为什么它比刻意练习还重要 | 网师外脑

「网师外脑」专栏 · 第001篇
作者 | 塞德里克·钦(Cedric Chin)
内容来源 | commoncog.com
译者 | 王媛、伏莉莉、蔚然、陈翠清
统编&审核 | 贾颖    脑图|李亚芳
全文7181字,预计阅读用时25分钟
文末有精美思维导图赠送

我想用一篇文章来谈谈隐性知识,以及为什么我认为它是技能习得领域中最有趣的话题。 如果你是我的老读者,你可能以前就会遇到这个话题,因为我在过去已经写了很多次了。 但我认为用一整篇文章来讨论这个话题仍然是个好主意。

我之所以认为写这篇文章很重要,是因为每次我提到隐性知识的话题时,不可避免地会有人在推特、黑客新闻、红迪网或电子邮件上跳出来抗议,说隐性知识并不存在。 每当我遇到这样说的人时,我都想给他们发个我的文章链接,这样我就不必重复了。

我认为探索隐性知识是件好事还有另外一个原因:隐性知识确实存在,理解它的存在是你能遇到的最有用的事情之一。 一旦你明白隐性知识的存在,你将开始看到任何技能树的大部分在本质上是隐性的,这意味着你可以去追寻它。这反过来又意味着,当涉及到专业知识时,你可以开始问真正有用的问题,即: 别人拥有隐形知识; 别人真的很擅长此道; 我如何也能拥有呢?

什么是隐性知识?  

隐形知识是一种仅靠语言无法获得的知识。 

想想骑自行车吧。 骑自行车不可能通过描述来教授。 当然,你可以试着解释你骑自行车的时候在做什么。你正教孩子骑车,告诉他们“平衡!想象一下你正站在绳索上,保持平衡!”  ,而他们却掉进下水道。你的解释不会有多大的帮助。

毫无疑问,会有人说,如果你能更好地解释,如果你能找到恰当的词语和学生交谈,你可以教会他们骑自行车。 如果你碰巧相信这一点……那么,我建议你自己验证一下这个理论。 去找几个还没学会骑自行车的孩子(或大人!),看看你是否能教会他们——仅仅通过你的解释就能做到——如何骑车而不擦伤小腿。 如果你成功了,要仔细反思一下:你的这份成功里有多少是骑车人自己琢磨出来的? 有多少是你的口头指示的功劳?  

这个解释值得注意。在教育学中,这被称为“传递主义”,严肃的教育者嗤笑它,就像现在的你我嘲笑“地球是平的”这一理论一样。事实就是:有些人相信通过向他人解释来教授技术是可能的。他们认为,如果你能找到恰当的单词组合和正确的类比;如果你真的能把事情分解为犹如原子般细致的程度,事情就会奇迹般地刻入学生的头脑,他们就会成功。这些人可能从未尝试做过什么严肃的事情。如果你就是这样的人,那么我希望你能在某个时候选择一项我感兴趣的运动来训练孩子,这样我的孩子就可以和你的孩子较量,然后我就可以看到他们完全碾压你的孩子们。

你如何教隐性知识?比如,你会怎么教人骑自行车?

当我还是个孩子的时候,我自学了如何骑自行车……这个是偶然。然后我教我的妹妹,然后是我的表弟,还有附近另一个对骑车感兴趣但有点害怕的孩子。他们每个人都是一个小时左右之后,就能骑着车在周围风驰电掣了。

具体步骤如下:

1. 选择一辆比学车人身体小得多的小自行车,这样身体离地面不远。 这对学习者来说是有用的,因为他们可以随时放下脚来拯救自己。 离地面不远也就不那么可怕。
2. 让他们用腿向前推一小段距离,同样,他们的脚离地面只有几英寸。 重复做这个动作,向前推,双脚放下,然后停下来重复。
3. 更大力蹬,走更远的距离。最终,他们将会双脚离地滑动几十秒钟。这里的目标是让他们了解在自行车上保持平衡的感觉。
4. 在其中一次滑行中,一旦他们感觉准备好了(可能有点无聊——关键是让他们多次地做第三步,他们感到安全并渴望继续前进)——好吧,一旦你达到了那个点,告诉他们开始蹬车。
5.瞧, 你有一个会骑自行车的孩子了。

注意:口头指令在这一过程中参与的程度是多么的小。更重要的是模拟和行动——也就是关注成功骑自行车所必需的情感体验。这样的训练对我来说很神奇,因为在一个小时内,我就能观察到一个孩子从有意识的无能到有意识的能力,最后到无意识的能力的过程。

换句话说,隐性知识传授是通过模仿、效法和学徒等方式进行的。 你通过盲目地模仿大师的行为来学习,直到你内化了行为背后的原则。

你可能会看到这一点,然后想“啊,这适用于像自行车、网球和柔道这样的体育运动,但更多的脑力活动呢?” 对此我想说的是:隐性知识存在于我们周围。 研究人员萨摩·布尔雅(Samo Burja)举例解释了隐性知识:他称之为“创造伟大艺术或评估初创公司的能力(……)例如木工、金属加工、家政、烹饪、舞蹈、业余公众演讲、流水线管理、快速解决问题和心脏手术。”

如果你是一个知识工作者,隐性知识对你的专业领域的发展比你想象的要重要得多。

知识工作中的隐性知识  

我花了多年时间才意识到,我教人们骑自行车的方法包含了许多可能适用于其他领域的原则。

在我之前的一份工作中,我的技术主管希尤(Hieu)有一种不可思议的能力。他参加需求会议,并在几分钟内勾勒出一个程序结构。这个结构不光有最简单的解决方案,而且需要的步骤还最少,并且这个草拟方案通常是我们最终执行的那一个。但我注意到希尤总是为任何软件项目不可避免的更改留下了足够的回旋余地(需要说明的是,他通常在设计传递之前给出一个一次性原型来确认草图)。当我设计实施方案时,总是会有稍后需要重新设计的地方,我就做不到他那样好。最后,我问他是怎么做到这一点的,在我们一起工作的几年里,我多次试图从他身上得到结论。

我们的对话无疑会这样进行:

希尤开始会说,“当你听说有一个外部API时,你应该把你的程序集中到这点上,因为那里有很多风险。”
“那你为什么不担心日历API呢?”
“哦,因为我以前用过它,我认为它很容易执行。”
“为什么如此关注Firebase?”
“因为我们想把它用作数据库层。 很危险的啊。”
“所以总是先关注核心层,因为它更重要?”
“是的。 试着先关注最危险的部分。”
“但你为什么不担心库存API呢?” 我们之前从未与之整合过。”
“是的,现在我觉得那个不那么重要了。 客户端稍后可能会更改它。 或者我们的功能会改变。 我们先做基础工作。”

回想起我在维基做软件工程实习生,我第一次写软件测试的时候,一位高级软件工程师花了几秒钟时间查看了我写的大约100行代码,他说:“哦,这不好,这以后会是一个问题。你应该用这样结构来组织。”我问他,他是如何在五秒钟内就判断出它不好的。他对软件工程原理做了一长串的解释。我挥手跟他告别时还在问他是怎样在五秒钟之内做到的。他说,“嗯,只是感觉对了而已。好了,咱们去吃午饭吧,你可以稍后修改它。”

我在我关于知觉学习的帖子中写了我在维基的这段插曲。我并不是说希尤或高级软件工程师不能解释他们的判断,或他们不能显性化他们用来评估十几个变量之间权衡的原则:他们可以,即使很糟糕。我的观点是,他们的解释不会让我达到他们那样的能力。

为什么会这样? 好吧,再来看看我们的对话。当我迫使这些人做出判断时,他们会试图用原则或启发的方式来解释。但我追问越多,发现的异常、警告和潜在问题就越多。

这实际上是可推广的。在任何足够复杂的领域拥有专业知识的人总是会这样解释他们的专业知识: “嗯,做X,除非看到Y,由于A的原因,然后去做Z。如果你看到的是B情形,那就执行P .但是如果你遇到是一个A和C,而不是B情况,由于D种原因,你就执行Q。然后在你做Z的接点,会有奇怪的情形岀现,不过要是看到事情C出现,那么你应该切换到Q。”

如果你催得紧了,最终他们可能会说“啊,感觉对了。长时间这么做你也会有这样的感觉。”

最终,我意识到,学习希尤技术的方法是模仿他:设计一些软件,然后寻求反馈。我意识到,如果你听到有人用一长串的警告来解释事情,大概率你看到的是行动中的隐性知识。 

这种现象在专业知识的研究中已经得到了充分的证实。其他领域的从业人员也多次写到过这一现象。以下是外科医生阿图·葛文德(Atul Gawande,《清单革命》的作者)谈阑尾炎手术的例子。

假设你有一个阑尾炎病人需要手术。现在,外科医生通常会做腹腔镜阑尾切除术。你将一个小型摄像机——腹腔镜——通过靠近肚脐的一个四分之一英寸的切口插入腹部,将一个长钳插入腰部以下的切口,推动一个用于缝合和切割左下腹切口的设备。用钳子夹起手指大小的阑尾,用订书机穿过它的底部和供血血管,把切断的器官扔进一个塑料袋,然后把它拉出来。缝合,你就完成了。不管怎样,这是你喜欢的手术过程。但通常情况下并非如此。
甚至在你开始之前,你就需要做出判断。不寻常的身体结构,重度肥胖,或者是以前腹部手术留下的内部疤痕,都会让腹腔镜难以安全地进入腹腔,你不会想把它戳进一圈肠子里。
你必须决定使用哪种方法插入腹腔镜,因为选择太多了;你还需要决定是否抛弃这种高科技的方法,转而寻求传统方式的帮助——在腹部开一个宽口子,这样就能直接看到腹腔里的器官了。
如果你已经把腹腔镜和仪器植入了腹腔,你还可能抓不住阑尾。感染把它变成了一个的肥胖的,不断流血的发炎的蠕虫,它紧贴周围组织,肠子啦,血管啦,一侧卵巢啦,盆腔侧壁啦,为了把它从这些组织当中释放出来,你必须在各种各样的工具和方法中选择合适的。
你能尝试使用一个长的医用棉签把周围的组织推开。 你可以使用电烙器,钩子,剪刀,尖嘴解剖器,钝头解剖器,直角解剖器或是吸引装置。你可以调整手术台,让病人的头朝下脚朝上,这样重力就能把内脏拉回正确的方向。或者你也可以抓住任何你能看到的阑尾的一部分,然后使劲拉。
一旦你看到了这个小器官,你可能会发现阑尾炎是错误的诊断。它可能是阑尾肿瘤,克罗恩病,或者是一种碰巧导致附近阑尾发炎的卵巢疾病。然后你必须决定是否需要额外的设备或人员——也许是时候请另一个外科医生了。
随着时间的推移,你会学会如何避免问题,当你不能避免问题时,你会以更少的摸索和更多的保证找到解决方案。八年的时间里,我做了2000多台手术。四分之三的跟我的专业有关,即内分泌器官手术——甲状腺、甲状旁腺和肾上腺等内分泌器官的手术。其余的都涉及从简单的活检到结肠癌。对于我的专业案例,我知道了可能出现的大多数严重困难,并制定出了解决方案。而其他案例,则让我获得了自信——我有能力处理各种情况,并在必要时即兴发挥。

请注意葛文德在解释他的专业知识时包括了各种各样的警告。这可能是行动中的隐性知识。学习这种复杂的判断——这种恰好会平衡几十个考虑因素的即时的解决方案的选择——这就是学习的价值所在。仅仅通过解释去学习几乎是不可能的。 

隐性知识可以显性化吗?

上面最后一句话值得再三咀嚼。原则上,把隐性知识外化为一系列指令的做法有可能吗?或者我们可以将专家决策提炼成一个多项程序,将其编码到“专家系统”。或者我们可以把它转变为一个流程单,将其提供给该领域的每一位实践者,而不是让他们以传统方式学习隐性知识。这个问题的答案几乎一致:“是的,原则上可以这么做,但很难实践。”对此,我认为这相当困难,甚至不应该为此费心劳神;假设你读这篇文章是因为想在职业生涯中取得成功,那么你应该放弃将隐性知识转化为显性知识,而只追求隐性知识本身。

为什么我们知道这一点?

上世纪70年代,一些组织——其中包括美国军方——委托研究人员进行了一系列研究,以建立各种各样的专家系统,以增强或取代人工的可能性。用专家系统取代人类的想法在当时是一种时尚,就像神经网络在今天大受追捧一样,但专家系统在此后的几十年里已经边缘化了。

这股热潮之后,许多研究人员发现,将一名人类专家所有可能的分支、陷阱和细微差别编码到专家系统中是极其困难的。其中一个项目是在赎罪日战争后不久启动的,该项目将以色列飞机维修日志输入美国数据库,其目标是用专家系统取代飞机维修员。当时有一位叫加里·克莱因的年轻研究员,他的任务是采访飞机维修人员,以了解他们的核心知识。

他在最近的一期播客中描述了该项目:“我可以填写80%的表格,但其他20%……也许有什么东西是空白的……或者可能有错误。然后我会采访他们,问他们“你是怎样填写的?”
然后他们(维修人员)说:“好吧,看看这些损坏,看看损坏的程度。两天后飞机又重新投入使用。现在对于这种损坏,我知道,如果涉及这些线路中的任何一条,将需要一两周的时间修复。很明显,它没有切断这些线路。这就是损害传播的方式,因此他们可以(如此迅速地)让它恢复使用。”
换句话,这些人远强于日志系统,想象作为一名维修技师,处理这类问题是什么感觉。
(…)所以当我写报告时,是这样的:这是我能公式化的部分,但我收集的危机事故部分,从中可以了解他们的专业知识。最终,空军认为,他们无法建立一个专家系统来取代人工,因此必须继续雇佣这些人。”
你可以旁观一下,看到这个结果在同一时期内,在许多组织,许多领域,重复出现。(维基百科称这个问题为“知识获取问题”,这是一个很好的说法; 这最终导致专家系统的受欢迎程度下降)。正如人们很快发现的那样,从一开始就很难从专家的头脑中提取出“规则”。

当然,还有其他反对意见。Klein现在被认为是自然主义决策(NDM)心理学分支的先驱之一,他喜欢说,过度依赖程序使人类操作人员变得脆弱(第15章,权力的来源)。换句话说,盲目地给人们列出要执行的程序,就会剥夺他们建立专业知识的能力,这反过来又阻碍了他们运用各种在专家中常见的创造性问题解决方式。这也意味着,当某些事情发生严重错误时——在现实世界中,某些事情总是发生严重错误——他们将无法适应。

有没有迹象表明,这不是一项完全无望的事业?是的,事实证明:

1. 有一些从事人工智能研究的朋友认为,也许是通过使用更现代的人工智能方法,专家系统有可能卷土重来。
2. 加里·克莱因(GaryKlein)本人开发出了提取隐性知识并将其显性化的技术,从而一举成名。(这项技术被称为“关键决策方法(CDM)”,但很难实现,因为它需要CDM本身的专业知识)。
3. 有时,对于一个特别有天赋的人来说,将整个领域的隐性知识综合成一种有效而明确的教学方法是可能的。可以说,约翰·博伊德在为美国空军编写的第一本战斗机战术手册中做到了这一点——在此之前,人们认为格斗是一门无法被组织成明确原则的艺术。但博伊德经过几年的教学和整整一年的写作,不管怎样还是设法做到了。

所有这些观点都是有根据且值得思考的——但我认为,它们是否普遍正确并不重要。你可能会说“事实上,既然所有的隐性知识都可以被表达出来,那么就没有隐性知识这种东西”——但这是一个迂腐的,对我来说无趣的练习。等待专家系统的复兴是不合理的,期待CDM应用到你的领域,或者期待一个像博伊德一样的天才出现,也是不富有成效的。

我们应该把隐性知识当作一个事实,因为相比起寄希望于某些突破性进展来使隐性知识显性化,思考直接获得隐性知识的方法更有用。

隐性知识学习

对我们来说,隐性知识的学习意味着什么?意味着如果我们想在自己领域内获取专业知识,就应该深入了解有关隐性知识已发表的学术研究。

“但是,等等……”我听到你在说——“那刻意练习方面呢?作为占主导地位的领域分支,难道不是最应该关注专长的发展吗?”答案显然不是。

我在评论埃里克森的《刻意练习》时解释过,刻意练习是被限定于只适合某些特定领域,这些领域历史悠久、相沿成习。换句话说,刻意练习仅在音乐、数学、象棋等这样的领域适合。

K·安德斯·埃里克森(K. Anders Ericsson)在他的书《刻意练习:如何从新手到大师》里对隐性知识给出了这样的狭义定义。接着他避重就轻,认为尽管他没有在上述领域之外学习实践过,刻意练习或许适用于方法欠缺的领域。但是,他非常清楚自然决策法的确存在——他曾是编辑之一,与来自自然决策社群的人们一起编写了《剑桥专业知识和专家绩效手册》。

所以,如果你是一个程序员、设计师、商人、投资者或作家,读过有关刻意练习的内容,你或许会问:“好吧,那在我的领域呢?假如我没有成熟完备的方法怎么办?”如果你这么问了,就已经开始踏上一条趣味十足的羊肠小道;这实在是一个好问题。

答案是显而易见的。如果你发现自己处于这些领域其中之一,自然决策(NDM)领域会更有用。学习隐性知识的过程大致如下:你找到一位大师,在他们手下工作几年,然后通过模仿、反馈、耳濡目染地学习和摸清门道—而不是通过刻意练习(比如,沃伦·巴菲特和他在本杰明·格雷厄姆手下的岁月)。自然决策领域的重点是如何使实践更有效。我认为,世界上很多人对刻意练习和认知偏见研究关注过多,对隐性知识却不太关注。

如果隐性知识存在——我相信它确实存在——那么获取技能的最有用工具将出自它的研究领域。去年年底,自然决策社群的成员们在一起出版了《牛津专业知识手册》,这是目前我们所知领域的最全面概述。

大约过了30年,埃里克森关于刻意练习的著作才渗入主流意识,部分原因是马尔科姆·格拉德威尔(Malcolm Gladwell)的《异类》取得了成功。如果我们将其做为比较,NDM方法还需要多久才能成为主流呢?

或许到2030年我们会像今天人们谈论“一万小时定律”一样谈论隐性知识。但是如果你正在读这篇文章,你就有了一个好开端。时刻关注自然决策法和有关隐性知识的内容吧!在我看来,它们是当今专业领域中最有趣,也最容易被忽略的话题。

点击图片,放大看,更清楚


注释:

[i]API(ApplicationProgramming Interface,应用程序接口)是一些预先定义的接口(如函数、HTTP接口),或指软件系统不同组成部分衔接的约定。

[i]API(ApplicationProgramming Interface,应用程序接口)是一些预先定义的接口(如函数、HTTP接口),或指软件系统不同组成部分衔接的约定。(来源:百度百科)
(0)

相关推荐