提升思维的方式


难度 中等

这一篇是我这几年反复琢磨出来的笔记——把过去那些零零散散的、不成文的体会,总结成四个动作:升维、归纳、类推、试错。
写出来不是要证明自己懂了,而是为了下次再卡住的时候,自己能有一个清晰的入口。

写在前面

我学东西,挺慢的。

不是那种”我没天赋”的慢,而是那种——明明每天都花了不少时间,回头一看,发现自己其实还在原地打转的慢。

那种时刻最让人难受的不是”我不会”,而是”我不知道我哪里不会”。问题卡在哪儿都讲不清楚,谈何去补呢。

后来我才慢慢意识到,所谓”学得很慢”,往往不是因为时间不够、不够努力,而是学东西的方式本身就有问题。就像你拿着一把钥匙去开锁,但你手里那把钥匙的齿形本来就拧错了,再用力也白搭。

所以这几年我一直在想,到底有哪些学东西的方式,是真正能把人”拔出来”的。

想了想,大概有四种:升维、归纳、类推、试错。

它们不是孤立的招式,更像是一组工具箱。在不同的处境下,你会自然地掏出不同的那一个。但如果你从来没有意识到它们存在,你就永远只会用一种方式去学——那一种方式一旦走不通,你就彻底停滞了。

所以今天,想把它们一个一个讲清楚。


一、升维:跳出你正在学的那一层

升维是这四种方式里最猛的一招。

先解释一下什么叫”维”。

我们小时候都学过平面几何,画的图都是纸上的,一条线、一个圆、一个三角形,所有的点都贴在同一个平面里。然后有一天,数学老师告诉你:把纸折起来,让那张纸在 z 方向鼓起来一点点——你突然发现,原本在平面上怎么也连不上的两个点,在三维里用一条直线就串起来了。

这就是升维。

求导和微积分的关系,在我看来是同一个故事的不同章节。

求导是在”每个瞬间”上做切线,得到的是这一秒的状态。它能回答”在这一秒是什么”,但回答不了”从这一秒到下一秒累计发生了什么”。

积分恰恰相反,它不关心某一秒,它关心的是这一段过程积累起来是什么样。所以求导和积分是一对相反的过程:一个把时间拉细,一个把时间拉厚。

为什么要先学求导再学积分?因为积分实际上是”无数个求导结果的累加”。如果你没有在微观上把每一个瞬间看清楚,你就根本没有办法在宏观上把整段过程算明白。

这两者之间的关系,就是”一层”和”层之上的那一层”的关系。

学习里到处都是升维

升维在学习里到处都是,只是我们平时不这么叫它。

学英语这件事就是最典型的例子。

第一层是”背单词”。一个一个字母拼着背,背得快忘得也快,今天记住了 abandon,明天就又被 abandon 了。

第二层是”词根词缀”。你发现 ab- 是”离开”,-andon 大致和”接受/放弃”有关,背完一组词根后,一长串陌生单词都能大致猜出意思,记忆量一下子少了一半。

第三层是”词源 + 文化”。你发现有些词是从拉丁文的某个故事演化来的,背后有神话、有历史、有约定俗成。知道了这一层,你不再背单词了——你在看一个故事的脉络。

三层都是在”学英语”,但它们的”维度”完全不同。从第一层升到第三层,记忆量是数量级地下降,理解力却是数量级地提升。

学数学也是。

第一层:硬背公式。

第二层:把公式拆开来,知道每一项在说什么、为什么这里会有这一项。

第三层:知道这个公式是从一个什么样的实际场景里被发明的,它在解决什么样的真实问题。

到第三层的时候,你甚至能反推这个公式——因为你已经理解了它被发明出来的动机。这就是从”学公式”升维到”学思维”。

学乐器、学写作、学开车——只要是稍微复杂一点的技能,几乎都有这个三层结构:动作→规律→背后的节奏。

我们什么时候需要升维?通常来说,是下面这几种情况——

  • 一个知识点反复出,但又反复忘,每次都是从零学起;
  • 一个问题反复错,每次错的姿势还很像;
  • 你发现有一类限制条件像天花板一样,把你所有的努力都挡在外面;
  • 你越学越觉得”知道得越多,不知道得越多”,但又说不清自己卡在哪儿。

——那往往就说明,你现在所站的”层”不够了。

这个时候唯一正确的动作,不是更努力,而是停下来问自己一句话:

「我现在学的这个东西,所依赖的是哪一层?我是不是只站在第一层里打转?」

把那些被默认接受的前提拿出来看看——把它们假设的合理性一个一个质问一下。很多时候,”这个就是要硬背”、”这个就是没道理的”这种话,只是因为你还没看到第二层。

把层升上去,再看一次——同样的问题大概率会换一个样子。

升维这件事,最怕的不是”没想到要升”,而是”升得太刻意,结果升到了空中”。

我以前学写作的时候,有一段时间特别痴迷于”我这句话是不是缺少哲学高度”,结果一篇八百字的读书笔记写了一周还没写完。其实那篇笔记只需要把事实讲清楚就够了,硬升到哲学层,就是给自己找罪受。

升维是杀招,但用多了会变得无病呻吟。平时的小问题,老老实实类推和归纳就行。


二、归纳:从一个个具体里抽出共同的规律

归纳是做这件事——重复去做某一类事,然后总结共同点。

它是所有学科的根基。科学家做千百次实验总结一个定理,作家写几百篇散文后形成自己的文风,连厨师做菜都是”多炒几次同一道菜,直到感觉到盐该放多少、火该多大”。

归纳的本质,是从一堆特殊的样本里抽出共同的模式。

归纳为什么是基础

因为归纳给了我们”规律”这种东西。

人类的大脑,是个对规律极度敏感的机器。一旦你给它一组数据,它会本能地去想”这些数据背后是不是有规律”——哪怕根本没有规律,它也会强行给出一个(这就是错觉的来源)。

而对规律敏感这件事,必须配上能发现真实规律的能力——这就是归纳的价值。

举一个很日常的例子。

你有没有发现,有些字你写多了之后,看见就知道对不对?比如”茂盛”的”茂”,那个草字头和下面的”戊”,你不用翻字典看一眼就知道对不对。

这就是归纳的结果。你可能写过这个字一百次,每次写得不一样,但你的大脑在后台默默做了一件事:它从这一百次里抽出了这个字最稳定的结构,把不稳定的部分(你某次写得特别草、某次写得特别工整)都给过滤掉了。

留下的,是你对这个字的”归纳模型”。

很多人觉得”我做过所以我知道”。但实际上,做过不等于归纳,记得不等于用得上。

我高中物理曾经考过几次不及格。最开始我每次考砸都只反思”这一题我哪里错了”。后来换了方法,每个错题我都多问一句:”这题我到底是哪一类错的?是概念不清楚?还是公式记岔?还是真的就是计算错?”

这样记了一本错题本后,第二个月我突然发现,不及格的次数明显少了。

不是因为时间花得更多,而是因为我从错题里抽出共同的模式之后,同一类错题出现的频率指数级下降。

这就是把特殊的错题归纳成了一般的规则。

归纳的三个陷阱

归纳虽然有用,但有三个非常隐蔽的陷阱,必须时刻提防。

第一,样本太少就归纳。

你遇到一次考试失利,归结出”我不擅长考试”。但其实,那一次可能只是因为你前一天睡得太晚,或者那场考试恰好出了你不太熟练的题型。

你遇到一次失败的演讲,归结出”我不敢当众讲话”。但其实,那次失败可能只是因为讲稿没准备好。

你基于一个样本得出的归纳,注定是有偏的。

永远记住:归纳的可信度,跟样本量正相关,跟样本的多样性正相关。只见过白天鹅就归纳出”天鹅都是白的”,遇到一只黑天鹅就会崩溃。

第二,把巧合当规律。

你连续三次起床都迟到,于是归纳出”我这个人起不来”。但说不定只是那三天你恰好重感冒。

孩子考砸三次,你就归纳出”这孩子不是读书的料”。但说不定只是课程最近对他有些难。

这种归纳里,情绪成分远大于事实成分。

第三,对规律的过度拟合。

你老师在高三讲了十种典型题型,于是你归纳出”高考数学就只有这十种”。但真实的高考题型远不止这十种。当你归纳得太死,你就再也看不见新形态了。

你见过十种分手方式,于是归纳出”爱情就是这么回事”。但其实每段感情都是独一无二的,过度归纳会让你在新的关系里也变得麻木。

所以归纳做完后,一定要保留对自己的归纳本身的怀疑。这是科学精神,也是成年人该有的自我反省。

归纳和记忆的关系

归纳的产物是规律,但规律如果不存下来,等于没归纳。

所以归纳做完,必须做两件事:

  1. 写下来——把规律显式地落到笔记里。可以是一本错题本,可以是一张表格,也可以是简单的几句话——但一定要让它从”我做过所以模糊记得”变成”我能一眼看到”;
  2. 找场景反复用——只有被用过的规律,才会真正沉淀在你的认知里。否则,你只是”经历过”,并没有”学到”。

我自己的体会是,没有落到纸上的归纳,都是没有完成的归纳。


三、类推:从一个一般规律套到一个新的具体场景

类推和归纳是反着来的。

归纳是从”很多个具体的事”里去抽”一个一般规律”;类推是”拿到一个一般规律后,把它套到一个新的具体场景里去”。

如果说归纳是”总结”,类推就是”应用”。

类推的美妙之处

类推是个杠杆。

你花了两个月总结出”陌生知识点要先抓主结构”这个规律。然后你每碰到一个新的领域——比如读一篇论文、学一门新的编程语言、接触一种新的乐器——你都能用”先抓主结构”这个一般规律瞬间上手。

这就省了你每样东西都从零摸索的时间。

举个例子。

我刚开始接触经济学的时候,看那些曲线和模型也觉得头大。但后来我发现,所有经济学模型都在讲同一件事——在某种资源有限的情况下,人们会怎么选择。一旦归纳出了这条主线,每一种新的模型都只是这条主线在不同场景下的具体化。

就像你读一本书,如果有人提前告诉你”这本书主要讲的就是 A 和 B 之间的对抗”,那你后面遇到再复杂的剧情都能瞬间理顺——因为你有了那根主轴。

类推最爽的地方,是它会让你觉得”所有的新领域都是相通的”。

事实上也确实如此。任何学科一旦进入深水区,你都会发现它在讲同一件事——只是换了一身衣服。所以真正学得多的人,最后都会”融会贯通”——而那件事的底层,就是类推。

类推的风险

类推最大的风险,是套错了。

你归纳出了一条规律,但它只在某一类情境下成立。你把它套到一个看起来相似、但其实本质不同的新场景里,那就会出大问题。

比如——

  • 看到某位名人在传记里讲”早起+冥想+日记”改变了他,你也照着做,结果发现你的工作节奏根本不允许;
  • 把外国教育理念里”鼓励式教育”那一套直接搬到你家那个数学已经明显落后的孩子身上,结果反而让他更没方向;
  • 听了一个前辈讲”我靠 XX 方法进了大厂”,你就把那个方法当成万灵丹,结果你的天赋和兴趣完全不在那条路径上。

这些,都是”把一个一般规律套到了不对的具体场景”造成的失败。

类推的前提,是你对那个一般规律适用的边界有清晰的认知。

毛泽东在《矛盾论》里讲过一句话,大意是:共性寓于个性之中。意思是”规律藏在具体事物里,但它能脱离具体事物独立存在”,只有当你的新场景的”个性”没有越出那个规律的”共性”范围,类推才有效。

实操中有一个很简单的方法:

类推之前,先问自己一句话——「这一次和上一次最本质的相似点到底是什么?」

如果你能用一句话把它说清楚,那大概率可以推;如果你说不出来,或者说了两段还没说清楚,那大概率不能推。

类推是放大的归纳

所以归纳和类推,其实是同一件事的两面——

  • 归纳是从 N 个具体到 1 个一般;
  • 类推是从 1 个一般到 N 个具体。

理想状态下,你的归纳越多,类推就越猛;你的类推越多,遇到新场景时上手就越快。

但这两件事的中间,还差了一个非常关键的东西——对边界的判断。

这个判断,不是归纳能给你的,也不是类推能给你的。它是经验给你的。

所以你看,真正擅长学习的人,类推看起来很神——其实背后是无数次经验 + 无数次归纳 + 无数次对边界的校准。


四、试错:在没有地图的地方硬走

试错是最不稳定的,但也是最不能少的。

因为前三种方式——升维、归纳、类推——它们有一个共同的前提:你已经有了一些规律可以调用。

但人生里大量的时刻,是你手里一张地图都没有的。

  • 你第一次离开家乡去外地工作,不知道该和同事怎么相处;
  • 你第一次做一个演讲,不知道台下的人到底想听什么;
  • 你第一次接触一门你完全不熟悉的学问(比如哲学、生理学、天文学),连基本概念都凑不齐;
  • 你读到一本看不懂的书,没有人能给你讲解。

在这些情境下,升维没有可升的维度(因为你不熟悉),归纳没有样本(因为这是第一次),类推没有可以比照的旧规律。

那剩下唯一能做的,就是试错。

试错的核心是反馈

试错不是乱撞。试错的核心是建立反馈环。

每次尝试后,你都要问自己一句话:”我刚才做的这件事,结果告诉我什么?”——哪怕结果是”这个方向错了”,那也是一个非常珍贵的反馈。

我自己的习惯是,每次学一个新东西,都会尽量在最小代价下做一次实验。一次实验得到的反馈虽然不完美,但比坐那想三天都管用。

举几个具体的——

  • 挑简单的章节先入门:先读最薄那一章 / 最通俗的那本书入门;
  • 最小可行:先写个最简陋的 demo、先说个最简单的版本、先做出一个粗糙但能用的东西——先把”我有过一次”的反馈拿到手;
  • 复盘:每次尝试后,写下”我做了什么 / 效果如何 / 下次怎么改”,让下一次站在这一次的基础上开始;
  • 换环境:卡住的时候去做点别的——打球、散步、洗个澡,让大脑做无意识的串联。很多灵感都是这么冒出来的;
  • 问别人:把自己的问题说给一个不在这个领域的朋友听。往往他问的几个”傻问题”反而能让你突然看清关键。

这些方法都不是什么新鲜事,但它们合在一起,构成了一个完整的反馈环。

试错的风险控制

试错最大的风险是沉没成本——你试了一个方向,发现错了,但不舍得丢掉,继续投入。

我见过太多次这种情况了。有人读某本经典读了一年半,到最后发现自己其实根本不喜欢那本书的方向;有人练某种乐器练了两年,发现自己实在没那种乐感;有人考研一年,发现自己其实更想直接工作。

沉没成本本身不是问题,问题是让它绑架了未来的决策。

所以试错之前,必须给自己定一个退出标准。

“如果 X 周后,或者 X 个尝试后,这个方向还没有看到明显进展,那就停下来。”

退出标准越清晰,试错就越安全。

我自己在做项目的时候,会把一个里程碑内的所有动作都列出来,再标出每个动作的”止损线”。当动作到达止损线还没产出,我就会主动停。

这就是反脆弱的核心——**让你在小失败中存活、在大失败中不死的关键,是提前设计好”我能承受多大的失败”**。

试错和归纳的关系

试错完成之后,必须立刻做归纳。

否则,你就是用生命的长度换取了经验,却没有把这些经验转化为智慧。

很多人看起来”活了很久”,但其实活了一辈子也只是同一个人重复了几十年。每次试错都从头来,每次踩同样的坑,每次都用同样的努力去解决早就被别人解决过的问题。

试错 + 归纳 才是一次完整的成长。只试错不归纳,是浪费生命;只归纳不试错,是纸上谈兵。


五、四种方式是怎么协作的

到这里你应该看出来,这四种方式并不是孤立的,它们是一个循环。

flowchart LR A[拿到一个想学的知识点] --> B{我有没有类似经验?} B -->|有| C[类推到当前场景] B -->|没有足够样本| D[升维先看一层 / 小步试错] C --> E{类推后感觉顺吗?} D --> E E -->|顺| F[归纳总结 沉淀成自己的规律] E -->|不顺| G[回头分析哪里不顺] G --> H{是规律本身不适用?} H -->|是| I[调整归纳 重新判断边界] H -->|否 是停在太浅的一层| J[升维 跳出框架] I --> K[回到 B] J --> K F --> K

简单概括——

  • 类推——手里有规律时最常用的姿势,最快。
  • 归纳——每次思考和动作结束后,必须做的沉淀。
  • 升维——在所有方式都不奏效时的”兜底大招”。
  • 试错——在没有地图时唯一能走的路,但必须设计反馈环和退出标准。

一个人”会学东西”的标志,不是会用其中一种方式,而是在正确的时间掏出正确的那一种。

  • 新手拿到新知识就试错——因为他还不会用类推;
  • 老手拿到新知识先问”这是不是个老问题”——因为可以用类推直接秒掉;
  • 大佬拿到新知识先问”我这是在哪一层上想”——因为他知道升维能让问题的复杂度骤降;
  • 真正的高手拿到新知识,会下意识地把四种方式混着用——类推不动就升维,升维完还不清就试错,试错完一定归纳。

这就是所谓的”无招胜有招”——你脑子里没有套路,但每一步都正好合适。


六、我自己在每种方式上踩过的坑

写到最后,我也坦白一下我在每一种方式上踩过的坑。这些都是我亲身经历过的、有时候至今还在犯的。

升维上踩的坑:升维升过头了。

有时候我面对一个很简单的问题,本能地开始想”这背后还有什么层次”。结果一个本来十分钟能弄懂的小知识点,被我升维升到哲学层面,半个月没结论。

升维是杀招,但用多了会变得无病呻吟。平常的小问题老老实实类推和归纳就行。

归纳上踩的坑:基于情绪归纳。

考试考砸了,就归纳出”我不擅长考试”;写了一篇读书笔记反响一般,就归纳出”我写不好文章”;一次演讲搞砸了,就归纳出”我这个人是内向的、注定讲不好”。

这些归纳带着情绪,时效性强、偏差大,过几天情绪过了自己都觉得好笑。

每次强烈情绪下做的归纳,我都会在心里标记成”待验证”,过几天回头看。

类推上踩的坑:边界没看清。

之前读了一本讲高效能人士习惯的书,觉得书里那套方法全都对,就照搬到自己的日程里。结果发现那些方法是给每天朝九晚五的人设计的,而我那段时间的工作节奏完全不是那样——硬搬了一个月,发现自己比原来还累。

类推之前,必须先冷静地界定”这一次和上一次到底哪里是本质相似的”。

试错上踩的坑:沉没成本失控。

曾经在某个方向上硬撑了大半年——总觉得自己再坚持一下就能做出来。结果半年后,那个事还是没什么起色,我才承认”当初的判断就是有问题”。这半年浪费掉的时间和精力,比事情本身还让人心疼。

现在的我会更狠——如果止损线到了,立刻停。承认自己错了,不丢人。


七、最后一点想法

写到这里,我突然意识到——

这四种方式,与其说是”学东西的方式”,不如说是**”对待世界的方式”**。

  • 升维告诉我:”你看到的不一定是全部,再往上走一层,一定有别样的世界。”
  • 归纳告诉我:”所有看似不同的事,背后一定有相同的规律。”
  • 类推告诉我:”找准本质的相似,你就可以把一片森林压缩成一根针。”
  • 试错告诉我:”即使手里什么都没有,迈出第一步永远不晚。”

人这一辈子,会遇到无数次”卡住”。

卡住不是问题,卡住的方式才是问题。

有的人卡住后,会下意识地用同一种方式挣扎——这是最伤人的,因为挣扎本身就是消耗。

有的人卡住后,会抬头看看,自己是不是只在某一层里反复打转;会停下来想想,自己过去是不是漏掉了什么规律;会去类比一下,类似的事别人是怎么学的;如果都没有,那就小步试错,并用反馈告诉自己下一步该怎么走。

四种方式都用得动的人,不会真的卡死。

希望几年后回头看这篇文章,我还能为今天写下的这些感到自豪,也希望我还能继续写得更好。


文章作者: growdu
版权声明: 本博客所有文章除特別声明外,均采用 CC BY 4.0 许可协议。转载请注明来源 growdu !
  目录
分类导航
随笔3 算法1 AI27 计算机基础13 博客搭建7 ChatGPT2 集群63 计算机通信1 数据库34 数据库深入80 Docker11 DPDK26 编辑工具4 Elasticsearch4 FAQ1 Go Web1 hometown2 编程语言16 Linux38 网络9 OPC1 openGauss4 页面12 程序员自我修养1 PostgreSQL54 协议11 成长之路1 stock1 存储5 工具20 视频作品1 VPP18 Vue13 Web1 代码示例11 数据库15 BenchmarkSQL1 PostgreSQL 源码修炼之路14
最热文章
1
13 逻辑复制深入
数据库深入🔥 1570
2
0 Postgresql存储、索引及系统优化、主备切换
PostgreSQL🔥 1495
3
一文读懂openguass dcf网络模块
集群🔥 1420
4
逻辑复制源码分析
数据库深入🔥 1327
5
PostgreSQL 分区表:从一行 `PARTITION BY` 到路由热路径的全链路拆解
数据库🔥 1094
6
applyparallelworker.c 之 LA 端源码深度解析:Leader Apply Worker 的指挥中枢
数据库深入🔥 1082
7
PostgreSQL Background Worker 全解:从 `RegisterBackgroundWorker` 到逻辑复制 4 类 worker 的全生命周期
数据库🔥 1078
8
PostgreSQL的后台进程walsender分析 - 关系型数据库 - 亿速云
PostgreSQL🔥 1033
9
PostgreSQL 逻辑复制的监控:六张视图 + 一组可执行 SQL,把 publisher/subscriber 的速率与健康度彻底看透
数据库🔥 1032
10
PostgreSQL 逻辑复制支持 DDL 之后:DDL 与 DML 的时序难题(重点:分区表)
数据库🔥 999
11
reorderbuffer.c 源码深度解析:PostgreSQL 逻辑复制的"事务重组引擎
数据库深入🔥 953
12
PostgreSQL 内核开发:读取一张表的 9 步标准流程与缓存全景
数据库🔥 938
13
从 `postgres` 二进制到生产级守护 —— PostgreSQL 最外层模块与启动全流程拆解
数据库🔥 936
14
支持逻辑复制同步 DDL 适配 SQL Server 方案
数据库深入🔥 934
15
PostgreSQL 逻辑复制的 ReorderBuffer 与事务机制:从一行 WAL 到一致性变更流的全链路绑定
数据库🔥 913
16
DDL同步架构(美化版)
数据库深入🔥 908
17
PostgreSQL Latch 机制详解:从一行 SetLatch 到 epoll 的内核之旅
数据库🔥 871
18
pgbench 源码全解:一个 C 文件如何撑起 PostgreSQL 官方压测工具
数据库🔥 860
19
PostgreSQL libpq 机制与缓冲区详解
数据库🔥 850
20
PostgreSQL 逻辑复制 spill 文件深度剖析:从 `xid-*.spill` 到 TPC-C 的增长方程
数据库🔥 845