我们如何理解新知识？

我想请你阅读下面这段话：

电车难题本质上是一个道德哲学中义务论和目的论的碰撞，它的结果并不是很重要，重要的是做出决定的过程和价值取向，不过这个问题已经被乔舒亚·格林提出的道德双加工模型基本解决了。

这段话里面提到了多少个概念呢？电车难题，义务论，目的论，乔舒亚·格林，道德双加工模型。它的核心概念是电车难题，通过这个概念将其余四个概念串联起来，形成一个新信息。

你可能知道电车难题，但如果你不了解后面这四个概念，那么当你读完这句话，是无法获得任何知识的。它只是塞给你一堆陌生的信息，对你几乎不会有任何帮助。然而，如果你了解这几个概念，一切就不一样了。当你读到“义务论”的时候，脑海中出现的不是这三个字，而是它的源流，观念，不同的学派，优势和劣势；你读到“目的论”时想到的是它的争论、辩驳，修正之后的模型，在政治和经济中的运用，诸如此类。

这时，这句话对你来说，就不再是一句毫无意义的信息——你可以把“电车难题”嵌入由“义务论”“目的论”及其他概念所组成的知识之网中，把这个新信息内化成你的知识。这样的学习方式，才是有效的。

任何知识的获取都是如此：我们为什么能够从“不知道”到“知道”？关键就在于，这些我们已知的知识充当了“路标”，为我们指明了新知识的具体位置。在认知心理学上，这些旧知识所构成的路标和网络，就叫作“图式”。

这些图式是如何成为路标的？答案很简单，通过“联系”。作者将新信息和旧的图式联系到了一起，而这些图式又跟我们大脑中更具体的细节（源流、争论等）联系到了一起。通过这种联系的传递，我们就将一个全新的知识点嵌入了知识网络里面。

更进一步，如果你不仅仅知道义务论和目的论的争论，还知道心理学里面对双加工模型的基本诠释，那么你去理解这句话就更加有效了。它相当于把你已知的若干个概念放在一起，告诉你它们之间的联系，组织成一个新的、小小的“局部网络”——这就是一个崭新的知识。

简而言之：学习的本质是什么呢？是将概念节点，通过彼此间的联系，编织成一张新的知识网络。由旧知识所延伸出来的“联系”越丰富，我们对新知识的了解也就越多。

什么叫“在脑海里画一张知识地图”？简单来说，当你获取到任何新信息的时候，要思考的永远都是一个问题：我可以如何把它跟我已知的其他知识点联系起来？

你脑海中已有的图式，就相当于一个个锚点和路标，帮助你定位这个新信息的位置。你能够创建的连接越多，这个新信息在地图上的位置就越稳定、越精确。

当你能够清晰地想到可以从哪几个起点开始，通过什么样的路径，最终抵达这个目的地，当你在脑海中勾勒出整条路线图时，才是真正地内化、掌握了这个知识。

DIKW模型

我们可以用一个模型来更好地理解这个思维方式。

在知识管理领域，有一个非常经典的模型，叫作DIKW模型。它代表了知识管理的四个层级，也是学习的四个层次，分别是：Data（数据），Information（信息），Knowledge（知识），以及Wisdom（智慧）。

比如说“认知资源”。你看到这个词，但你不知道它是什么意思，也不知道它能用来干什么，这时，它对你来说，就是一个数据。

要注意：数据并不是知识。因为你并没有“知道”任何东西，对这个世界的理解也没有任何提升。它对你来说，除了扩充词汇量，没有任何意义。

这时，如果进一步告诉你：认知资源是我们进行思考的基础，它相当于大脑对注意力的控制和调配，当我们专注在每个任务上面时，需要调动认知资源来处理它。那么，它就从一个数据，变成了信息。在这个过程中，你对它的认识发生了改变。你看到“认知资源”，不再是这四个汉字，它在你脑海中会变成某种类似电脑内存的东西。你会把它跟“工作”联系到一起，知道它们之间会通过某种方式产生交互。于是我们说，它成了一个“信息”——因为你对整个世界的理解，又增进了这么一步。

如果你不但知道“认知资源能影响工作过程”，还知道这个概念是怎么来的，跟哪些概念有关联，有哪些重要的研究、理论，甚至，有哪些重要的论文，分别从什么角度去解释、论证……那么这时，你会发现，它不再是一个孤立的点，而是变成了一张网。在你眼中，“认知资源”这个概念就和各种各样其他的概念一起串了起来。

你会发现，你的视角被拔高了。

想象这个场景：你在一架飞机上，飞机准备起飞，你望向窗外——会看到，地面上的人、车、房子迅速变小，向你远离。渐渐地，你看到一整个机场，一幢幢高楼，一整个城市……视野会变得极其宽广，更多的信息进入脑海中。你会清楚地看到整个“大图景”——这就是把点连成线的感觉。一整片零散的节点连接到一起，产生一种妙不可言的愉悦感。

这就是知识。

数据呈现给你一个概念，信息告诉你它是什么，知识则告诉你它如何与别的事物联系起来。

至于智慧呢？当你在生活中遇到一些现象时，能想到“它和认知资源有关”，能准确地抽象出基本的模型，用认知资源来理解、解释这些现象。那么这时，你就已经把它变成了你的智慧。简而言之，智慧告诉你的是“如何迁移应用”。

这就是我们知识的增进和内化的过程。

“简单化”，还是“讲清楚”？

许多人认为：能把复杂的事物简单化是一种能力，也是我们要追求的目标。因此，他们会很排斥复杂和陌生，会认为：既然能够简单化，那为什么还要用陌生、复杂的语言和概念去描述呢？

他们通常喜欢故事多于说理，喜欢实例多于论述，喜欢类比多于描述……因为这些更具可读性的方式，能够把一个复杂的问题简单化，用他们能够理解的语言表述出来。

但这里其实存在一个问题：复杂的事物本质上是无法被“简单化”的。简单化意味着信息的丢失，也就意味着不准确。

前面讲过，我们对知识的理解和掌握取决于脑海中已有的图式，也就是一个人已有的经验、知识和想法。它是你理解一个新知识的原材料。假设你向一个四岁的小孩解释微积分，他有可能真正理解吗？不太可能。因为他不具备前置知识，不知道什么叫函数、什么叫极限、什么叫导数……当然，你可以用积木告诉他，积分就是把这许许多多个小积木合在一起，但这是一个非常浅层的理解，与积分真正的内涵并不一致。

也就是说：面对一个新知识，如果你的脑海中不存在与之相关的图式，是不可能理解它的。你可以很接近它，也许还可能“碰巧”全对，但无法真的“理解”它——因为“理解”一个事物，本身就意味着用相关的图式去把它拆解。但我们是不具备这个原材料的。

所以，简单化的做法本质上是什么呢？就是把它降维，用与之相似的概念来大致地把它模拟和描述出来，避开那些我们不具备的图式，用我们熟悉的图式来替代。

图式就像材料。需要某种特定的材料，才能搭起某种房子。如果不具备这种材料，你也可以用别的材料去模拟，但搭出来的结果最多就只是“看起来像”，两栋房子的性能一定不可能是一模一样的。

简单化的方式一般就是这么几种：举例子，打比方，做类比，讲故事……也就是用你所熟悉的事物去描述你不熟悉的新知识。但是在这个过程中一定会存在信息的丢失——毕竟它们本质上就是两个不同的东西。

过度摄入简单化的信息会导致一个结果：对于许多知识，我们只是“认识”，并不能真正地“理解”。比如相对论，可能许多人都知道它的一些重要结论，像尺缩效应（Length Contraction）、钟慢效应（Time Dilation）……但我们真的“理解”吗？能够讲清楚爱因斯坦是如何推导出这些结论的吗？能够明白它如何与物理学上的其他理论联系起来吗？如果不能，那我们就没有真正懂得它，只是“认识”这个词，知道它代表什么而已。

我把这种现象叫作“字典式认知”。面对一个个五花八门的术语和概念，我们也许“知道”它代表什么含义，但并不真正理解它的内在逻辑、来龙去脉、运用方法……那么，它对我们而言，最多只是一个“信息”，而不是“知识”。

如果我们的学习只是停留在收集各种各样的“字典式认知”，那么它是无法为实践运用提供任何指导和帮助的。除了给我们提供一点谈资之外，没有任何作用。

我给自己制订了一个原则，就是在写作的时候，永远都不去追求简单化，而是“讲清楚”。也就是说，我如果需要用到一个陌生的概念，会想办法去向你讲述它的来龙去脉、内在逻辑、原理和场景，让你尽可能增进对它的理解。

我不会为了方便阅读而把这个概念简单化，用你更加熟悉的日常语言去替代。因为这样做，实际上是一种不尊重读者的表现，它预设了读者没有能力和兴趣去理解这个复杂的概念。

同样，我也希望你在学习一个新知识的时候，不要只是追求简单化，追求用日常的、简便的方式去理解它。因为这样做知识量是没有任何增长的，只会带来“熟悉的幻觉”。

我们要追求的，是想办法拆解它的逻辑，把它进一步分解成更加基础的概念，然后把它与我们脑海中已有的图式建立联系，绘制出一张知识地图。