如何将经验转化为智慧？（2）高智学习

原创 精进学思行 精进学思行 今天

你有没有自己喜欢的故事或模型？我脑子中现在想到的模型是"职业的三环模型”，这个模型不仅看上去漂亮，而且能够触发我们更好的去思考和选择，进而提高适应能力。关于故事，我想到了《肖申克的救赎》，安迪的故事让我度过了自己的至暗时刻。

在如何将经验转化为智慧？（1）低智学习中，和你分享了将经验转化为智慧的第1种方式——低智学习，这种学习无论是人或者动物都具备，本文和你分享一个只有我们人类才有的学习方式，高智学习，而其核心就是故事和模型。

本文会从3个方面和你进行分享：

什么是高智学习？

作为高智学习的故事和模型，有什么特点？

推荐一种高智学习路径。

1 什么是高智学习？

低智学习是通过模仿和成功对应的行为，来提高适应性，而不太关心背后深层次的因果关系；而高智学习则试图去理解成功背后的原理，找到底层的因果关系，并利用这个因果关系，提高对环境的适应性，甚至只是出于好奇心。

正如开头提到的，我们去建立这种因果关系有两种典型的方式：故事和模型。我们所熟知的”孟母三迁”，就是一种典型的故事，通过这个故事，让我们理解环境和教育的重要性；而我们以前学习的数学公式，如正余弦，就是典型的模型。

2 高智学习的特点

你有没有注意到一个现象？我们通常接触的模型不会太简单，也不会太复杂，比如我们所熟知的目标制定的SMART原则（Specific，Measurable，Attainable，Relevant，Time-bound），它刚好是五个单词首字母构成的。你有没有想过，为什么不是1个，或者是100个呢？因为1个太简单，而100个又太复杂了。

在《经验的疆界》当中，马奇给出了一个很好的解释，他指出人们在建立模型或者是讲故事的时候的三个基本原则：有趣，好懂和可信。

有趣：这个模型或故事比较的精妙，能够体现人类的智慧；

好懂：不能太过于复杂，超出人们的理解程度；

可信：人们看到这个模型之后，觉得是可信的，有道理的。

以我们熟知的时间管理4象限模型为例，就是一个很好的模型，首先它是比较有趣，因为它将时间按照紧急和重要划分的四个维度，而这种划分刚好满足了不重不漏法则；而这个模型只有两个维度和4个象限，在人们的理解范围内，如果说它有三个维度，就会有八个不同的象限，这样的复杂度，人们不太容易记忆和理解。

无论是故事还是模型，要能人们传递，都需要符合上面的原则，而这两种不同方式之间，有什么区别吗?

它们之间有个最大的区别，前者通常是用自然语言的方式呈现，后者常常使用符号语言。所谓自然语言，通常强调，符号语言突出的是用符号，以及符号之间的运算规则来表达思想，这两种方式各有利弊。

对于第一种语言，最大问题是我们常常容易徘徊在坚定和怀疑之间，无限循环处于两难境地，比如应该听过两句俗语：第一个叫"金钱如粪土”，第二种叫做“朋友值千金”，如果但单独看都有道理，但是放在一起就容易让我们感到尴尬。我们该如何去面对呢？

而第二种语言，在一定程度上能解决这个问题，因为它通常是定量的方式，能够避免掉前面所说的在坚定和怀疑之间徘徊，但是他也容易出现的2个问题，一方面是容易过度拟合，另一种是现实世界很复杂性，很难精准地去建模。

而且在进行高智学习时，还受人们的局限和喜好的影响，最典型的就是对解释框架的选择，举个简单的例子，比如心理学当中的弗洛伊德学派和行为心理学派，它们有各自的分析框架，而且都能自圆其说，但是都会觉得对方莫名其妙。

3 一个高智学习的路径

那我们该如何利用这种高智学习？这里分享书中对我启发最大的一点：少量经验样本，深入多模学习。

人们从经验中学习是很自然的事情，学者们一直探索更好的路径。

在这个过程中主要有两条路径：第一个来自于多变量统计学，也就是结合简单模型和大量的数据来接近复杂而深层的现实，典型代表就是我们现在使用的大数据技术（大数据）;第二种就是从小样本中获得对深层因果结构有用的理解（小数据）。

对于我们普通人来讲，我们个人很难有海量的样本，这个时候第二条路径是更有帮助的，简单说，就是如何从自己有限的经验中，学到更多深层的逻辑。具体怎么做呢？我有三个理解：

①尽可能详细而具体描述自己经历的场景，比如你在完成一个复杂工作的时候，养成详细记录的习惯；

②尝试从多个不同的模型来理解自己的经验，比如看到一个公司取得成功，我们可以从行业趋势，公司文化，公司产品特点等多个角度分析；

③结合小数据和大数据。我们可以利用我们对小数据的深刻理解，产生新的解释模型和算法，再通过大量的数据模型想法，积累新的经验。

以我们工程中常用的仿真分析为例，我们工作有个典型的仿真分析手段——有限元分析，你不用知道它的原理是什么，其核心就是在计算机当中用数学的方式建立一个和现实对象（比如一个金属结构）对应的模型，然后通过改变模型的参数来评估对象的特性，在仿真中我们可以变化无穷个参数，从而观察它的特性，通过这种近似的大数据，我们可以提高我们对背后底层的理解。

我们甚至可以通过小样本，提出新的算法，再通过大数据进行验证，这样我们就可以积累出足够的经验，这就是将小数据和大数据相结合的方法。

总结

故事和模型是我们形成智慧的重要方式，这种智慧不仅体现在对环境的适应性，也体现在我们对经验的诠释，这种看似无用诠释，是我们区分于其它动物的重要体现。