“你学啥专业？”
“计算机科学。”
“帮我修电脑吧。”
“……”

现实中——

金融专业的被问炒股
土木专业的被问装修
天文专业的被问运程
医学专业的被问药方
……

很显然，这是认知差异的误解。

但这也反映了一个现实问题：

学科知识与生活应用之间，差了不止一个大学生。

譬如计算机专业，会教：组成原理、操作系统、程序设计，以及数理逻辑……

但不会教：装电脑、装系统、装程序、office……

计算机专业角度，电脑、手机、平板、机器人基本一致：

都是芯片、主板、存储、输入、输出、电源的组合。

但实践中，手机电脑插口不同，封装螺丝也不一样。

学计算机的你，连自己的手机都拆不了。

专业课知识，像没兑饮料的威士忌，浓度高，易上头。

一个例子：“电脑上网慢，怎么办？”

• 《计算机网络》：网络分七层，每层按具体协议工作；
• 《操作系统》：计算机资源被统一管理、分配和调度；
• 《程序设计》：设计算法，写出能让机器执行的代码；

没有一门计算机专业课能直接回答。

你还在“套公式”解题，隔壁电脑城小哥已经搞定。

还有个“博士和农民工”的故事。

某带盒香皂生产线有缺陷，常有漏装肥皂现象。
博士组建攻关组，花费近百万设计多学科联动方案：
空香皂盒经过时，探测器报警，机械手臂拿起空盒。
农民工凭“直觉”，花200块买了台大功率风扇，
放生产线旁“呼呼呼”一顿吹，空盒字纷纷落地。

“专业比不过直觉”的现象背后，隐藏着两种解题思想：

自顶向下（Top-Down）

自底向上（Bottom-Up）

一、自顶向下

在《有一种执着，叫“我要学编程”》里提到的“分而治之”，就是一种自顶向下的解题思想。

它是通用思想，不仅用在编程，还被用在架构设计、项目管理、目标分解等。

“套公式”的过程，其实就是在自顶向下解题。

逻辑学称为“演绎”：从一般到特殊。

解决问题时，从“通用知识”——“注入信息”——“获得结论”

比如解决“上网慢”，

• 通用知识：“计算机网络应用层，承载两台主机间的应用服务。”
• 注入信息：“在PC电脑，用浏览器访问某个网站。”
• 获得结论：“我们在用HTTP协议与某网站通信。”
• 接着我们检查协议是否正常，再注入更多信息获得更多结论，直到问题解决。

这样的演绎在逻辑上并不严谨，但足以表达我们自顶向下的解题过程。

每一次演绎，都会增加多个具体情况，每一个都要去判断。

于是你发现，自己陷入了一个指数级“信息风暴”，

穷尽一生也未必能找到答案。

这就是所谓“把问题复杂化。”

二、自底向上

与自顶向下相对应的解题思想，是自底向上。

逻辑学，称为“归纳”：从特殊到一般。

这解题思想更贴近我们日常思维方式。

“上网慢”？那就把所有遇到过的原因列出来。

• 缓存太多，机械磁盘太卡
• 自带域名解析服务器太慢
• 代理服务器慢
• 流氓软件
• 网卡坏了
• 运营商网速慢
• 网站出故障
• ……

然后，用排除法一个个试。

很简单，大部分人都会。

以前网络不发达，电脑城小哥靠师徒传承，垄断“修电脑”。

现在，普通人随手网上一查，唾手可得。

不仅修电脑

• 手机屏幕碎了？某宝买新的，店家还会给教程。
• 想吃新鲜蛋糕？某厨房教程，买好配料就能做。
• 学办公软件？某站视频有教，再不会找专家问。
• ……

对于具体问题，信息获取已成为每个人的基本生存能力。

自底向上的解题思想，是不是比自顶向下更优秀？

或者说计算机专业知识木有用了？

三、知识无用？

这也是当前很多大学生的困惑：

学那么多“经典”知识，在工作岗位上完全派不上用场。

电脑城小哥更快解决问题的前提至少有两个：

1. 上网功能较稳定；

2. 遇到问题较集中。

前提1 把大部分软硬件功能损坏的可能性降到最低；

前提2 把常见问题归为一张清单。

于是，问题似乎很容易解决。

但，如果遇到问题不具备这两个前提，又该如何？

穷尽了清单所有条目，问题依旧。

这时，你只能期盼某位高手到来，或者直接放弃。

知识，是信息的抽象。

人类，因为具备抽象能力，才能直接学习知识。

我们用抽象提取知识，应用时再注入具体信息。

知识是信息压缩容器，就像龙珠里的万能胶囊：

物理世界中大部分定律源于观察实验，如牛顿第二定律。

历经百年实践，计算机才从打孔机演变为“智能机”。

所以，自顶向下和自底向上两种解题思路，伴随人类实践与学习，相辅相成。

在这个信息爆炸时代，学习是每个人压缩信息的必备武器。

那如何才能提高学习能力？

四、模仿学习

如果我们观察小朋友学习，就会发现：

最原始的学习方式就是模仿。

他们会模仿大人说话，也会模仿大人动作。

模仿，就是获取信息后直接应用。

当我们准备掌握一项新技能，第一步往往都是模仿。

比如，对着字帖练字、照着原画临摹、看着教练运球……

也有对着视频学软件。

模仿的前提，是有参考物，也就是得有“抄”的对象。

信息化时代，不怕没对象，就怕找不到。

幸好，信息工具也在持续创新。

从最早电信黄页，到门户网站，再到搜索引擎，以及现在的信息流推荐。

这些技术工具在做同一件事：提升信息获取效率。

互联网平台间的竞争，从功能，到内容，再到内容生产者，从未停歇。

如今，谁有优质内容，谁能持续拥有内容源，成了流量竞争关键。

除了要熟练使用搜索技巧，我们还得了解内容分布。

比如，用搜狗微信找公众号内容，用天眼查或企查查找企业信息，还有各行业垂直社区……

用好这些工具，我们就能快速找到信息。

但，

• 复杂的问题未必能直接找到答案；
• 获得的信息未必可以被直接模仿。

因为，每个人知识积累不同，我们说话会自带信息过滤。

高手对话，往往不会夹带过多具体信息。

就像这样：

所以，我们得学会分解知识。

五、知识分解

我们学骑车、学游泳、学画画……往往不是一气呵成，而是伴随“动作分解”。

“动作分解”，其实就是用“分而治之”的思路解题。

我们把“大知识点”分解到“小知识点”，然后分别学习。

知识积累因人而异，所以分解方式也不同。

教育所说“因材施教”，正是这个道理。

所以，我们需要学习“学习”，才能更好学习。

看，就像编程语言有“高级”之分，知识也有级别概念。

既然“学习”本身可以被学习，那有没有辅助工具呢？

有，就是我们常说的“学习方法”。

搜索引擎可以给出大量“学习方法”相关内容，但它还无法告诉你哪些更适合。

你会找到一堆“高手技巧”，洋洋洒洒几万字，得来大半是鸡汤。

目前被广泛采纳的学习方法，主要有2个：

思维导图

费曼学习

六、思维导图

思维导图采用结构化信息组织形式。

学习过程中，你可以用“关键词”创建节点，然后围绕“是什么”、“有什么用”、“怎么用”等问题描述它。

思维导图最大的作用不是帮我们储存信息，而是辅助我们发现规律，从繁杂信息中提取知识。

它是一种大脑思考辅助工具。

借助思维导图，我们还可以从全局视角看知识结构。

尤其在知识分解时，我们更容易从中发现同类信息背后的知识，进一步提升学习效率。

初学者经常会进入一个误区：直接收藏别人整理好的“思维导图”，以为这样学习起来更快。

其实，那些整理好的思维导图文件，对你而言只是一种信息，而非知识本身。

别人的输出，只能作为你的输入。思维导图是帮助你“消化“。

另一个学习方法，是费曼学习法，它经常被人称作是“最好、最快、最牛、最有效”的“终极”学习方法。

七、费曼学习

费曼学习法最大特点，是“以教促学”，

即通过“教会别人”来掌握知识。

生活中，当我们向别人解释知识时，免不了要举例给对方听。

当对方听得懂例子，他就能理解；反之，你还得继续举其他例子。

也就是说，你得举对方“懂”的例子，才能把知识“传授”给对方。

当你俩信息不在一个”频道“时，就会有讨论。

讨论过程也是信息同步过程，让你俩能更“懂”对方。

于是你就有机会从对方角度举例。

这样的例子，对你而言，是新信息输入，也是对已有知识的检验。

当知识经受住新例子检验，你也加强了知识的理解和掌握；

当新例子打破了原有知识，可以帮你纠正错误，重塑知识。

所以，用费曼学习法“教会别人”，也会获得更多案例，强化知识。

八、总结

知识是信息的压缩胶囊，应用时注入具体信息。

“自顶向下”和“自底向上”解题思想相辅相成，对应逻辑演绎归纳。

学习源于模仿，借助工具可以快速对标。

学习复杂知识，可以先分解，再学习。

思维导图和费曼学习是两大学习辅助神器。

---

我们生活在一个充满问题的世界；

我们也生活在一个知识泛滥的时代。

我们从未如此全面地看清世界；

我们也从未如此无力地害怕未知。

没了章法，我们会心生恐惧。

但又有多少问题，会有标准答案？

人生，是一场充满知识的旅途。

解决问题，需要知识厚积，更需要实践创新。

END

我学计算机，也会修电脑​mp.weixin.qq.com