学习不是追求知识，而是寻找决策依据

　　通常，我们认为，学习就是学习知识。
　　这个没有问题。
　　深挖一层，学习就是为了追求知识，是表层原因。
　　学习的目的是，为了个人的成长；
　　成长，就是工作生活中不断解决问题，而知识中潜藏着答案。
　　这个答案就是决策依据，遇事知道应该怎么做。
　　突破式学习
　　人在学习的过程中，往往有这种感觉：
　　学习得越多，不会得更多。
　　如同边界被打开，触碰到更多的未知。
　　这样的学习方式，是在打开知识的宽度，积累更多的知识，主要靠勤奋。
　　到后面会有个问题，知识无用。
　　学习了很多，实际上解决不了真实的问题。
　　什么意思呢？
　　＂书呆子＂。
　　＂百无一用是书生＂。
　　学习了知识了，也产生了一点作用，但是越学越累。
　　每一种问题，都是需要学习大量的知识。
　　比如编程行业。
　　每一次遇到一个新的业务，都需要上网学习，或者复制别人的解决方案。
　　如此一来，既低效，又辛苦。
　　因为没有积累，每一次的成本都一样，没有降低。
　　这个时候，最好是慢下来。
　　不要着急解决问题，而是触及问题背后的规律和原理。
　　＂知其然，知其所然＂。
　　知道解决方案，还要理解方案是怎么产生的。
　　突破了知识的表层，挖掘到底层逻辑。
　　一旦掌握了更低一层的知识，问题就像，逃不出如来佛祖掌心的孙猴子。
　　表面再千奇百怪，都是一目了然。
　　乔布斯在一次访谈节目中说：
　　＂学习任何一个领域，都应把它看作思考的镜子，我认为这是学习思考最大的价值：
　　学习如何思考。
　　例如，学习编程教你如何思考，就像学法律一样，学法律的人未必都成为律师，但法律教你一种思考方式，同样，编程教你另一种思考方式。＂
　　每一个具体的问题，都是一类问题的表象。
　　多问几个为什么。
　　思考清楚问题背后的逻辑，直至拥有触类旁通的效果。
　　解决第一个问题会慢，但是以后遇到类似的问题，都能快速地解决。
　　这也是突破式学习的优势所在。
　　跨学科学习
　　读书是分科的，
　　数学、物理、化学、生物、语文、英语、历史等等；
　　书本是分类的，
　　文学、艺术、传记、计算机、心理学、经济等等。
　　分科分类是，人为造成的。
　　自然界是不分科的，真实社会也是不分类的。
　　人是生活在真实的世界中，认识世界，需要有全面的知识，跨学科的认知。
　　比如一棵树。
　　普通人看到一棵树，知道它是植物，更细一点，芭蕉树、椰子树、苹果树、樟树、松树。
　　研究树的领域内人员，就不能这么简单。
　　除了是植物之外，还要分析化学成分、生物因子、物理效应；
　　还要理解生态环境、光合作用；
　　甚至要考虑，种植在森林与城市的区别。
　　对于个人而言，在成长的过程中，遇到的问题，是社会问题，
　　是整体的动态的问题。
　　任何单一的知识和思想，都无法解释清楚，更别说解决问题。
　　查理·芒格在做投资的过程，建立多元思维模型。
　　就是为了更准确的认知投资行业，做出更好的投资行为。
　　所以，要跨学科式的学习，建立分析框架。
　　用整套的模型，来找到不同领域间的共同问题。
　　一生掌握一门学科已经很不容易了，所有的都学，根本没有时间和精力。
　　其实，不需要了解所有的知识。
　　知识和知识，是不一样的，上面突破式学习说过，表层知识与底层逻辑的区别。
　　只需要抓住各个学科的核心思想即可。
　　从不同的学科中，找出有价值的认知，不断丰富自己的分析框架，
　　足以解决绝大多数的问题。
　　实践式学习
　　很多人学习：
　　要么是漫无目的，看到什么学习什么；要么是茫然无措，不知道从何处开始。
　　早期的时候，要多读点杂书，拓宽知识的广度。
　　有一定的积累，要有目的性。
　　以实践为主，不能使人产生改变的知识，都是无效的知识。
　　所谓实践式学习，就是不断试错，优化解决方案；
　　同时，不断思考总结，提升决策能力。
　　在管理学上，有一个重要的模型＂PDCA＂：
　　观察（Observe）调整（Orient）决策（Decide）行动（Action）
　　在解决问题的时候，首先要多观察，在现场观察。
　　稻盛和夫说：＂现场有神明＂。
　　现场有大量的、真实的、细节的信息，不断试错，更容易得出最优解。
　　得出最优解，就可以及时决策，并行动。
　　快速出结果，反馈过来，要么出错调整，要么有效改进。
　　在实践中学习，在实践中成长，
　　是一种最快的学习方式。
　　在互联网时代，大量的信息爆发出来，人无法吸收所有的信息。
　　只需要知道底层逻辑，它上面的知识，都可以拿过用。
　　如同我们从来不背诵字典，也能轻而易举地使用字典。
　　掌握的是工具，里面的内容无需知道。
　　这是另外一种实践式学习的方式：掌握更多的工具。
　　人与人的区别，不是古代那种，有知识没知识的区别，也不是有力气没力气的区别，
　　而是有没有更多更合适的工具。
　　比如，有电脑和没电脑的区别。
　　比如，认知工具，复利模型、样本偏差等等。
　　要注意，都是以实践来驱动的，不是为了学习而学习的。
　　推荐阅读：所谓执行力，本质上就是思考能力