有的學(xué)習(xí)者構(gòu)建知識，喜歡用「系統(tǒng)」來類比循環(huán)過程；有的學(xué)習(xí)者則喜歡「樹」來描繪生態(tài)，系統(tǒng)代表復(fù)雜、全面、機械；樹則代表簡單、具體、生命。
但如要在系統(tǒng)與樹之間選擇一個最佳的知識表征結(jié)構(gòu)，那必定是樹。
樹自遠(yuǎn)古時代便生長在人類記憶之中。人類白天在樹下打獵，晚上在樹底休息，目睹過樹的所有形態(tài)：發(fā)芽、抽枝、散葉、開花、結(jié)果……在人類的腦中，樹是立體的、有力的、可生長的。如果要培養(yǎng)一棵樹，你只需要種子、適合的環(huán)境和氣候
系統(tǒng)則是人類進化后期的詞匯，代表抽象的結(jié)構(gòu)模擬。人類本能難以想象，如果硬要用具象來呈現(xiàn)的話，一是電腦的操作系統(tǒng)，由硬件、文件夾、程序等硬件和軟件組成，二是建筑，需要圖紙、磚瓦、泥水組成。如果要構(gòu)建系統(tǒng)，你需要掌握整個系統(tǒng)的運行原理、熟悉厚實而全面的基礎(chǔ)知識，了解各個組件的構(gòu)成及原理……
由于有限理性，普通人學(xué)習(xí)構(gòu)建系統(tǒng)，有難度，往往像狗熊掰棒子，撿了一個，丟了另一個，或是像盲人摸象，依靠直覺和想象力去摸索，掛一漏萬。如果是生成知識樹，就簡單多了，一棵樹從小到大，始終保持同一個形態(tài)，你無須費過多精力去了解各組件構(gòu)成與原理，也無須一開始就構(gòu)思宏大全面的計劃，你僅需要選擇好合適環(huán)境，播下種子，依靠最小行動細(xì)心灌溉，日積月累，必成大樹。
如果將 1978 年諾貝爾得主——西蒙的種種知識具象的話，那一定是一片茂密的熱帶叢林，他一生縱跨的學(xué)科：社會學(xué)、人類學(xué)、政治學(xué)、物理學(xué)、心理學(xué)、數(shù)學(xué)、計算機科學(xué)、認(rèn)知心理學(xué)，就像一棵棵根莖深厚的知識樹，枝繁葉茂，蔚為壯觀。
要習(xí)得知識樹之生成，必需知道底層科學(xué)原理——西蒙的層級結(jié)構(gòu)理論。
什么是層級結(jié)構(gòu)理論？西蒙把知識世界定義為復(fù)雜的層級結(jié)構(gòu)；把各個學(xué)科定義為對該系統(tǒng)的個子系統(tǒng)的研究；把科學(xué)定義為有意識的自適應(yīng)行為的復(fù)雜系統(tǒng)研究。而科學(xué)知識之所以按層次組織，不是因為無法將基本原理簡化，而是因為自然是按層次組織的，而且，通過對其下個層次細(xì)節(jié)的抽象概括，便可清晰地了解每一層次的形式。
如果想要學(xué)習(xí)知識，理想是按照樹的層級結(jié)構(gòu)來生長。
知識世界比較抽象，就用游戲世界來類比，想象你在知識世界探索過程就是你在游戲世界升級打怪的過程。你人生終極問題就是挑戰(zhàn)最大 Boss，Boss 處在游戲世界的最頂層，Boss 下有四大天王、四大天王下有七大高手、七大高手下有眾多的小高手。你想看到 Boss ，就必須一層層挑戰(zhàn)。
你的成長來自層級間的躍遷，規(guī)律清晰，在游戲世界被圖譜化為技能樹。技能樹服從分形結(jié)構(gòu)，分形整體與局部形態(tài)相似，這樣，你便可從有限認(rèn)識無限，從中窺見技能的成長軌跡。通過技能樹，你在游戲世界生存，僅需要精心搭建屬于小分形結(jié)構(gòu)，逐漸累積適應(yīng)大分形，便形成你自己特有的成長體系。
游戲世界與現(xiàn)實世界一樣，你每次打怪升級的經(jīng)驗點（時間和注意力）有限，只能將其分配在少數(shù)的幾個技能中。因為技能等級與怪物等級成正比，你的某個技能成長值越高，你才能打敗怪物等級就越高。如果經(jīng)驗點過于分散，技能樹無法長高，你就無法與怪物抗衡，在世界生存。
越往后期，遇見的怪物越來多，不同怪物的弱點不同，一個技能重復(fù)使用，你只會用錘子，你看見的怪物就都是釘子，小殺傷力多次攻擊效率太低，所以，你還需要學(xué)習(xí)多技能，識別不同怪物弱點，組合使用各種技能，這樣殺怪效率高，升級快，才成為贏家。
知識樹與技能樹形態(tài)一致，原理相近，便可以解釋許多知識難題。
例如用知識樹來解釋遠(yuǎn)距聯(lián)想。遠(yuǎn)距聯(lián)想在文學(xué)中是個復(fù)雜的概念，如果用學(xué)習(xí)系統(tǒng)，斷然不能解釋遠(yuǎn)距聯(lián)想——你總不能用一個抽象概念來解釋另一個更抽象的概念吧，但如果用知識樹來解釋，就極其容易了。
當(dāng)你向大腦輸入詞語，詞語在神經(jīng)網(wǎng)絡(luò)傳輸、組織和聯(lián)接，就會像樹一樣，長出更多分枝和葉子。生長新葉子容易，生成新分枝難，在不同分枝的兩片葉子間建立相互連接更難。如果你想象那兩片葉子是不同文學(xué)的意象，彼此一旦相連，那就會發(fā)生新鮮的感覺——遠(yuǎn)距聯(lián)想。
例如用知識樹來解釋學(xué)科創(chuàng)新。如果兩棵代表兩種科學(xué)的知識樹葉子觸碰，就極其容易產(chǎn)生創(chuàng)新，例如計算機科學(xué)與認(rèn)知科學(xué)的葉子觸碰，便從交叉之處生長出新的樹枝——人工智能；生物學(xué)科、分子遺傳學(xué)與化學(xué)的葉子連接，便產(chǎn)生基因工程。
知識樹如何長成？必須要有種子——內(nèi)在動機。
依然以西蒙為例。西蒙之所以選擇科學(xué)，是因為他的好奇與激情來源于不停地去發(fā)現(xiàn)事物模式。他深知科學(xué)的終極目的就是化繁為簡，現(xiàn)象與機理直接必然存在模式。對模式的熱愛勝過對金錢、權(quán)力、和名譽的熱愛，對他來講，金錢、權(quán)力和名譽只不過是點頭之交。
「他一直堅持探索，他始終堅信這樣的模式一定存在，它們具有普遍性，而且可以簡化成一套人類很容易理解的簡單機理。他相信自己有能力找到它們，而且他相信當(dāng)他把自己發(fā)現(xiàn)的東西講給別人聽的時候，別人會愿意聽。對自己的這些信念，他從未失望過?！?/p>
為保持內(nèi)在動機，西蒙不會顯擺名人以提高自己身價，也不會追逐名人，也很少與名人保持聯(lián)系，只通過同輩，或他們的學(xué)生，間接地吸收他們的影響。
「我年輕時與名人的來往并不多。我一直保持這種謹(jǐn)慎。我很難與重要且可能有用的名人熟絡(luò)，除非是工作或社會關(guān)系，我現(xiàn)在有大量接近權(quán)勢的方法，我也很少利用它們。這不僅是一種深思熟慮的方案，更是輕松自在的生活需要?！?/p>
西蒙說這話完全有底氣。1968年，他被邀請加入總統(tǒng)科學(xué)咨詢委員會，有機會接觸大量政治權(quán)勢，但西蒙只關(guān)心科學(xué)事務(wù)；1972 年，他拒絕卡耐基梅隆大學(xué)校長邀請，理由是他想把更多時間投入研究工作，而不是瑣碎的管理工作。
用心呵護內(nèi)在動機之種子，不消耗精力與人相處，節(jié)制情感，知識樹更容易發(fā)芽成長。
知識樹生成，需要一片沃土。對西蒙而言，那沃土便是多學(xué)科。他的知識樹不在溫室，不需要施肥，內(nèi)在動機的種子播下，根莖便自然會向營養(yǎng)更多的地方伸去，西蒙絕大部分有用知識都是自學(xué)的。
最具代表的是語言。西蒙在高中自學(xué)法語、德語和拉丁語，他是如何學(xué)習(xí)的呢？以法語為例，西蒙在學(xué)習(xí)法語時，發(fā)現(xiàn)不用太注意正式語法，幾乎不參考詞典就可以閱讀基本文章，然后進而閱讀嚴(yán)肅的法文的政治書籍——盧梭和孟德斯鳩，覺得雖然難一些，但還能理解。從那以后他一直以流利地閱讀法文作為消遣。接而自法語開始學(xué)習(xí)其他語言，以完全相同的方式獨立學(xué)習(xí)，直至到可以用 20 多種語言閱讀專業(yè)書籍和論文，用 6 種語言閱讀文學(xué)作品消遣。
隨后，西蒙在大學(xué)自學(xué)了社會學(xué)、人類學(xué)、政治學(xué)、物理學(xué)、心理學(xué)，尤其是數(shù)學(xué)。這為西蒙在計算機科學(xué)、人工智能和認(rèn)知心理學(xué)奠定了良好基礎(chǔ)，
所有學(xué)科，他最重視數(shù)學(xué)。
數(shù)學(xué)是西蒙最常使用的思維語言，在解決問題時，他不用詞語思考，而是用抽象的表征，或是圖畫或圖表，但大部分是符號。數(shù)學(xué)不只是測量和驗證通過其他方式形成概念的工具，更是產(chǎn)生新觀念的工具，西蒙說，這種數(shù)學(xué)雖相對不精確、不嚴(yán)謹(jǐn)，但有啟發(fā)。
西蒙喜歡引用傅立葉的頌歌來贊美數(shù)學(xué)「數(shù)學(xué)就像自然本身一樣無所不在；它界定了所有能夠察覺到的關(guān)系，測度了時間、空間、力……它的主要優(yōu)點是明確；它沒有表達(dá)混亂概念的符號。它匯聚了最廣泛的現(xiàn)象，并且發(fā)現(xiàn)了把它們聯(lián)系在一起的潛在的類比關(guān)系。它似乎是人類精神的功能，目的是彌補生命的短暫和感官的缺陷。」
通過數(shù)學(xué)，西蒙發(fā)現(xiàn)，不只是數(shù)學(xué)，而應(yīng)將所有學(xué)科應(yīng)該視作工具來發(fā)現(xiàn)和解決問題。這一發(fā)現(xiàn)大大拓展西蒙解決問題的能力。
西蒙平時遇到的問題幾乎都沒有現(xiàn)成的答案，只能在不同學(xué)科學(xué)習(xí)，將學(xué)科視為工具包，選擇學(xué)習(xí)不同學(xué)科來解決問題。解決問題的方法可能來自不同領(lǐng)域，從統(tǒng)計學(xué)到社會學(xué)，從經(jīng)濟學(xué)到心理學(xué)。每當(dāng)需要新的東西，比如一種編程語言，但又無法現(xiàn)成獲得，他就會發(fā)明它。如果他作出了一個假設(shè)，他會將其形式化、精致化，并檢驗其局限性。在習(xí)得學(xué)科知識之后，他總是專注推斷出普遍性結(jié)論，考察這些工具對其他情形的的價值的適用性，再回頭來解決實際問題。
在西蒙看來，一個優(yōu)秀的人必須學(xué)會使用學(xué)科工具來處理綜合問題，一個運行良好的研究團隊可以是跨學(xué)科的。通過多學(xué)科學(xué)習(xí)，西蒙的知識樹越長越多，漸次成為森林，蔚為壯觀。
知識樹服從分形結(jié)構(gòu)，熟悉一個分形結(jié)構(gòu)，便可批量復(fù)制，細(xì)胞分裂，快速生成知識樹之軀干。對西蒙而言，這分形結(jié)構(gòu)便是抽象模型。
西蒙認(rèn)為，所有科學(xué)的進步源于更加復(fù)雜、精致和簡潔的抽象模型的建立，而不是源自大量新事實的發(fā)現(xiàn)。最好的知識是有關(guān)自然的科學(xué)的抽象模型，這種抽象模型是隱藏的，需要尋找規(guī)則、尋找實例并發(fā)現(xiàn)法則，需要在復(fù)雜和混沌中去找其背后必然存在的簡單和秩序。
抽象知識模型是一門學(xué)科敢聲稱自己擁有針對某些社會功能的權(quán)威關(guān)鍵，專家之所以是專家，就是在于他們擁有一整套抽象模型，他們具備將這種抽象知識應(yīng)用到具體情況的能力。
有沒有探索抽象模型的好法子？有，啟發(fā)式方法。
啟發(fā)式方法不是算法，它是一種經(jīng)驗法則，而不是規(guī)則。其目的不是搜尋所有可能的答案，而是縮小需要考察的備選方案的「搜索空間」。在這個搜索空間里，選出一些備選方案進行檢驗，所選的一般是第一個碰到的滿意的方案。一個啟發(fā)式方法可以結(jié)合另一個啟發(fā)式方法，以進一步限制搜索空間，從而盡可能縮短產(chǎn)生和檢驗備選方案的最后階段。
西蒙舉了這樣一個例子：
這個問題有兩個解決方案，方案一：采用「強」窮舉法，將 0 到 9 這十個數(shù)字分別代表十個字母配對，結(jié)合規(guī)則，計算生成結(jié)果；方案二：采用「弱」啟發(fā)式方法，利用 D=5 ，推算 T=0 ，再結(jié)合搜索樹，一步步試探，找出答案。孰好孰壞，孰快孰慢，立馬可見。
所有問題都可以嘗試使用西蒙總結(jié)的五種「弱」啟發(fā)式方法來解決：
產(chǎn)生與測試（試錯法）；
爬山法（測度實現(xiàn)目標(biāo)的進度，采取措施以最快速度接近目標(biāo)）；
手段——目的分析（比較目標(biāo)狀態(tài)和房當(dāng)前狀態(tài)，采取某些措施縮小差距）；
規(guī)劃（構(gòu)建問題空間的抽象簡化版；在此簡單化的問題空間解決問題并將解決方案反饋回原空間)；
類比（將新目標(biāo)領(lǐng)域映射到先前遇到過的基礎(chǔ)領(lǐng)域上）。
同時，西蒙發(fā)現(xiàn)人的心智像是一種歸納推理機器，相互作用和歸納的過程產(chǎn)生了進化的發(fā)展模式，使得啟發(fā)法和記憶呈現(xiàn)出共同的樹狀組織結(jié)構(gòu)——知識樹。
專家依靠啟發(fā)搜索法生成的知識樹不僅可以直接記憶更多事情，更可以利用記憶和感知能力抽象分解大量隨手可得的數(shù)據(jù)，迅速取得數(shù)據(jù)背后的抽象模型。當(dāng)他們擁有達(dá)到了「臨界規(guī)?！沟男畔⒑螅憧煽匆娦率挚床坏降臇|西，接近創(chuàng)造力的邊界。
同樣的知識樹，專家的知識樹便可以從葉子長出枝條，而不是由枝條長出葉子。
樹之隱喻不僅在生長，更在傳承。
西蒙如此描述知識的使命：「知識的使命，就是從所有的邏輯可能性總類中選出一個其經(jīng)驗可能性較為有限的子類，從而描述可能性的各變量之間建立一定的功能聯(lián)系。知識的最終目的是確定過去和現(xiàn)在已知事實與將來的事實之間的關(guān)系，從而由當(dāng)前狀況產(chǎn)生的唯一一種可能性。我想象不出比這一表達(dá)更徹底的關(guān)于知識用途的工具觀了。」
愿你品嘗到知識樹的果實。
掌握深度學(xué)習(xí)原理
搭建神經(jīng)網(wǎng)絡(luò)模型
熟悉自然語言處理
開發(fā)智能個人助理
戳原文，馬上預(yù)約下期！
