摘要：
文章比较长，着急的观众可以只看摘要。
现在普通知识过剩，普通技能容易被取代，可以学习的东西无穷多，但人的时间和记忆力极为有限，建议把时间和精力投入到以分析解决复杂多变创新问题为目标的核心思维能力上，而不是记忆静态知识和简单技能。
让自己成为更快更强的CPU，而不是只能做单一功能的APP，更不能当一只存储静态知识的硬盘。
一、信息爆炸的时代
时代真的变了
特别是对于我们这种传统的脑力工作者。
一般性的知识唾手可得，大量的普通信息海量增长，曾经很贵的信息产品、软件产品、网络服务大量免费。
作为消费者当然是很爽的。曾经出于对无聊的担忧，我在硬盘里囤积了很多影片和游戏以及书籍，在屋里囤积了超过一千斤的纸质书，大包的光盘，如今都变得没有意义——现在仅仅经典的电影、电视剧、纪录片、动画、漫画、游戏、小说，就已经多到终身无法看完。
我失去了"无聊"——这个曾经最困扰我的问题。
进而，在社交软件的催化下，"闲暇"也消失了，上千的联系人里，亲友，同学，客户，公众号，各种话题，热点，让人忍不住去刷刷刷。
整个市场供求关系发生了逆转，曾经稀缺的一般性知识和信息过剩了，人的时间变得稀缺了。
二、行业的恐慌
接下来的，是对行业未来的"恐慌"。
恐慌在哪里呢？
曾经，我这一代人从小就接受的应试教育，大部分是死记硬背的知识点；高级一点的，是对已有方法和公式的熟练使用。
大学里，虽然设计师是有很多创造性工作要做，但也有相当一大部分是较为机械死板的，比如规范图集，常见工程做法，非常套路的住宅设计，学校 办公楼设计等等。
在最初的几年，甚至有这样的情况：比较新的贵的外文书，只放在教师阅览室，学生是看不到的。有的同学舍得花钱买盗版进口书，就能够抄到更好的 方案，拿更高的分。动则几百块的进口铜版纸彩色建筑书，成为重要的战略资源。至于国内设计界的情况，也是以学、抄西方大师作品为主，甚至正版书也嫌贵，很多书贩子就在各大设计公司卖盗版书，后来是盗版光盘。抄方案不算偷，信息就是利润，都谈不上什么消化，差不多现炒现卖就够了。这种抄袭的顶峰，大概就是上海世博会主馆了。
然而这些信息资源，在互联网面前突然变得没有价值。
所有有现成答案的问题，都可以搜索到。所有有现成方法的，都可以由人工智能代为推算。你看到的案例，每个人都能看到，网站上的案例可以看到吐。甚至你在书上能看到的方案，甲方人家都亲自去过，国外各大城市著名建筑，开发商的眼界变得比建筑师还宽的多，在信息来源和总量上，建筑师处于极大的劣势。
那还要我们这些专业人员做什么？
进而，如果人工智能再来了，连人都不需要了，机器搜寻信息和处理信息的能力远超活人，那活人建筑师又要来干嘛？
于是问题就变成，面对海量信息，面对掌握同样甚至更多信息的人（所谓互联网行业对其他行业的颠覆），面对人工智能，活体专业建筑师的独特价值何在？
如果有，要如何才能拥有这些独特价值，进而在社会上生存下去？
书山有路勤为径，学海无涯苦作舟。这话仍然不错，但已远远不够。
三、活人的价值
（此段比较跑题，可只看粗体字）
首先让我们来讨论，什么是活人独特的价值。
现在什么职业最容易被人工智能取代？逻辑思维390期《人类的终极竞争力》里，说，人类的智慧壁垒是想象力。
我看不对。
想象力是各种智能都应具有的，只能算是智慧的一个表征，不代表智慧的高低。人工智能不好讲，但单纯比较人与人的智力差异就可以知道，想象力不代表思维能力的高低。空想而没有强大分析逻辑综合的话，想象力并无价值。想象力说到底是大脑虚构的能力，只是基础功能，但虚构什么，各有高下。我们需要比较的是，智慧的实质性能力的区别。
我的看法是，从远期讲，人类对比人工智能并没有必然优势。
其实这里要区分两个概念，机器智能和人造智能。我认为一般我们谈论的，虽然字面上，人工智能指的是人造智能（英文AI =Artificial Intelligence，人造智能），但当我们讨论人工智能的上限，其实是更倾向于机器智能的概念。
准确的说，我的观点是，人类并不比机器智能更有优势。但近期人类可以比人造智能更有优势。
为什么？因为我认为人脑目前的优势，就是足够复杂精密，别的系统还达不到罢了。机器智能可以是外星人造的，可以是自然演化的（可由人类开头），只要复杂性相当，硅基文明甚至蒸汽文明当然可以超过碳基人类。好几个科研团体已经在做生物大脑模拟。
而人造智能最大的问题是它是"人造的"，人类自己的能力局限了人造物的能力。人类直到目前的科技水平，要造出比自己更智慧的机器智能，差得远呢。至于谢熊猫君翻译的这篇文章，强推指数增长，简单以量变推论质变，我看还是靠不住的，请大家自行甄别。
为什么有很多名人让人们警惕人工智能？我自己的观点是，在短期未来，人脑的优势，是解决那些复杂的、多变的需要创新的问题。
这里，复杂性是核心。前提是，人脑目前仍然是所知世界最复杂的单一装置，而且是系统的复杂，不只是数量的堆积——当然神经元的数量也很惊人。
这种复杂性还有个特别的地方，就是人的主观意志远远不能了解和掌控人脑的全部，很大一部分思维和控制是潜意识部分执行的，表现为直觉，经验等非理性因素。人类主观意志显然小于整个人脑的运算能力，特别是语言可以描述操作的部分更小，小得还很多。
那么，人造智能的战斗力，比起整个人脑来说，显然至少要差距一整个潜意识部分。不把这部分搞清楚，人就很难让人造智能超过人脑本身。
我们面对的客观世界的复杂性，是系统层面的复杂，外部条件和涉及因素的类型的复杂。
既包含物理规律的限制，也包含人性的判断，既包含经济学的考量，也包含社会法规的管制。不但变量不确定，而且规则也不确定。不但前提条件不确定，过程中也会发生大量的新条件、新问题乃至新目标。但凡这样复杂并多变的问题，通常也就是个新问题，也就需要一个创新的答案。
大体上，一栋建筑物的设计建造，就是类似的问题。要考虑投资人的资金、团队能力，政府对土地和项目的控制和法规，考虑市场未来的偏好，工程造价、技术和工期，空间、功能和形式的美感，材料设备建材能耗交通以及气候等等。大体预算几千万到几个亿，用几年的设计建造周期去实现，而最终产品的使用生命至少在50-100年。为此，建筑师才被称为老年人的行业。
大概只有这种类型的问题，才是人工智能（近期）所不能解决的问题——复杂、多变的创新问题。人脑已经是我们能拥有的最复杂最神奇的机器，每个活人都因此倍显珍贵，只要有合适的教育，就能具备巨大的潜力，而人造物要达到人脑的水平，恐怕遥遥无期。
问题是，即使是活人，要解决这种问题也不容易啊！
所以，我还进一步认为，这种处理（本专业领域）复杂多变创新问题的能力，也是（我们建筑设计领域）专业人员和非专业人员的差别。普通人可以获得具体的知识，但不经过多年大量高强度的训练，是无法具备解决复杂问题的能力的。
特别是超出语言思维之外的部分，对整个脑力的动员，也就是所谓经验，直觉，敏锐，包括熟练度等特征。面对复杂多变的创新问题，即使获得的信息和知识差不多，两者实践中的差距仍然可以是巨大的，这是职业训练对整个脑力提升造成的。
四、思维的流程
现在，才到了这次的主要话题：如何学习，如何训练我们自己，提升自己的根本竞争力。
还谈不上针对人工智能，首先是针对同类的竞争。
大体来说，就是提升自己的整体思维能力，特别是语言思维之外的部分，比如设计师必备的形象思维能力，建筑师必备的三维空间想象力，规划师必备的复杂信息抽象概括决策能力，领导者必备的敏锐的洞察力和方向判断力，等等。
这些都是难以描述的能力，但绝不是虚无的，而且是可以训练和实践提高的。
就好像图像识别和语音识别，即使深度学习可以达到足够的识别率，人还是无法理解具体的算法背后的意义，但显然这已经可以由电脑有效执行。这一点上人脑和电脑很像，都存在有效却难以理解的部分。同样还有人对平衡的控制，对美感的体验，都是显然能够做到，并且可以训练提高，却自己无法说明自己如何做到的。
那么，下图是我对思考工作过程的理解（不一定科学，只是打比方便于理解）：
从左到右，分别是：
"思维核心——短时记忆——整体知识结构——专业技能——长期普通记忆"
- 思维核心就像CPU，是人的关键思维能力，既包括逻辑推理归纳分析这些理性思考，也包括直觉 经验 潜意识 审美 价值观这些非理性思考。思维可以依据算法对条件数据进行计算，获得思考结果。潜意识和直觉经验也同样可以通过训练对条件数据进行计算并反馈结果，比如足球运动员的高速动作，显然不是理想思考来直接操作的，而是通过大量训练注入潜意识乃至肌肉系统的。意志、耐力、冷静等品质也可以归入这个部分。
- 短时记忆部分就像内存，容量不大，但速度快，可以容纳算法和当前的条件数据。这是一个运算前loading的过程，需要我们进入比较专注的状态，才能集中精力载入信息，分析信息，思考复杂问题。但人脑容量有限，情况太复杂的时候单靠大脑没法想，需要"虚拟内存"来帮忙。最简单的工具就是草稿纸，考试的神器。在解决问题的时候，我们总是要把问题和条件列出来，一览无余，才方便讨论和思考， 就像很多侦探片爱用的信息墙，把所有信息贴在墙上，画出各种关系线条和备注，辅助思考。
- 整体知识结构，就像操作系统（含BIOS甚至指令集），是要占用内存（和CPU）的。不分行业，都要建立基本的常识和起码的知识结构体系，特别是方法论和数理基础，也包括一些人生哲学、世界观价值观这些通识教育，都是进行学习和工作必备的基础性知识。 为什么要说架构，是因为现代科学内容太多，早就超出了人的寿命能理解的范围，历史上的全才不会再有。但学科之间、知识之间仍然有大量密切的相互联系，很多跨学科问题甚至是关键性的。这种情况下我们要了解全局，寻求创新的机会，就要去学习抽象过的知识框架，也就是各种学科知识的线索和目录，这样需要的 时候可以去寻找相应的知识，或者寻找相应的合作伙伴。做过研究的都知道，方法论和数理基础则非常影响整体思考水平和处理速度，知识结构的广度会影响到寻求解决方案的范围，而人文类知识则关系到生活工作经济的方方面面，也不可缺少。要注意的是，人的知识结构是受到具体从事行业的影响的，所谓"职业病""工程师思维""文科生思维"都是，专业上的价值观和方法论，难免影响人本身的状态，比较好的办法是多了解几种不同性质领域的价值和方法，通过学科交叉比较，避免钻牛角尖。
- 专业技能，就像日常用的主要工作程序，包括学科内一些重要的算法，让我们能解决专业内的具体问题，也是要占用内存的。这部分要占用我们大部分的精力和脑力，也是吃饭的家伙。但面临的问题是，现在行业发展很快，专业技能不断更新，保持持续学习的成本是很高的，甚至遇到被其他行业颠覆的情况。而且具体行业难免走向激烈竞争成为红海，从业人员年纪总是越来越大，难与后来者对抗，很多人会走向技术管理、企业管理岗位甚至改行，除了一些特别专精的技术领域，很多人很难终身从事单一专业。
- 长期普通记忆，就像硬盘，容量大，但速度慢，要用力回忆才能找出一些数据，特别是年纪越来愈大，记忆力也是不断下降的，可知识却越来越多，还不断更新。我们专业学习中记住的那些具体知识，总量有限不说，淘汰又快。所以我们说"好记性不如烂笔头"，更多的信息时记不住也不要紧，过去是放在书籍资料里，通过贴条做笔记做提纲解决，现在可以存在网上，必要的时候搜索就可以了， 还可以让程序来处理大量数据，只用处理结果。
这五大部分，对每个人都是不可或缺的，没有异议。
但当代的问题是，信息爆炸带来过剩的信息供给，供求关系发生逆转，起码 5长期普通记忆中的静态信息不稀缺了，不值钱。而人工智能更要染指 4 专业技能，很多具体的工作实践都会被取代，记得曾经在北京四环外高速口，都会有很多人手举着"带路"的牌子，给外地司机带路，现在这个行当直接消失了。业内容积率强排用程序实现已经是多年前的事情，最近又热炒了一下。软件的提高已经带来了大量自动化的效果，虽然还不足以称为AI，不过取代很多劳动量是没问题的。
而且同业竞争也是日渐激烈，除了一些特殊行业，具体的专业技术、工具、流程都在快速迭代，收入反而下降了，更何况年纪大了以后体力精力下降，也很难长期支持高频率技能更新，一些所谓"青春饭"的行业就是如此。
五、要成为CPU
所以，要成为CPU。
不管面对互联网加持的普通人、其他行业，还是同业竞争者，甚至AI，活体专业人员的优势，最根本的在于思维核心，思考分析研究的能力，而不在于具体的专业技能点，更不在于静态的知识信息。因为行业更新很快，在公司和团队里角色的升级很常见，改行的机会也多，
以前常说的要保持终身学习，要具备学习新事物的能力和敏感度以及意志，这种学习能力的内核，就是这个核心思维能力，类似于CPU的运算能力。
打个不准确的比方。当信息供给充足，基本资源差不多的情况下，如果每个人都用最大努力去学习，可以认为每个人的知识能力总量是相当的，区别只在于人选择什么样的技能组合。就像游戏里大家都是满级，看你怎么加点了（练级都没练满的就不讨论了）不同的领域，不同的偏好，加点方式一定是不一样的。但我在这里想说的是，偏向静态知识的不要加，能让机器去做的，不要加。
最值得投入技能点的，就是思维核心能力，包括对更复杂情况的把握，抽象、推理、归纳、判断，也包括更冷静、更稳定、更坚强这些品质（类似于CPU的运算力比如主频，电压等）。相应的，需要更大的内存（短期记忆力）和操作系统（知识结构）的辅助。最大程度的发掘大脑自身的复杂结构潜力，同时知识结构需要不断的迭代升级。
当然在具体的专业里，4 专业技能 也很重要，但往往很容易供给过剩造成竞争激烈、收入下降。这些技能并不稀缺，不难学习，快速掌握即可（除了一些特殊行业如医生）。
但面对全局性的复杂问题，新问题，解决能力才是最稀缺也是最难的，所谓千军易得一将难求，能够统领团队、培养梯队、指引方向，敏锐的跟随时代不断创新从而解决疑难杂症的能力才是最重要的。
所谓U盘化生存的说法是有问题的，容易让人以为关注的是可以拷贝的具体技能和知识。而我认为，成为自带CPU内存操作系统的完整运算单元，才是最有价值的——这不就是手机嘛！
要成为CPU，而不能满足于当一个App，更不能只当一只硬盘（U盘）。
给客户提供的是解决问题的计算能力，而不是给客户静态的已有的信息。
应当避免将精力消耗在那些死记硬背的知识上，对局部的职业技能的投入也要谨慎而高效，随着年龄的增长，最多的精力要投入在思考解决复杂问题的能力培养上。
六、如何成为CPU
理性部分是容易讨论的，比如更健全的知识结构，扎实的基本功，更强的意志品质等。
但综合分析推理、归纳判断、创新和应对复杂的新问题，甚至意志品质耐力直觉敏感度潜意识，这些部分就有点难缠。
"这些虚头巴脑的东西我都懂，但要怎么操作啊？"
我一贯的观点是，不能语言描述的，不等于不能被理解，更不等于不能被训练和掌握。
不同学科当然不太一样，我针对建筑学正在做培训的提纲和知识点课程，包括整体思考、想象力设计这些宏观方法，也包括具体的知识点技能点，不赘述。相信不同学科各有巧妙不同。
但也有一点经验体会应该是通用的，供大家参考。
- 首先保持全面且不断更新的知识结构，了解行业前沿，了解相关行业，保持眼界和思维的开阔，常识健全，通识健全（经济、法律、管理、健康等）。整体性思考。
- 针对行业核心技能和方法论、价值观进行深入研究，阅读和调研前沿案例，与业内高手切磋，保持持续深刻的研究思考。重视本质和基本原理。
- 寻找专业上的新问题、复杂问题、困难问题，去研究、实践和解决，并且总结其中本质的逻辑和方法。哪怕失败了，每一次挑战思维的极限，都能带来脑力的增长。不断挑战自己的大脑。
人脑提升的原理实在无法得知，要指望以后的脑神经科学。但也许就像练肌肉，每一次力竭的训练，都会促使肌肉更大的生长。也可能像深度学习的原理，每个人自己的针对某一问题的算法，是通过大量数据训练出来的，足够多高质量的数据（问题），能训练出更准确的算法。俗话说"拳练百遍其义自现""熟读唐诗三百首不会吟诗也会诌"，倒也符合数据训练的原理。
以我个人经验而言，脑力增长最快的那次，就是博士论文的几年，最终要把几年的调研 研究 论述20万字的东西融为一炉，整合出一篇清晰的文章，脑子感到要吐血，有时候也是反复载入内存不够用。但事后再回顾本科前后对问题的理解和解析，确实感到过去的思维简单粗浅。设计方面则在毕业前就做过80多个项目，工作十年经手大小150个项目以上，奇形怪状各种类型都有，也深感每一次深入分析、梳理、塑形、细化，都有提升，每一年的自己和前一年，都在成长，特别是对于三维空间-时间-人的复杂系统的理解，非语言思维和整体思考以及想象力扩容，从一头浆糊到逐渐熟稔，来路历历在目。实践出真知。
七、从单核到多核到联网
沿着加强通用计算能力、弱化静态知识和局部技能的思路，多核协作就变成顺理成章。
既然可以学习的知识过剩，人类科技发展的瓶颈就变成人的学习能力本身。
人类对自然科学的探索是否会因其自身的复杂而走向停滞？这恰好是个人学习方向问题的 一个放大版，都是如何解决 人（人类）寿命有限vs知识无限 这个根本性问题。
个人的能力再怎么优化，也是有极限的。当需要完成更大的目标，就需要更多的人联合起来，组成共同体来完成。实际上人类的产生就是依赖于社会化的协作。"人是一切社会关系的总和"这真是深入骨髓的论断。
没有人能单独存活，从基因延续来说，人类的基本单元其实是群体而不是个体。其实直到现代社会个人解放自由之前，人类也主要是互相依附生存的，根本谈不上什么个人发展提高，主要靠人数解决问题。而当代社会也已经把很多外部工具和技术融入到人类存续中，人类种群早就不是单纯的单体生物人，而是融合了社会系统（人文）、技术系统（科技）的综合体。离开了人文或者科技任何一条腿，作为种群的人类基本就算灭亡了。
而我们面对信息大爆炸的洪流，不得不更进一步和其他人紧密联合起来，对外在挑战进行分解，用多线程计算解决，就像单核CPU的主频上不去了，就采用多核心的方式来提升计算力。这就需要高效率的协作方法，不但要增大运算核心的数量，又要避免人多协调内斗等内部损耗，保持效率和数量都足够高。而中国人在协作领域最出名的还是内斗，这就需要文化和体制方面的提升。系统和应用程序要对多核心进行针对性优化也是不容易的。
再进一步，社会还需要更广泛的互联和分布式计算，解决更大更复杂的问题，比如现代的科学共同体，很多大课题需要的资源和人力，已经不是一个国家能负担的了，大型科研组织已经很常见。每个人自我学习的时候，不得不充分考虑多核协作和联网云计算的问题，甚至这部分，比个人的计算能力更重要。
当人力数量不是问题后，如何统筹分解问题和协调团队变成最大的瓶颈。对超大型复杂问题的统筹分解，比分解后的局部计算要更难，并且很可能无法再分解，只能一个单一人体来解决，这就成为整个问题的瓶颈，这也是团队领袖稀缺的原因之一。这种岗位对个体计算能力的要求也是极高的，倒是并不需要很多具体的局部技能和静态知识。
另外，提升团队协作的能力，和提升个人的运算力并不矛盾。虽然每个人的运算力对于大团队来说微不足道，但如果每个人都提高一点基础运算力，那整个团队的提升则是惊人的。
（有意思的是，联网产生了更多的知识，而更多的知识又逼迫人们更多的联网，两者形成了正反馈，加快了知识的爆炸）
以上个人的一些浅见，分析思维的过程和内容也是比较主观的，主要是打个比方谈感想，比较偏研究向，并且也许不适合其他很多专业学科，毕竟隔行如隔山，如果对你的专业也有用，那我会非常开心。
欢迎批评，仅供参考。
（完）
来源：知乎 www.zhihu.com
作者：袁牧
【知乎日报】千万用户的选择，做朋友圈里的新鲜事分享大牛。 点击下载
没有评论:
发表评论