产品人深思（4）：产品经理如何学习新知识/领域？(附方法)

阿澄拆产品 2023-07-23 08:18:58

无论是想要当PM的新手还是在职五六年的老鸟，包括俞军也在书中也有写，大家都默认产品经理需要具备强大的学习能力。学什么？学习未来互联网行业高速变化的新知识。

难道学习就是每年看100本书？听100节付费课？还是写完3本学习笔记？习惯性持续看资讯看paper？对于过去几年的经历我产生怀疑。

很不幸，惨痛的亲身经历告诉我，这些答案都不是，这些都是「被动学习」。

作为产品经理，必须习惯于深度思考。惯例，对待长期问题，把How问题转变为What和Why问题自动开启深度思考，用基础学科解决问题。

HOW：如何学习新知识/领域？
WHAT：知识是什么？学习的关键是什么？成功学习新领域的关键是什么？人脑学习的机制是什么？
WHY：人为什么要学习新知识？

01 “知识的本质是什么？”

“什么是知识？”、“学习知识的关键是什么？”

通过「神经学」能够了解到，人脑是可以先后分为3个阶段：「爬行动物脑」——>「边缘系统」——>「新皮层」。重点讲「新皮层」，换个名字也叫「理性脑」。大约在1亿年前，哺乳动物逐渐演化出了新脑皮质，演化至今，这玩意占据了人类大脑三分之二，也帮人类从万物中脱颖而出。神经学家麦克里恩戏称新脑皮质为：「抽象思维之父」

无论是「认知心理学」还是「哲学」都会将人脑的感知分为：知觉、感性、理性。其中理性是人独有的，也可以说知识是人类独有的。

在新皮层发育之前，人类和其他动物一样，都只有知觉和感性去解释世界、定义世界，不难理解知觉和感性的目标都是「生存」。经过「自然选择」，那些大脑突变新增基层新细胞的哺乳动物反而更好地生存了下来。

于是，新皮层/理性脑被遗传了下来，帮助人类更好地生存，人类知识库慢慢开始搭建。

有句话很生动：人类就像是蜘蛛，活在各种抽象理念的网上。少了这张网，人类难以生存。所以：知识是理性脑的产物，知识本质就是人类自己定义出来的信息。

既然知识是人类定义的信息，而信息又越来越多。就产生了2个问题：1）信息在我们脑中的组织形式是什么？ 2）有效知识是哪些？

针对问题一。如下图，在「认知心理学」中，目前较被推崇的是：「联结主义理论」（建立在信息在理性脑中的表征方式的基础上）：信息是由分布在网络中的激活表征。

简而言之就是：基于大脑神经网中的神经元和神经突触。外部会刺激输入单元，输入单元将信号转给隐藏单元，最后传给输出单元。其中关键的就是「联结权重」，联结权重决定信号向下传递时增强还是减弱其激活程度。

而联结权重的调整是通过「学习」形成的，错误的学习通过「反向传播」将错误信号传回给隐藏单元，修正联结权重，最终经过多次调整，联结网络得到了合适的联结权重。对人工智能稍微了解的同学应该已经发现了，计算机的神经网络、深度学习也是基于此设计。

对于一个Input（问题），由于每个人信息网络的联结权重不同，会做出不同的思考和判断。在多元决策模型｜“我该如何更有效执行？”中提到，执行/行动，我们能让思维有序化，而这个有序化就是调整「联结权重」的过程。

所以：知识本质是信息，「有效知识」必定是联结权重较大的信息，所以才能指导/改变人行动。而提高权重的唯一办法是通过执行去调整增强/减弱权重。

02 “学习新知识的关键是什么？”

我们获取新信息，相当于在网络中增加新节点，起初新节点的权重是无差别激活，意味着可能会错误修正权重，也可能正确增强权重。而只有那些最终权重较大的新信息变成了我们脑中新的「有效知识」。因此学习新知识有2个关键（1）激活（2）高权重

每年看100本书、听100节课、看100个b站视频，看100份paper…..whatever，这些都是新信息罢了。能否形成新知识，或者能否进入新领域，关键是有多少信息通过执行之后，变成了脑中的高权重节点即「有效知识」，大部分的信息要么没被激活过（如何激活在下文提及），要么被验证权重低，最终沦为「无效知识」。

我们学习新知识，无非是为了得到更多「有效知识」，那些能够改变我们的行为的知识。

于是问题二自然出现。一个领域知识那么多，哪些是「有效知识」？

从「网络科学」和「物理学」两个角度找答案，结果竟是相同。

既然信息在脑中是以网络的形式组织，看「网络科学」：之前反复提到了的「无标度网络」（scale-free）——现实世界的网络大部分都不是随机网络，少数的节点往往拥有大量的连接，而大部分节点却很少。与之对应的是「随机网络」：节点拥有的连接是随机平均的。

无标度网络分布方式的背后就是「幂律分布」（如下图-右），也俗称为二八定律。已经得到证实的是在互联网、细胞、传染病、社会人员结构等等复杂系统背后都遵循幂律分布。

在《链接》一书中有提到19世纪后半段，不少物理学家和数学家已经证明，在各类的开放复杂系统中，幂律的出现通常都标志着从无序到有序的过渡。换句话说，「无标度网络」的形成过程就是「负熵增」即有序化过程。

试问，从小时候父母教我们说话开始，脑中信息的网络开始形成，十多年的教育下来，不断有新知识加入到网络中。但问题是：二十出头的人普遍感觉自己脑中浆糊，面对问题时也不知道怎么办。

为什么？就是知识网络结构节点数太少、且没有明显的中心节点，依然是「随机网络」并非「无标度网络」，混乱无序。

“人为什么要学习新知识？”

其目的之一就是开放系统，引入新节点进行有序化。理想化最终达到仅20%的节点能够解决我们80%的问题。获取新信息，并通过「学习」将信息转化成权重高的知识。

哪些信息最终可能成为这关键的20%，帮助我们解决80%的问题呢？

在「认知心理学」里对人类解决问题有所研究，大量实验证明人类在现实中极擅长「类比问题解决」：将目标问题迁移到一个「源问题」上，通过类比来解决目标问题。且类比迁移能够提高问题的解决可能性。

我在一个悟了2年的「多元决策模型」提到，人类所有知识是演进的，像树一样。每个学科都有其母学科，每个学科都在致力于解决本学科几个大问题。所谓的「源问题」其实大概率就是某一门学科的设立追问。

由此得到答案：一些「科学原理」是解决「源问题」的钥匙。是最可能成为那20%的高权重节点。而剩下约80%的节点在解决日常20%的中短期问题足矣。

继续深挖。

假设我们广泛学习，刻苦练习。最终「联结主义理论」已经符合「无标度网络」的特征。那么可推断「网络科学」已证明的6条原则也适用于知识：

六度理论：任意两个节点通过最多6次就能触达
无标度网络：真实网络按照幂律分布（二八定律）
富者越富：新的节点加入网络，优先连接已有的大节点。
致命缺陷：一旦大节点被破坏，网络瘫痪，如机房停电
枢纽力量：枢纽节点能迅速传播信息，如传染病
群体组织：团体内强连接与团体间弱连接

前两条不赘述。

「富者越富」：新信息的加入会先连接那些重要知识/科学原理。如果原先的知识更具奠基性，新信息依然无法超越原有知识。
「致命缺陷」：一旦某个重要知识/科学原理被证伪，直接破坏相连的知识。
「枢纽力量」：一个问题被类比到重要知识/科学原理，能被广泛传播到其他知识，解决问题。
「群体组织」：相似知识会“抱团”，连接更紧密频繁，不同类别知识间有弱联系，正是这些弱联系帮助人们进行类比。

总结：大部分“知识”都是信息，0权重没用处。真正的「有效知识」是信息网络中的高权重节点，是可以指导人行动和解决问题。找到知识而非信息加入网络，能够有序化自己的大脑，且知识网络也符合6条网络原则。

03 方法论

“产品经理如何学习新知识？” 注意不是新信息！

直接上图——「信息-知识」循环法

产品经理，产品经理网站

1. 获取信息

有效知识的前身还是信息，因此第一步是获取信息——获取信息的“ID Card”

信息在化为已用之前，也是有其类别的。比如：本体论属于哲学、Python属于编程、认知偏误属于心理学、熵增定律属于物理学、无标度网络属于网络科学等等。

如果你连这些都无法判断，说明你尚不知「学科地图」和「学科关键词」：

「学科地图」：针对一门学科，简单的了解其发展背景、分支学科，尤其是各分支所研究的大问题是什么。了解已有学科在外部世界中的地图，是未来获取信息识别信息的大前提。这幅地图无法解决你的问题，但是能帮新信息定位。

「学科关键词」：每门学科领域都有重要的原理、定义、理论等。如同地图中的图示，如果不理解这些图示，即无法读懂地图，同样没用。因为学科大部分的信息都是基于这些原理、公理、定义「关键词」推导。

在获取信息这个阶段，并非是刷抖音、看知乎、学B站、听个书就是get了信息。只有知道该信息大概所属什么分支学科、是解决什么大问题、基于哪些原理才算是真正的获取信息的ID Card。

所谓慢，可以多多略读该学科经典书籍，尤其是那些豆瓣8.5以上的教材书。磨刀不误砍柴功，Slow is fast，fast is slow 。

例如：我从0自学心理学时，先百科一下心理学分支，找到3～5本心理学经典书来扫读。如《社会心理学》《认知心理学》《心理学与生活》《心智探奇》《天生不同》等等。建立学科地图、掌握学科关键词，之后再获取心理学相关信息时就很容易定位。

2. 信息加权

如果已经掌握一个学科的地图和关键词。如同掌握信息的“ID Card”，可以迅速识别信息身份。且边际成本逐渐降低，识别速度越快。

有“ID Card”的信息，可以顺利进入大脑的门禁，即一个「新节点加入网络」

信息如何加入大脑？——「连接」、「绑定」

「连接」：根据「富者越富」原则，优先将新信息与已有的知识、大节点连接。孤立的信息、知识是无用的。只有不同的知识相连接起来，才会涌现出超越单个信息点总和的「系统性」。

「绑定」：根据「群体组织」原则，将信息与各种相似知识对比、抱团存放。如图，人有群体小结构，信息也有。可以理解为「主题」or「分类」，将同个主题相关的知识Binging。

通过「连接」和「绑定」，弱连接和强连接，最终新信息在脑中“安家”。

当我们面对问题时，可以在某「主题」内通过相似知识来找答案，也可以通过弱连接思考到「科学原理」通过源问题来找答案。

例如：我最近在研究效果广告机制，我会把「竞价机制」与「经济学」连接，并且把「竞价机制」与「博弈论」捆绑抱团。未来我在面对「多方竞争」到目标问题时，我就会思考到博弈论和广告中到竞价机制，其实还有社会心理学到「从众效益」，同时我还可以引申到经济学找源问题来解决。

3. 验证信息

这一步是分水岭。

虽然本文没提，但是碍于「记忆」的工作机制信息会丢失。可以说不进行第3阶段，学习只能叫输入，而知识对你而言永远只是信息。

因为大部分的信息会被遗忘，会被闲置，而结果就是权重为0或者无法变成知识，压根不能改变你的行为。你需要「激活」这些信息。

如何做？2个方法：对外「类比应用」、对内「反思审视」

「类比应用」：在第2步里，将新信息Binging，实际上这是一个假设的过程。假设A主题的问题也能用新信息类比。在深度思考｜“如何更有效执行？”中我说执行的本质是有序化的反馈机制，因此，信息必须经过执行才能在脑中获得联结权重。我们可以「刻意练习」，针对老问题迁移新信息进行类比解决，其中「类比」是最符合人类解决问题的方法，「输出」是我推荐的形式。

「反思审视」：反思的实质是对假设进行校正。对外我们追求太多信息摄入，却极少整理自己的大脑，看100本书、听100节课又如何？缺少应用和反思其实都是无用功。反思不是总结。反思是跳脱出自我，审视自己的所作所为、所思所想。结果不重要，重要是我为什么这样做，我作出的假设正确吗？

对外类比应用，对内反思审视。比较推荐的方法就是「输出信息」和「定期反思」。输出可以是写文章、讲给别人、运用到工作中等，因人而异。反思可以是写日志、冥想、纯思考。

例如：我写的这篇文章主题就是关于「学习/知识」，对我而言，里面涉及一些老知识如「网络科学」、「熵增定律」还有我前几篇文章内容。同时还有最近摄入的新信息「三位一体脑」、「联结主义理论」，我写文章的首要目的是进行「输出」，通过不同知识的类比来解决一个问题，最后发现确实有关联，我的脑就会增加新信息的权重，逐渐变为知识。另外我会每个工作日晚上10点钟写下我的反思，进一步验证自己对知识的假设。