xí)的呢？我圍繞這個問題進行了主題閱讀。那時候ChatGPT在國內(nèi)還未出現(xiàn)，我只是對一些很前沿的理論保持關(guān)注，比如庫茲維爾這些前沿人物的理論。

當(dāng)我看到他們寫的內(nèi)容時，我意識到從20世紀90年代到現(xiàn)在的30年里，人類對自身大腦的研究達到了一個很高的高度。

因為我們借助科學(xué)手段，比如通過戴一個頭盔，就能把此時此刻的腦活動看得一清二楚。

這些最前沿的腦科學(xué)并沒用于自然人的學(xué)習(xí)，自然人的學(xué)習(xí)還停留在六七十年代那個水平。而現(xiàn)在整個學(xué)術(shù)界，或者整個產(chǎn)業(yè)界，都是把腦科學(xué)的學(xué)習(xí)成果，用于研究人工智能了。

但我們的教育依然是很落后的，因為我在教育賽道，自然而然就能想到如何把人類的腦科學(xué)的研究成果，用于幫助自然人學(xué)習(xí)。

我寫的很多書，都是從一個問題開始引發(fā)，然后通過一波主題閱讀，把它架構(gòu)為我的輸入，有了很多輸入之后，就可以輸出我的一個知識體系，以此來招生。

然后回答學(xué)生問題，點評作用，在內(nèi)容豐富，迭代幾輪之后，覺得可以出書之后，就出書了。

從疫情到現(xiàn)在，不到5年時間出了9本書。如果我是一個封閉大腦，通過看書寫出來的書，你也不會看，恰恰是我把課堂當(dāng)成一個練功的場景，和大家充分交流，形成了很多新鮮素材，才能如此高產(chǎn)。 

 

二、知識管理與AI的關(guān)系

1.AI是大腦最好的外掛

吳慶海：我的第一份工作是在聯(lián)想，恰逢麥肯錫給聯(lián)想做咨詢，我有幸被篩選到項目組，所負責(zé)的一套流程，就是知識管理流程。
 

當(dāng)時我對于知識管理并沒有特別直觀的認識，但觀察麥肯錫顧問的工作方式給了我極大的啟發(fā)。我舉兩個方面來說明。

首先，我發(fā)現(xiàn)麥肯錫的顧問普遍很年輕，然而他們卻能在大型場合中，面對具有豐富經(jīng)驗的管理高層侃侃而談，并且能讓這些管理者點頭稱是。

因為麥肯錫從20世紀70年代起就開始積累其內(nèi)部的知識庫，即便是工作才三五年的顧問，也能在管理層面前匯報工作、呈現(xiàn)方案，并非是獨自作戰(zhàn)，其背后有著全球幾萬專業(yè)人員的知識儲備作為支撐。

由此我想到，一個人若要實現(xiàn)快速成長，其背后也需要有一個類似外掛大腦的存在。而且這個外掛大腦不一定完全依靠其自身，實際上這和如今我們借助人工智能、知識庫加上大模型的方式是極為相似的。

隨著項目不斷深入，我們遇到了越來越多棘手的問題，這些難題在標準的知識庫中都無法找到答案。

這時候，我發(fā)現(xiàn)麥肯錫有第二個有力的解決辦法。他們邀請我到北京的嘉里總部中心，在那里開會幫我連線了一位在英國的專家。通過與專家進行互動交流的方式，來協(xié)助我解決這些困難的問題。

正是因為在參與項目過程中有了這樣有意思的經(jīng)歷，所以后來我便走上了相關(guān)的道路。

當(dāng)然，在這個過程中，知識管理是幫助企業(yè)如何去系統(tǒng)地沉淀、提煉知識，最終加以應(yīng)用的，它屬于一個跨學(xué)科的領(lǐng)域。

每個人在學(xué)習(xí)過程中，必然會涉及知識的獲取與吸收，然后將其內(nèi)化為自身的知識網(wǎng)絡(luò)等，最終能夠依據(jù)實際問題產(chǎn)出結(jié)果，以此解決難題，我們也一直在對這個過程展開研究。

后來我們發(fā)現(xiàn)，若想更高效地完成知識的生命周期管理，就需要對每個個體的知識進行系統(tǒng)性梳理，從而由個體知識形成組織知識。

在這個過程當(dāng)中，我們遇到了諸多問題與挑戰(zhàn)，比如：怎樣能讓大家更便捷地檢索到知識？如何依據(jù)大家的工作場景，主動為其推送合適的知識？

20多年前，相關(guān)需求還比較樸素。但隨著需求不斷深入，大家就在想，檢索或者搜索，能不能更智能一些，推薦能不能更智能一些，于是我們便朝著相應(yīng)方向展開研究。

到了近幾年，大模型橫空出世。在諸多重要的應(yīng)用場景中，它恰好可作為一個很棒的外掛工具，能更好地支持我們更智能地檢索知識、回答知識相關(guān)問題以及進行知識的推薦。

這與我們當(dāng)初夢寐以求的境界不謀而合，所以知識管理和AI自然而然地融合到了一起。

雖然這些工具和技術(shù)能給予我們強大的輔助，但我們不能完全依賴它們。我們自己若是坐在那兒不謀求自身發(fā)展，那肯定是不行的。

 

2.“ABC”知識觀模型

吳慶海：后來我提出了一個名為“ABC”的知識觀。 
 

“A”指的是AI，即“AI oriented”，也就是面向人工智能的知識管理；

“B”指的是“Business”，因為我們在企業(yè)里服務(wù)的主要核心是業(yè)務(wù)，所以面向業(yè)務(wù)這一點絕對不能被忽視，它是我們的源頭所在；

“C”指的是“Collective-wisdom”，意為集體智慧，這一點是回歸到人的本體。

以“A、B、C”作為三層結(jié)構(gòu)，我將其稱作“一體兩翼”。具體來說，把“B”放在三角形的中間位置，“A”放在左邊，“C”放在右邊，這樣正好形成“A、B、C”的布局。

其中，“A”更偏向于技術(shù)方面，“C”則偏向于人（people），如此一來，“technology”（技術(shù)）、“process”（業(yè)務(wù)）以及“people”（人的集體智慧）就與西方管理中的流程、技術(shù)和人相吻合了，所以我覺得這個三角形架構(gòu)很美妙。

 

3.知識管理兩件事：外掛與內(nèi)化

田俊國：歸根結(jié)底，知識管理主要涉及兩件事，一是外掛，二是內(nèi)化。
 

所謂外掛，就是借助當(dāng)下的AI工具，像大模型等，它們可視為全人類的知識庫。不過，外掛這種公共資源大家都能使用，這時候就看誰的應(yīng)用水平更高了。

而能否精準地提出問題是衡量應(yīng)用水平的關(guān)鍵，并且能否提出精準問題，不僅取決于對工具的運用，也與自身的知識積累程度相關(guān)。

業(yè)務(wù)可以理解為知識管理的應(yīng)用場景，它屬于外掛部分之外的另一個要素。還有人的整個內(nèi)在的集體潛意識部分也很重要。

我們一方面要善于將一些核心技能真正內(nèi)化為自身的能力，另一方面也要善于運用好外掛工具，而我們在這其中充當(dāng)?shù)氖且粋€調(diào)和者的角色。

即便AI再厲害，若我們自身不具備與之互動的能力，那也是無濟于事的，只能是臨淵羨魚。

反過來講，與AI互動的能力，本質(zhì)上對自身的學(xué)習(xí)力、模型提煉能力以及知識積累等諸多方面都極具挑戰(zhàn)性。

所以這兩者本質(zhì)上是相輔相成的關(guān)系，并非此消彼長，不能因為有了AI就覺得其他方面不需要了。

隨著AI不斷迭代，我們自身也得跟著迭代，組織同樣需要跟著迭代。

早在20世紀70年代，麥肯錫基本上就已經(jīng)實現(xiàn)了讓每一個小顧問的背后都仿佛有一個AI作為支撐。

只不過那時的“AI”不像我們?nèi)缃袷褂玫倪@般便捷罷了，但相關(guān)理念在那時就已經(jīng)落地實施了。

 

4.組織進化，需要通用大模型、行業(yè)知識庫和個人知識庫結(jié)合

吳慶海：結(jié)合目前的發(fā)展態(tài)勢來看，在企業(yè)中，AI最核心的部分在于自然語言處理。它通過對文本進行加工、挖掘以及組合生成等操作，以語言的形式將結(jié)果表達出來，從而能很好地輔助我們。
 

然而，在通用大模型落地應(yīng)用時，也出現(xiàn)了不少問題，比如會產(chǎn)生知識幻覺。當(dāng)我們需要非常精準、權(quán)威的知識時，若大模型未學(xué)習(xí)到相關(guān)內(nèi)容，就會一本正經(jīng)地胡說八道。

目前在企業(yè)里，針對這一情況已有解決方案。由于通用大模型已學(xué)習(xí)了人類通用的知識，可作為外掛大腦。

但對于企業(yè)內(nèi)部本行業(yè)、本專業(yè)領(lǐng)域的知識，外部互聯(lián)網(wǎng)是無法提供給大模型的，所以需要在企業(yè)內(nèi)部再建立一個知識庫。

如此一來，通用大模型與內(nèi)部知識庫相結(jié)合，便形成了現(xiàn)在所謂的RAG（檢索增強的生成）模式。

進一步將此邏輯延伸到個體層面，個體所擁有的know-how，即其最本質(zhì)、最獨特的東西，并非通用大模型以及企業(yè)垂直領(lǐng)域知識庫所能替代的。

因此，我認為只有將通用大模型、企業(yè)自身獨特領(lǐng)域及行業(yè)的知識庫，再與個體自身內(nèi)化為一個非常獨特的知識庫相結(jié)合，才是一種較為完美的結(jié)合方式。

 

5.再強大的外掛工具，都無法替代自身的學(xué)習(xí)

田俊國：本質(zhì)上，我們需要了解AI工作的機理，并且要把自己的潛意識當(dāng)作類似AI的存在，這樣才能如同與潛意識配合一般去更好地調(diào)用AI。
 

我認為存在這樣一種層級結(jié)構(gòu)：意識、潛意識、AI以及人類集體潛意識。

若要練習(xí)與AI協(xié)同工作，首先就得練習(xí)與自己的潛意識協(xié)作。這個邏輯看似自洽，但關(guān)鍵在于要去實踐、去練習(xí)。而在這當(dāng)中，我發(fā)現(xiàn)最為重要的一點是要信任自己的潛意識。

然而很多人并不信任潛意識，比如有些人做演講時要準備詳盡的逐字稿，全程都依靠意識在工作。

而我認為，比如在與人交談時，可以先明確自己要說幾點，拋出第一點之后，就可以讓潛意識來主導(dǎo)后續(xù)內(nèi)容。

那些靈感、直覺的背后，也都是潛意識在起作用。不要以為只有意識具備建模能力，潛意識同樣擁有。就像俗話說的“熟讀唐詩三百首，不會讀詩也會吟”，潛意識看久了、經(jīng)歷多了，也能理解并發(fā)揮作用。

吳慶海：這讓我特別有共鳴。古人講“內(nèi)圣外王”，意思是要將內(nèi)在和外在打通。

如今的AI等數(shù)據(jù)工具，大多都屬于外在的東西，而若要把內(nèi)在也打通，就涉及潛意識或者集體潛意識了。

佛家講八識，前面的六識，是眼、耳、鼻、舌、身，再加上第六識意識，第七識和第八識就類似于潛意識或集體潛意識。 

 

三、人類學(xué)習(xí)力的奧秘

1.個體學(xué)習(xí)力

① 大腦的5大網(wǎng)絡(luò)

田俊國：大腦的構(gòu)造極為復(fù)雜，大腦有前額葉、頂葉、枕葉等等，我們要把這些器官以一種更易理解的方式呈現(xiàn)出來，將其感知成人的某種狀態(tài)。
 

我在模型中將其抽象為5個方面：感知網(wǎng)絡(luò)、聯(lián)想網(wǎng)絡(luò)、決策網(wǎng)絡(luò)、反應(yīng)網(wǎng)絡(luò)和學(xué)習(xí)網(wǎng)絡(luò)。

感知網(wǎng)絡(luò)與眼、耳、鼻、舌、身等相關(guān)聯(lián)，它們相當(dāng)于我們感知世界的傳感器，這些傳感器又可以分為意識層面和潛意識層面。

也就是說，你能意識到的那部分信號是比較明顯的，但有時候你也會在潛意識層面去處理信息。

信息流和能量流也屬于感知的范疇：信息流，是通過語言來表達的內(nèi)容；能量流則是通過肢體語言、語音語調(diào)等方式來表達的內(nèi)容。

人與人之間的區(qū)別就在于感知方面，感知本身就像是一個過濾器。我所注意到的，你未必會注意到，因為每個人都會依據(jù)自己的專業(yè)背景，自動對信號進行過濾。

比如在一個房間里，一位建筑學(xué)家進來，馬上會關(guān)注建筑結(jié)構(gòu)，而其它人不一定會去看這些。這就是不同人的感知網(wǎng)絡(luò)存在差異的體現(xiàn)。

聯(lián)想方面也是如此。當(dāng)信息進入大腦后，它能激活大腦神經(jīng)元回路中的某些信息，這就是每個人不同的聯(lián)想，而且每個人的聯(lián)想情況都是不一樣的。

比如有人問陜西的省會在哪？你會不假思索地說“西安”。如果我接著問，我的問題有哪些線索讓你想到“西安”？相信每個人都不一樣。

有的人可能想到?jīng)銎?、肉夾饃，有的人想的是大雁塔、十三朝，還有的人會想到兵馬俑。

當(dāng)聯(lián)想網(wǎng)絡(luò)和感知網(wǎng)絡(luò)相結(jié)合后，才進入到?jīng)Q策。同樣的刺激，有人會悲觀，有人會樂觀，為什么？因為聯(lián)想網(wǎng)絡(luò)不一樣，決策算法也不一樣，決策完之后就會有反應(yīng)。

所以，大腦就是這么一個由感知、聯(lián)想、決策、反應(yīng)組成的循環(huán)網(wǎng)絡(luò)。當(dāng)然，也有可能從感知直接到反應(yīng)，那已經(jīng)形成直覺習(xí)慣，也有可能感知沒有聯(lián)想和決策直接反應(yīng)。

總之，大腦會有多種反應(yīng)方式，但都離不開這四大網(wǎng)絡(luò)。

感知網(wǎng)絡(luò)、聯(lián)想網(wǎng)絡(luò)、決策網(wǎng)絡(luò)、反應(yīng)網(wǎng)絡(luò)屬于工作系統(tǒng)，而還有更為高深的層面。

比如原始人打獵時，獵物跑了，他在樹根底下思考：要是在某個地方安排一個人堵著獵物，獵物可能就跑不了，但要是獵物把堵著的人撞傷了怎么辦？最后想到挖個陷阱。

這個思考過程就是學(xué)習(xí)網(wǎng)絡(luò)所做的事情，即對這四大網(wǎng)絡(luò)之間的配合、協(xié)作關(guān)系以及它們各自的反應(yīng)能力進行不斷地復(fù)盤，然后實現(xiàn)提升，也就是進行學(xué)習(xí)并升級算法。

于是，我在這四個網(wǎng)絡(luò)之上，架構(gòu)了一個學(xué)習(xí)網(wǎng)絡(luò)。通過這樣的方式，我將復(fù)雜的大腦架構(gòu)成了五大網(wǎng)絡(luò)，其中四大網(wǎng)絡(luò)作為工作系統(tǒng)，而另外一個學(xué)習(xí)網(wǎng)絡(luò)則不斷迭代。

之所以要設(shè)置一個學(xué)習(xí)網(wǎng)絡(luò)，這涉及到教育學(xué)中的元認知能力，我把它抽象出來。當(dāng)把復(fù)雜的大腦抽象成這五大網(wǎng)絡(luò)的時候，學(xué)習(xí)力模型也就自然而然地呈現(xiàn)出來了。

 

② ACCP模型

ACCP模型恰好與大腦的四大網(wǎng)絡(luò)相對應(yīng)。
 

“A”代表“Absorb”，意為吸收，它對應(yīng)的是感知網(wǎng)絡(luò)的活動，也就是進行知識的吸收。

“C”有兩個：第一個“C”（construct），是指建構(gòu)主義的“建構(gòu)”，它對應(yīng)的是聯(lián)想網(wǎng)絡(luò)，強調(diào)在學(xué)習(xí)過程中通過聯(lián)想來建構(gòu)知識體系.

第二個“C”（correct）是指決策網(wǎng)絡(luò)，意味著在決策時要有自己創(chuàng)造性的發(fā)揮，要能做出恰當(dāng)?shù)呐袛嗪途駬瘛?/p>

“P”則代表“perform”（反應(yīng)），涉及到對知識的實際運用和做出相應(yīng)反應(yīng)。

我認為學(xué)習(xí)的重點在于聯(lián)想網(wǎng)絡(luò)和決策網(wǎng)絡(luò)，也就是兩個“C”。

衡量是否真正掌握知識有兩個標志：一是形成個人版本的理解，二是能夠進行個性化的應(yīng)用。

即便把《道德經(jīng)》背得滾瓜爛熟，也不一定真懂，必須要把它轉(zhuǎn)化成自己個人版本的理解，用自己的話闡述它在講什么，并且在遇到實際場景時能夠靈活變通地加以應(yīng)用。

現(xiàn)實場景和書本上講的往往不一樣，沒有哪一種知識能夠不做任何改變就直接解決現(xiàn)實問題。

所有的現(xiàn)實問題，都得做適應(yīng)性的改造和創(chuàng)造性地發(fā)揮，然后通過反應(yīng)網(wǎng)絡(luò)，會得到獨一份的經(jīng)驗。再通過個人的加工，把經(jīng)驗轉(zhuǎn)化為個人版本的知識。

個人所形成的個人版本的知識相互交換后，就會匯聚成為集體智慧。集體智慧與個體智慧就是通過這樣不斷的交換而得以發(fā)展。

實際上，教學(xué)就是集體智慧在個體之間進行傳播的過程。

為什么要在個體間傳播呢？原因在于所有的經(jīng)驗都無法直接從個體間進行復(fù)制，必須要將經(jīng)驗轉(zhuǎn)化為結(jié)構(gòu)化的知識，這樣才能夠在個體間實現(xiàn)復(fù)制。

教學(xué)本質(zhì)上是一種結(jié)構(gòu)化知識的傳播。然而，即便學(xué)習(xí)了結(jié)構(gòu)化的知識，如果不能將其轉(zhuǎn)換成自己的語言，也就是沒有真正理解，沒有真正領(lǐng)悟。

若不能依據(jù)自身所處的場景進行適應(yīng)性改造并靈活發(fā)揮，實現(xiàn)個性化的應(yīng)用以解決問題，那就說明知識還沒有學(xué)透。而當(dāng)通過知識解決了問題后，又會形成新的經(jīng)驗。

由此可見，在學(xué)習(xí)的過程必然是按照這樣的流程進行：

第一，將公共知識建構(gòu)成個人版本的知識，即實現(xiàn)知識的建構(gòu)化；

第二，運用所建構(gòu)的知識去解決問題，此過程就是將知識經(jīng)驗化；

第三，經(jīng)驗化之后再將其轉(zhuǎn)化為知識，然后再次知識化后的知識又能夠變成公共知識得以傳播，如此便形成了一個完整的循環(huán)閉環(huán)。

這種循環(huán)能力是未來個體必備的一種能力。如果你自身具備了這種能力，既能學(xué)會指導(dǎo)自己的潛意識工作的能力，又能學(xué)會指導(dǎo)AI工作的能力。這其實是AI時代的一個元能力。

 

2.知識的本質(zhì)含義

① 知識不僅是內(nèi)容，更是一個過程

吳慶海：我從事與知識相關(guān)的研究已經(jīng)有20多年了，在這個過程中，我對于“知識”這個詞的理解也在不斷地迭代更新。
 

從名詞的角度看，大家通常會認為一本書、一個文檔或者一篇內(nèi)容,結(jié)合五大網(wǎng)絡(luò)相關(guān)理論，我們發(fā)現(xiàn)知識更像是一種過程。

 

② “知”為客觀，“識”為主觀

田俊國：知識存在多種說法，有一種說法是：知識的關(guān)鍵在于“識”，“識”是個人對信息的理解。
 

以往我們普遍認為知識是客觀的，但其實不對，知識必定是主觀的，因為不同的人會有不同的理解，也就是說“知”可以是客觀的，但“識”一定是主觀的。

那么，知識能不能算客觀？當(dāng)大部分人都認同的一種主觀認知，就可以勉強稱作客觀，也就是外界大部分人達成共識的主觀認知可相對視為客觀。

而一個人對于知識本身的理解和定義，會決定其在知識管理或者教學(xué)當(dāng)中所采用的套路、打法以及具體方法。

真正的專家都有一個特點，特別擅長追問第一性原理。他們總是在默默深入地思考工作相關(guān)的問題，他們看待事物永遠比普通人更加深刻、更加透徹。

 

3.AI，顛覆和重構(gòu)教育體系

吳慶海：我想從兩個方面來談。一方面，知識有一種定義是“有效行動的能力”，這和現(xiàn)在所說的反應(yīng)網(wǎng)絡(luò)（基于問題作出反應(yīng)）從應(yīng)用角度來看是有一定道理的。
 

另一方面，我們來看看ChatGPT，它對之前的教育體系來說是一種重構(gòu)。

以前我們的教育體系是：每個人從出生開始，歷經(jīng)小學(xué)到大學(xué)，要花費很多年去學(xué)習(xí)知識，而且是非常體系化地進行知識灌輸，至于這些知識在大腦里形成什么樣的結(jié)構(gòu)，我們并不清楚。

但是ChatGPT就不一樣了，它并不遵循標準的知識體系。只要你基于某個問題提問，它就會給你一個答案。

這種對知識的顛覆和重構(gòu)，會對我們傳統(tǒng)的教育或知識體系模式產(chǎn)生重大的反向沖擊。

田俊國：現(xiàn)代教育其實是一種進化與退化并存的方式。為什么這么說？進化和退化是相互關(guān)聯(lián)的，有進化就必然會有退化。

在教育過程中，我們往往想要強化一種固定的反應(yīng)模式，然而這樣做的同時，就把其他的可能性全部扼殺掉了。

所以，進化和退化是同時存在的。我們在成長的過程中，實際上是一邊在進化，一邊也在退化。不要以為成長就完全是進化。

老子說“物壯則老，是謂不道，不道早已”，意思是事物發(fā)展到強盛之后就會走向衰老，很快就會消亡。

其實人的成長和成熟，有時候意味著思維的固化，一旦這種固化形成，人適應(yīng)社會變化、適應(yīng)外部環(huán)境的彈性就沒有了。

學(xué)習(xí)實際上是一把雙刃劍，它既有積極的一面，也有消極的一面，這一點我們必須要理解。

就像我們現(xiàn)在討論的ChatGPT，它有一個優(yōu)點，就是能夠最大限度地克服學(xué)習(xí)過程中讓人形成固化反應(yīng)模式的弊端，因為它自身是在不斷地迭代更新。

人也需要不斷地迭代更新自己。有句話說得好，如果你不覺得年初的自己像個傻瓜，那就說明你的進步太慢了。

 

4.組織學(xué)習(xí)力的SECI模型

吳慶海：能夠說出來、表達出來的知識，只是我們對知識客觀表達的一種方式。通常來講，能夠用字符串、聲音、圖像等方式表達出來的知識，就是一種顯性知識。
 

SECI模型由日本著名學(xué)者野中郁次郎提出，他被譽為知識創(chuàng)造之父。他認為知識創(chuàng)新的本質(zhì)，是始于個體與個體之間隱性知識的共享與交換，這就是“socialization”的含義。

在SECI模型中，第一象限就是“S”（Socialization），是隱性知識社會化、社交化的層面。就如同我們今天在交流過程中，其實是在調(diào)動我們的潛意識，把隱性知識激發(fā)出來。

所以，現(xiàn)在不可能有人獨自閉關(guān)修煉幾十年成為高人，因為知識強調(diào)的是多個人之間相互的激蕩和碰撞，只有這樣才能產(chǎn)生真知以及更新的東西。

第二象限，“E”，即“exteriorization”（外顯化）。把我們隱性的東西表達出來，而外顯化的過程，是衡量一個人能不能把知識講得透徹、寫得好、說得明白的真正關(guān)鍵所在。

在這個過程中，我們經(jīng)常會通過復(fù)盤、知識萃取等方式把隱性知識提煉出來，這既考驗我們個體知識素養(yǎng)的高低，也是考驗組織能否把這些隱性知識提煉出來的水平。

當(dāng)然，一旦形成了文檔、書籍等，那就已經(jīng)完成了顯性化。

第三象限，“C”，即“combination”（組合化），我們大部分知識庫、信息系統(tǒng)的建立，主要都是在這個象限上下功夫。

第四象限，“I”，叫做“internalization”（內(nèi)化的過程），也就是要將知識內(nèi)化成自身的能力。

我們常常會有這樣的疑問，為什么學(xué)習(xí)了那么多知識、讀了那么多書，卻還是過不好這一生呢？這就要看內(nèi)化有沒有做好。

一千個人腦子里會有一千個哈姆雷特，一千個人腦子里會有一千個林黛玉，因為每個人大腦結(jié)構(gòu)的五個網(wǎng)絡(luò)存在差異，即便接觸了大量外在顯性化的信息或知識，但每個人大腦的結(jié)構(gòu)完全不一樣。

當(dāng)一個人在知識的快速迭代過程中，速度和力度都能達到一定水平，就能夠慢慢從泯然眾人中脫穎而出，成為高手、專家、牛人。

這就是我所理解的SECI模型，從組織高度去看時，與知識管理模型之間產(chǎn)生的一些共鳴之處。

 

四、學(xué)習(xí)力躍升，像AI一樣迭代

1.AI學(xué)習(xí)力的核心：算法、算力、數(shù)據(jù)

田俊國：人工智能如今厲害之處主要體現(xiàn)在三條。
 

其一，它永不知疲倦，能夠24小時不間斷工作，無需吃飯也不用發(fā)薪。原因在于它在知識轉(zhuǎn)化方面表現(xiàn)出色，能將“C”（顯性知識）高效地轉(zhuǎn)化為“I”（內(nèi)化知識），工作的同時就在學(xué)習(xí)，學(xué)習(xí)能力很強。

其二，它在“S”（社會化、共享隱性知識）方面也極為厲害，一個終端積累的經(jīng)驗?zāi)茉谄渌薪K端馬上實現(xiàn)共享。而在人類社會中，人與人之間經(jīng)驗共享存在很大門檻，包括語言等因素的限制。

其三，人工智能在這些人類學(xué)習(xí)的環(huán)節(jié)上能夠進行諸多簡化?；旧纤薪K端的數(shù)據(jù)都會積累到后端數(shù)據(jù)庫，經(jīng)驗積累也是如此，并且它能帶著算法開展工作，實現(xiàn)從“C”到“I”的無縫對接。

然而，自然人通常是工作與學(xué)習(xí)分開進行的，會覺得工作只是應(yīng)付任務(wù)，不像人工智能那樣工作即學(xué)習(xí)。這就凸顯出碳基生命（人類）與硅基生命（人工智能）在這方面的差距。

人工智能最重要的要素?zé)o非是算法、算力和數(shù)據(jù)。

對于自然人的學(xué)習(xí)力而言，算法可以理解為做事情的各種方法論、套路，比如PDCA等，這些都可視為個人的算法。

但很多時候我們解決問題依靠的是經(jīng)驗，當(dāng)遇到突如其來的問題時，可能不會快速提取出一個既定算法，但往往會冒出靈感。

所謂靈感，其實就是潛意識的建模，就如同“熟讀唐詩三百首，不會讀詩也會吟”的道理。因為潛意識已經(jīng)把詩句模型化了，只是沒有將其提煉成諸如平平仄仄這樣作詩的具體套路。

當(dāng)閱讀積累到一定程度，即便沒有明確的作詩算法，也能依靠感覺對字詞進行調(diào)整。這說明當(dāng)一個人有豐富經(jīng)驗時，在沒有現(xiàn)成算法的情況下，數(shù)據(jù)本身就能堆積出一個算法。

這也反映出如今學(xué)習(xí)存在的一個麻煩之處，在課堂里老師教授的多是算法，但老師幾十年的經(jīng)驗卻無法一一傳授給學(xué)生。

而且，算法看似有套路可循，但老專家解決新問題時，依靠的往往是自身的數(shù)據(jù)（經(jīng)驗）。一旦用經(jīng)驗解決了具體問題，經(jīng)驗就可以轉(zhuǎn)化為知識。

 

2.多對話，提升潛意識的原動力

田俊國：維果茨基說：所有的學(xué)習(xí)都是兩次登場的，一次是個體間的交流過程，一次是個體內(nèi)的交流過程，而對于個體來講，個體內(nèi)的交流過程才是學(xué)習(xí)發(fā)生的最后一步。
 

不管別人說多少、怎么說，最終是否采信在于自己，只有自己采信并內(nèi)化成自己的理解，那才是真正的學(xué)習(xí)發(fā)生。就像杰根的那句名言：“我說的每一句話都沒有意義，除非你認為它有意義。”

也就是說，我們自己才是學(xué)習(xí)成果的最終裁判。

哪怕把老師講的內(nèi)容背得滾瓜爛熟，如果沒有內(nèi)在的個體內(nèi)對話，那也只是機械的反應(yīng)，個體內(nèi)對話才是學(xué)習(xí)真正發(fā)生的“最后100米”。

所有的個體間對話往往又是由個體內(nèi)對話引發(fā)的，比如我要和別人講事情，先要在潛意識里打個腹稿。

要學(xué)會運用潛意識開展工作，是存在一些有效秘訣的。

比如備課這件事，幾個月前就可以給潛意識下一個“錨”，明確設(shè)定要解決某個特定問題。

當(dāng)這個“錨”下好之后，潛意識便會持續(xù)不斷地進行醞釀。經(jīng)過較長一段時間，可能突然在某一天就會迎來頓悟時刻，問題的解決思路一下子就清晰了。

 

3.構(gòu)建場域，激發(fā)學(xué)習(xí)力

我現(xiàn)在特別強調(diào)“場域”的情況，就像我們現(xiàn)在聊天這樣，一開始可能以信息流為主，大家比較拘謹，等慢慢放開了，想聊什么就聊什么，這就達到了一種比較暢快的狀態(tài)，可稱之為“場域”。
 

而場域是有其特定定義的，人其實存在兩個最基本的狀態(tài)：一種是“我”的狀態(tài)，就是還比較關(guān)注自我；另一種是聊著聊著把“我”忘了，只剩下“我們”的狀態(tài)。

在集體決策或者集體學(xué)習(xí)的場域中，對最終學(xué)習(xí)成果的質(zhì)量影響非常大，因為它既會影響每個人的心情，也會影響每個人的能量狀態(tài)。

影響決策質(zhì)量的因素，往往并非僅僅取決于信息量是否足夠。我個人認為，至少有兩個因素是對半分的重要程度，那就是人的能量狀態(tài)以及信息量。

當(dāng)人們處于低能量狀態(tài)時，會激活戰(zhàn)斗逃跑模式，也就是會激發(fā)“小我”，每個人都在盤算自己的小算盤，只為自己的安全感考慮。

在這種情況下討論問題，很難做出對集體更好的決策。大家都會借著事情本身，把自己隱藏層里的利益和訴求隱藏起來，說一些冠冕堂皇的理由，如此做出的決策往往就會偏離正確方向。

相反，當(dāng)大家處于高能量狀態(tài)時，就會想著怎樣能讓組織變得更好。不過這里存在一個風(fēng)險，就像《烏合之眾》所說的，當(dāng)群體處于高能量狀態(tài)，一人帶起節(jié)奏時，群體越大越容易出現(xiàn)問題。

大家可能都在跟著考慮同一件事，而這時候智商可能會變得很低。比如大家一呼百應(yīng)，就變成了烏合之眾，所有人的智商瞬間變?yōu)榱恪?/p>

所以企業(yè)家在經(jīng)營組織的時候，一定要把信息充分和能量狀態(tài)這兩個因素結(jié)合起來。有時候能量太高會變成亢奮狀態(tài)，一呼百應(yīng)，容易出現(xiàn)問題；而有時候信息不充分也不行，也會影響決策質(zhì)量。

這兩個場景需要經(jīng)常交替出現(xiàn)，有時需要大家狀態(tài)高一些，但狀態(tài)高的時候智商又容易喪失，有時又需要信息充分。

對于個體決策來說，在決策的那一剎那，也要問問自己當(dāng)下的狀態(tài)是高還是低，因為狀態(tài)太高容易亢奮而出昏招，狀態(tài)太低也不行，所以影響決策的主要就是這兩個維度。