临界知识是对事物更底层规律的总结，纵然有千般妙用，第一步是要去寻找。哪些领域更容易产生临界知识呢？自然是数理化生等可信度比较高，适用面比较广的硬学科里面。其他软学科里的临界知识，我们需要更加的谨慎。比如经济学，社会学，心理学里的概念，我们往往需要深刻理解原理和前置假设才能应用。为什么硬学科里面更易产生临界知识？主要要是二者有共同之处，临界知识的思想核心是用更加可靠学科的研究方法，思想和结论去解决没那么可靠的领域的问题，也就说解决问题最稳妥的方法是拿可信度更高的方法去处理问题。硬学科的知识，如数学，是一个逻辑推演的学科，数学方法是建立在几个基础假设和逻辑分析之上的，它不需要依托真实世界的存在，只要在它的假设范围内，几乎所有的推论都是正确的，那么它的知识就很可靠。（突然感觉过去学数学一直没有学到数学的精髓）而一些新兴的热门学科，它的结论就没那么靠谱，像经济学，在早起人们都不承认是一门学科。
因此，我们寻找临界知识的过程就是寻找对我们有用的，适用范围广的可靠知识的过程。作者建议我们，寻找临界知识应从以下几个方面入手：
第一，从自己感兴趣的领域入手，学习这个学科的重要知识。所有现象层面的知识研究到底层之后，都会联系起来。从自己感兴趣的领域入手去阅读经典的书籍，从中寻找最重要的原理和知识。在这个过程中，要多留意，勤思考，常总结，去看我们习以为常的事情背后是否应用了我们已有的规律。作者举例，有人看TED演讲，在思考为什么如此吸引人后，发现了其中的基本规律，写出了《TED演讲的秘密：18分钟改变世界》的畅销书。只要我们认真思考，每个领域都会找到一些应用范围更广的知识，老子的思想不同领域的高人都在应用。
第二，找到最重要的知识和原理的原始出处。我们都会用原理，但这还不够。我们要进一步寻找原理的原始出处。当我们找到原理的原始出处之后，我们对这个结论的可能适用范围和可能的局限就会有更清晰的认识，不会人云亦云。如我们经常说的一万小时定律，它是怎么出现的，有没有适用的前提，我们平时用对了吗？
第三，尝试用更加基本的原理来解释这个知识。这一步是寻找和建立临界知识的关键步骤。这一步骤，其实是寻找问题的第一性原理。埃隆马斯克说自己做的每一件事都是在用第一性原理思考。寻找和建立临界知识的过程也是用第一性原理思考：能够用更加底层，通用的规律解释，就不用新的假设。一万小时定律，如果我们追根溯源，就追到了心理学实验，我们就会知道刻意练习的重要性。为什么重要，生理学上早有结论：学习知识和行为之间的密切性与对应的神经链强弱有关，神经链越强，学习掌握得越牢靠。强化神经链，就需要反复训练，这一点巴普洛夫的实验上很好的证明。在这个过程中，我们就开始用更底层的知识来解释一万小时定律，也明白了这个定律的局限性。
第四，没有解释的时候，想办法寻找或者自己创造一个假设，并验证。当我们对一个领域的解释没有相关的储备知识，找不到更底层的解释。要么我们想办法查询相关领域的书籍，看看有没有别人的研究结论可供参考；要么自己给出一个合理化的假设，然后想办法验证自己的假设是否合理。验证的过程就是科学研究的过程：发现问题，解释问题，没有现成的答案就建立一个假设。一旦这个假设被大量检验验证为真，那么新的规律就发现了。学习的过程是一个研究的过程，所以学习从来不是一件轻松的事情。
网友评论