三种知识：MYSTERY，HEURISTIC，ALGORITHM

徐昊

大家都知道通货膨胀，那你是否能想到不仅是货币，知识也在通货膨胀。过去各行各业积攒的知识、独门秘籍，早已大白于天下。过去只有少数人才能接受大学教育，现在哈佛、斯坦福等全球顶尖大学的公开课唾手可得。微博上曾流传，有人用一年时间自学33门麻省理工的公开课。在这样的背景下，我们现在的知识储备，会被迅速稀释，我们的身价也会迅速贬职。

如果是存钱，一方面我们得投资保值或增值，一方面也要不断赚钱。对于知识也是一样的，只能不断学习，但问题是，我们可以投资的只有时间。

有限的时间应该投资在哪些知识上？有个理论——知识漏斗：我们可以将知识分为三个层次，代表了处理知识的三个阶段：mystery（神秘式），heuristic（探索式）和algorithm（算法式）。

Mystery的知识属于未知领域，我们甚至无法了解这个问题本身是什么问题。典型的问题比如“如何得到最好的设计”“怎么获得美满的婚姻”……甚至一些看上去不那么难回答的问题实际上也属于这类问题，比如“下一个客户从哪来”，“如何让业务增长10倍”等。

这类问题中的每个问题都是独特的，就像并不是所有企业都能做大10倍，而且能做大的企业所用的方式也不一定相同。对于某个项目有效的手法，对别的项目不一定适用。

Algorithm的知识属于完全已知领域，在这个领域没有复杂问题，因为所有的复杂性都已解决。无论在何种环境下，按照algorithm的知识来执行，总能得到相同或者是可预期的结果。

这类知识往往是“如何列出磁盘目录”“房贷手续是怎样的”“在东直门哪里能买到钱包”之类的问题。对于这类知识，你知道就是知道，不知道就是不知道。较容易通过训练获得，其终极形式就是写成程序，完全不用人来做。

从mystery转向algorithm就需要heuristic。如何把一个未知的问题转化为已知的问题，或者说如何去除mystery中的复杂性，用简单的algorithm来解决它，也可以称作把艺术工程化或者流程化，去掉其中的文艺范儿。推理、发散、类比等都是这个阶段需要的技能。大凡革命性的飞跃，都源自把mystery变成algorithm。

Mystery、heuristic、algorithm，这三种知识的学习方式和价值也是不一样的。Algorithm最容易学习，也最廉价，因为其最容易传播和复制。而最有价值的，是为某个mystery寻找的heuristic方法。

继什么是知识、该学哪些知识后，第三个问题随之而来——怎么证明已经学会了？

股票、黄金、房地产，还是投资其它什么，我们总要知道是赚了还是赔了，把时间投资于学习也一样——我这两个小时花进去了，怎么知我花得值不值？我们需要一种方法来验证投资是否有效，这被称之为Validated Learning（经过验证的知识）。

真正的Validated Learning要求拿学到的知识去实践验证。如果你能把所学到的知识清晰地讲述给同学朋友，或者写成博客、写成PPT……对知识的掌握程度即可见一斑。“对别人讲清楚”并不容易，你一定也有这样的经历，向别人表达自己的想法，只要对方一深入问，你就卡壳了。

所以大学应该做作业，而且做完后要在课堂上分享。即使老师不布置作业，你也应该考一考自己。大家都是知识工作者，大家觉得自己的身价是由什么决定的？有同学说是由掌握的知识决定的，这个答案只对了一半。你的身价是由你表现出来的知识决定的，而不是你掌握的知识。

老师、老板、同事……不可能知道你读了什么、掌握了什么，他们只能看到你说了什么、做了什么。

之前有同学问我，说他是做测试的，我们讲编程的技巧，他需要学习吗？这是个好问题，要回答它得先解释知识工作者的分工。

在日常生活中，我们每一个人其实随时随地都可能在享受分工带来的好处，比如不需要自己养牛就有肉吃，不需要自己搬砖就有房住……这些都拜分工所赐。分工是一种已经被证明的行之有效的科学生产方法，可以极大地提高生产效率。

但“分工”有个前提，那就是你可以直接应用别人的工作产物，而不需要跟这个人交互， 也不需要关心产物是如何产生的。 比如你可以直接喝牛奶而不需要关心牛奶是如何制造的，但在软件开发中，甚至在一切知识工作中，这个前提是不复存在的。你可以直接基于客户的项目标书工作而不需要跟客户交流吗？不可以。你可以直接根据架构师的设计编码，而不需要跟架构师交流吗？你可以直接根据需求去测试产品，而不需要跟需求人员和开发人员交流吗？

在传统行业中，分工是一种优化，不到万不得已，你不需要自己去搞定所有的事情；而在知识工作中，分工是一种妥协， 除非你一个人搞不定了才需要分工。

现在的企业都看重polyskill（聚合技能）的人，虽然某个阶段你的工作会集中在某个方面，但就像做软件开发一样，我们应该学习方方面面的知识，而不要局限在自己现在的角色里。

（本文作者系ThoughtWorks中国CTO）

责任编辑：刘贞