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。
