我相信大多数人的答案就是1万小时定律,也就是在任何一个领域想要成为大师级别的人,要至少有1万小时的刻意练习时间。

于是在1万小时定律指引下,过度的在专业内练习越来越成为主调。但是我们也会发现这样一个现象,在自己的领域里非常基本的常识,但是到了别的领域就会成为认知壁垒。反之亦然,这其实就是过度专业化带来的知识鸿沟。

专业化的出现是必然,因为事实证明在大部分的时间里,依靠专业化的确能解决大部分的难题,而且效率高。但是在有些未知区域或者是不确定的区域,专业化的局限也日渐显露,依靠以往的经验并不能解决所有的问题,甚至经验可能会成为解决问题的累赘。

心理学家卡尔·维克发现,当面对失控的森林大火时,牺牲的消防精英手中反而一直紧握着他们的工具,其实很多时候,只要他们放下手中的工具就能做快速撤离挽回生命,但是出乎意料的是,他们都忘记了这一点。对于普通人来说放下工具撤离是本能,而对这些消防精英来说却成了最困难的事情。坚守自己最熟悉的领域,当不熟悉的突发状况来临时,就会变得无所适从。

和当前过度强调专业化的大环境相比,这本《成长的边界》给我们敲响了一个警钟。作者大卫·爱泼斯坦是《纽约时报》的畅销作家,也在非盈利新闻调查网站PROPUBLICA担任调查记者。在他看来我们不应该局限于自己的专业,这个社会也更需要通才。我们只有不断拓宽成长的边界,人生才会有更多的可能。

过度的专业化也伴随着局限

在书中,作者也承认在友好型的环境里,专业化的优势的确明显。

所谓友好型环境指的是问题和解决方法会重复出现的环境。通过刻意练习,不断的熟悉这个环境之中的流程和套路,就能得到非常好的学习效果。

高尔夫选手老虎·伍兹从还没开始走路就开始拿推杆。两岁的时候获得了人生中第一个锦标赛的冠军。三岁的时候,当别的孩子还在玩泥巴,他就已经确定了以后要成为高尔夫运动员。老虎伍兹的成功也证明了“赢在起跑线”的的优势。

高尔夫球场和手术室都是这种友好型环境,只要在专业内深钻,就能掌握所有的套路和程序。

然而值得注意的是,过度的专业化极容易形成“内部视角”。我们长时间在自己的一亩三分地不断深耕,很容易就对专业以外的世界视而不见。

想象一下流水线的工人,过度的专业化使得我们每一个人就像流水线上的工人,每个人只负责自己手中的那一个零件。这样毫无疑问效率最高,产量最多,但是如果说谁能改进工作线,肯定是那个对整个工作线都有了解的那个人。

所以在不确定的环境中,这种依靠以往经验的学习方式就不堪一击了,比如网球场上。和高尔夫球相比,网球这种运动带有更多的不确定性。网球界首屈一指的巨星费德勒最开始的时候就是从足球开始的。他在孩童时期尝试了大量的球类运动,当他终于决定专注网球时,他的同龄人早已开始了职业化训练。但是20座大满贯冠军奖杯证明,较晚地确定自己的职业方向,不会影响到以后的成功。他以前在别的球类运动里获得的经验,让他对网球有更好的理解。

涉猎多领域的通才,才是这个时代真正需要的人才

我们会发现那些在自己领域做出重大发现的人,一定不会仅仅局限于自己的领域,也就是说跨界更容易出人才。

苹果创始人乔布斯认为在里德学院的书法课程让他体验到了艺术和美的奥妙。在他以后的所有的产品中,科技必定是和完美的设计、外观、手感结合在一起的。

看起来毫无关联的两个领域,有时都能找到概念的相似性,进行类比思考。医学上通过多条低强度射线同时射向肿瘤,和战争中大军分成多个战队攻取堡垒,都是相同的思维模式。同样乔布斯也是把书法的美感带到了手机上。

从这点来说,涉猎多领域不仅不会阻碍我们的专业性,还会帮助我们在本领域精益求精。多个领域建立起来的类比思考,让我们在看待问题时会从不同的角度进行,避免“内部视角”。

在《成长的边界》中,作者爱泼斯坦则认为训练的广度则意味着转型的广度。学习者学到的背景内容越多,其创造的抽象模型就越多,他们对特定的具体例子就依赖越少。

如何拓展成长的边界

在人工智能崛起的时代,机器能够代替我们做很多事,而且效率更高。以往的“铁饭碗”早已不复存在,我们要做的就是不断拓宽边界,不断发掘自身更多的可能。

不用说每个人都感受到了这种不确定性,人工智能能够做的工作越来越多,包括那些专业性很强的岗位,但是类比思考能力却是机器无法取代的,这是综合多领域才能拥有的能力。

人生先广度再深度,事业先业余后专业,思维先类比后迁移,这才是这个时代对通才的要求。

先涉猎后钻研:我们每个人都是由无限个可能性组成的。也就是说我们需要通过不断的实践,不断的涉猎,来发现这些可能性。

多方尝试:走进自己完全不熟悉的领域,放弃以前的经验,以新手的姿态重新学习。

横向类比面对:已经熟悉的事物,思考类比思考赋予我们全新的视角,进而推理那些陌生环境中出现的问题。

坚持自我发现的能力:我们每个人都不是一成不变的,大多数人也只有依靠生活才能发现自我,而不是过去。

不断的尝试和涉猎多个领域,看起来走了很多弯路,但是这些不同的领域会带给你多方位的视角看待问题。多个领域尝试找到真正适合自己的舞台,不再受到专业化内部视角的桎梏,而且也比机器更灵活,更有竞争力,这才是我们读完这本书的收获。

相关文章