读书「好好学习」
内核：Ask Why 与 系统化思考
这是我从书中获得的最重要的两个要点。在介绍这两个点后，我会用这两个点把整片笔记串起来。
Ask Why
- 1）同样一件事情，背后的目的不一样的话，做出来效果就可能会是不一样的。比方说同样是发传单，如果仅仅是发传单本身，可能就只会站在闹市发发传单，最多看一下公司卖的商品，然后分一下目标客户和非目标客户，看到像的就凑上来聊两句。如果意识到背后的目的是为了扩大活动的影响力，那么就冲着这个目的找人配合扩大效果。
- 2）另外一些时候，我们可能就被分配了某项无聊的工作，我们需要给自己找到一个 Why 的点，比如公司需要拓展业务到硬件领域，至于公司为什么要拓展到硬件，可能他们是需要新业务拿投资，也可能是真的想要进军硬件行业，或者只是给董事会看看我们在做事，也可能是看手下闲着随便让他们找点事做。任务一层层布置下来，我的直属上级都不知道为什么，我也不可能越级向上管理。那么这个时候，我就很难去关心 Why 这一层了，虽然可能最好的选择是跳槽，但硬件领域本身是一个很有意思的领域，我可以找到这么一个 Why，不但自己非常有劲地学习，同时还能 get paid，在我努力学习的同时，说不定还能给公司创造价值，何乐而不为呢？
系统化思考
- 文中有个例子讲奥尼尔用提高美国美铝集团生产安全的方式最终把整个企业扭亏为盈。其中给了一张系统分析图。突然感觉回到了原来自己的本行，系统生物学领域，Uri Alon 的 toy model 分析方法和这个系统分析图如出一辙，书中的问题比较容易，就画出来的图，很容易找到关键节点，原先我们做的是基因组的调控，其中抑制和刺激的关系错综复杂，还有逻辑门，但是非常有意思。在看这一章的时候，我还同时想起了写完程序 profile 的步骤。profile 会找出每一步运行的次数和消耗时长。用来优化真正的限速步骤，profile 找出来的限速步骤有时候非常反直觉。可能就是很小的一处改动，就能提高效率。于是我发现原来我的领域的工具还能用在这里！
- 1）toy model 分析方法。画结构图，做流程分析。适用于比较复杂的系统，比如我原来的领域，系统生物学，有个分支就是用系统分析的方法去研究基因之间的调控关系，能使用时序频谱分析的方法把基因之间的调控关系弄清楚，再用计算机去做模拟，虽然复杂，但是能发现不少应激反应背后的机理，比如三个节点的前馈环就能实现类似电梯门快开慢关的效果。
- 2）profile 分析法。这个可能更有实践性，从写代码中衍生出来，应用在生产上，就是把生产一件商品的头到尾，记录每一步的时间，成本，然后找出限制步骤来集中优化。
- 3）在生活当中最关键的还在于列出节点本身这一步。比如在书中提到的百度和广告商的交互中失去了终端用户反馈。最终这个终端用户的反馈来源于知乎，在一开始分析网络的时候是绝不可能找到知乎这个反馈节点的。但是如果在一开始就把网络运行可能会崩溃的「坑」发现出来的话，人为地加入一个节点增强系统自身稳定性，然后根据节点来设计产品约束，也许会有很好的效果。
Ask Why：为什么要学习？
- 学习无非两个目标：解释问题和解决问题（书中还提到了另一个目标：「预测问题」，但其实如果一个解释无法做出可证伪的预测的话，就不算是一个可以被接受的解释）。了解了这个，评价学习是否有效或者的标准就非常明确了，无非是学习之后，能不能实现这两个目标，认知或行为有没有发生改变？那么从这个目标出发，自然也能推出一本书该怎么读：带着你的问题去读，直到找到解决方案或者解释就可以放下了。从这个角度来说，即便是抱着「拓宽视野」这个需求也比「随便看看」要好得多。因为前者的大脑已经做好充分准备来接受新知的洗礼了。
- 一个人活成一支队伍：真正的斜杠青年是「特斯拉/Paypal/SpaceX」的埃隆·马斯克，而不是「搬运工/门卫/环卫工」 的王大爷。不是说兼职就是斜杠青年了，盲目追求兼职，只是肤浅地拿时间变现而已。斜杠是结果而不是原因，是认知深度加深后自然而然的结果：一个真·PhD 是不太可能被机器取代的，因为他们一个人就是一个公司。「想法（创意想法） -> 查文献（市场调研） -> 实验设计（产品设计）->实验（产品开发）->数据分析（市场反馈）->论文写作（文案）->投稿发表（产品发布）」甚至还有跟其他教授社交（公关营销），参加学术会议做演讲（开发布会）都能一个人完成。
系统化思考：第一步·明确目标
-
学习有三层境界，我们当然是要往第三层去
1）第一层是数据管理的维度（Know what），就是对知识进行贴标签，分类，整理文件夹，收集书单之类的。这一层，我们能学会的能力是知道了什么是什么，知道了有什么做什么，从而获得「执行力」。
2）第二层是信息管理的维度（Know how），就是对信息进行加工，理解，应用，比如做读书笔记，刻意练习，思维导图等，信息管理成功的标志在于能把学到的东西应用到解决问题上去。 这一层，我们能学会「专业能力」，知道该怎么做，随着能力增长，便有了自己的职业「护城河」。
3）第三层是底层规律的维度（Know why），不单单关心单个知识，更是目标在掌握知识背后的底层规律，能把繁杂的知识串起来。查理芒格的价值投资也在于此，深刻理解一个行业的本质问题，看一个创业公司能否直面这个问题并解决它，然后决定投资。徐小平老师显然也掌握了这一规律，创业公司靠人，一个人有价值，有眼光，那么就充分相信他。所以徐小平老师专注练习看人的本事。这一层，我们学会了「结构能力」，掌握背后的规律，打穿专业能力的底层。
-
每一层都要打好基础
1）数据层：读书，因为书的信息密度大，写句微博，分分钟可以写出来，但写一本书，尤其是好书，可必须花费作者数千小时的整理以及背后多年的经验认知。此外，数据层最重要的是数据的可靠性，底层的数据是错的，上面搭的东西一定是错的。至于连数据都没有直接搭上去的，那是空中楼阁。
2）信息层：信息要有质量，有深度。比如说北京高房价的解释，一个认为就是炒房团炒上去的，另一个通过分析供求关系来分析价格。那么后者就是更有深度更有质量的信息，因为：1）这个理由并不局限与问题本身，是抽象的规律，还能解释更多问题。2）背后有理论、实验数据支持，更客观，还能预测与证伪。3）符合奥卡姆剃刀原则，从推广能力来看，其实后者是更简单的解释。
3）知识层：碎片的是信息，不是知识。有些人反对碎片知识，一个知识是不是碎片知识其实并不取决于它本身的形式或者我们是否用整块时间去学习这个知识。而在于我们是否有能力把知识本身内化到我们自己的知识树上，能否改变我们的思考边界或者行动方式。如果不会内化，即便读完书，记下金句也不过是只言片语的信息而已，如果会内化，微博上的一句笑话改变一个人的思维模式也不是不可能。
-
内功
内化知识：内化成能力的知识反而是最忘不掉的，所以不要以「都内化成能力了」来安慰自己看完书都忘了实际上却是没读进去的借口。那些真正内化成了的道理，反而能用最简单易懂的话说出来。张三丰教张无忌太极，张无忌说「我全忘了」，他可不是真的忘了，在后续的战斗中，他把太极之道融合了自己的内力和招式用了出来。因为张三丰教的那些招式不过是书上的文字，文字看当然可以忘记，但只有当「道」和自己已有的招式、内力融合在一起之后，才叫内化成能力。真正的内化成能力，是把作者想要表达的逻辑、道理和自己的「内力」融合在一起。
系统化思考：第二步·准备工作
-
避免惯性防卫
成长心态和固定心态的区别有不少人已经知道了，有成长心态的人不相信自己能力天生固定，认为可以通过努力来成长。固定心态的人则认为智商、天赋、运气无比重要的同时，相信自己不具备这些而放弃努力。当一个成长心态的人去劝说固定心态的人放下自己的成见，通常不会奏效，固定心态的人会习惯性地防卫自己的价值观，开始不断地反驳。但惯性防卫不单单会出现在这种情况下，理论上我们被否定的时候第一反应一定是解释、反驳，承认我们一直在犯错？没门儿，这是大脑天然的反应。
一种解决方法是：区分「我」和「我的观点/行为」把别人的指责/建议指向自己的观点和行为，然后把自己本身保护起来。这样就能虚心接受对方的建议，而忽略对方可能有意无意的对人的攻击。我觉得还可以应用李笑来老师的方法：这是「大脑的反应」而不是「我」的反应，意识到「大脑是我的工具，我可以控制我的大脑」。然后告诉大脑「快动脑经思考对方的建议应该怎么用？」，然后感谢对方，鼓励对方多这样做，这是成长的最好机会。
-
二八法则与以慢打快
二八法则很简单：80% 的财富在 20% 的人手里，80% 的产出是在 20% 的时间内完成的，大多数有正反馈刺激的领域都会形成这样一种指数分布，学习也是一个类似的领域，因为原有知识如果能对后来学习的知识起到正面效果，就能形成正反馈。
学习无非是两个目的「解决问题」和「解释问题」。那么所谓的以慢打快，其实是把精力用在最关键的问题上面。用 80% 的精力解决 20% 的关键问题，集中优势兵力，打歼灭战。求快，尤其是市面上流行的「快速阅读」的技巧，其实是牺牲理解能力去追求速度：「快速阅读的几个真相」。另一方面，读书也没必要从头到尾地读，非线性读书法则会根据学习目的，有的放矢。这也是我平时不太喜欢听音频或者去上课的原因，因为有时候讲的太简单无聊没法跳过，又有时候我想停下来思考一下，回过神来发现，早已不知道讲到哪了。
系统化思考：第三步·学习
-
面向过程的 chunk 和底层 chunk
在 笔记整理「学习主题」上，我提到过学习的本质是学习 chunk。简单的说就是一个知识块，人的大脑能同时处理的 chunk 数是非常有限的，既然不能增加数量，那提高大脑处理信息速度就只能提升每一个 chunk 的质量。只有尽量深刻地掌握自己所知的每一个概念，才能真正提升学习能力。成甲老师提到了「元认知」和「临界知识」一个是过程，一个是工具。让我发现了 chunk 的两个重要的子集：面向过程的 chunk 和底层 chunk：
1）面向过程的 chunk 有点像成甲老师提到的「元认知」。比如 5W1H 思考法、SWOT 分析、SMART 目标设定法、OKR 项目管理方法。大规模随机双盲对照实验设计法则，也应该属于这一类，即通过一个框架来思考问题。
2）底层 chunk 有点像成甲老师提到的「临界知识」。我会把各个学科的底层基石归到这里，比如物理学领域的量子理论或者经典物理学框架下的牛顿定律，经济学领域的供需理论，生物学领域的进化论，。在思考 Why 和 How 一类的问题时，如果可能的话，使用这一类知识推导出来的结论基本上是可信的。
-
刻意练习
1）从事物本质出发去练习，然后去练习这个「本质」。因此那些看起来像是「功夫在诗外」的做法，只是换了一个更有效的方法直逼本质而已。比如篮球运动员去练拳击，是为了获得专注、更快的反应速度。如果不知道这个本质，上来一个想学篮球的就叫人去练拳击，除了满身伤之外，学不到任何篮球技术。
2）大量的练习：大量的、主动的、直逼本质的、学习区内的、带反馈的刻意练习。
3）关于刻意练习和教学相长的拓展：详见 笔记整理「学习主题」下
-
读透一本书的三个境界
1）读作者的篇章，获得新知片段。
2）读作者的逻辑线，获得对整本书的把握。
3）读作者的思维模式，获得和作者的认知方法进而在平时就能戴上作者的眼镜看世界。
系统化思考：第四步·反思
-
反思
虽然我也天天反思，每天有日志记录自己的不满意的地方以及相应原因和改进方案的思考，甚至也有改进后的反馈。但成甲老师在书中还是给了我莫大的启发：
1）运用底层规律思考深层次原因：成甲老师举了个例子，专家对高铁新城反而成为空城给出了两种理由，第一种是认为高铁新城的城市配套设施不够好，要继续多建配套设施。另一种认为人口流动受供求关系影响，小城市没有那么多需求，建了高铁，使得人口流动更容易，那么小城市反而会净流出人口。
2）用清单确认值得反思的内容：我想起了「高效能人士的七个习惯」里面有一章提到了个人宪法，读完之后大受启发，也写下了自己的个人宪法，打印出来贴墙上时时提醒自己。读到这，不禁脸红，我这在意识到打印出来之后再也没有去看过。赶紧把这部分清单写在了自己的每日反思日志上。
3）案例化反思内容：与英美法系很相似的判例法。反复参考先前的案例，同时也可以反复更新先前的认知。既然案例化，就需要尽量结构化。一个案例需要包含：1）问题描述（什么问题，什么时候，跟什么人，在哪里什么场景，我做了什么。）2）原因分析（为什么会产生这个问题，我先前是怎么想的，为什么会这么想，这么想有什么问题。）3）后果分析（事情发生后我是怎么想的，怎么应对的，有什么感受，造成了什么影响。）4）解决方案（如何调整情绪，认知，如何在以后避免类似情况发生。）5）后续案例（我再次遇到了类似情况是如何处理的。重复1-4。）
